Anthropic скупает и уничтожает книги: обучение нейросети на своих данных оказалось легальным

Скандал вспыхнул после того, как в англоязычном сегменте сети снова всплыли подробности практики: ИИ-компании заказывают миллионы книг, промышленным способом отрезают корешки для ускорения сканирования, оцифровывают содержимое и отправляют бумажные остатки на утилизацию. Anthropic уже получала штраф в 1,5 млрд долларов за нарушение авторских прав при использовании книг. Источник при этом фиксирует: практика не прекратилась, она лишь адаптировалась к судебным решениям.

Зачем компании уничтожают книги после сканирования?

Логика простая и циничная. Всё, что доступно в открытом интернете, ИИ-лаборатории уже использовали многократно. Качественных текстов в сети не так много: значительная часть онлайн-контента не подходит для повышения уровня модели. Бумажные книги выигрывают тем, что их писал живой автор, а затем проверял редактор.

Но просто купить и отсканировать книгу означает создать копию, а это потенциальное нарушение копирайта. Судья в одном из разбирательств с Anthropic разъяснил: если оригинал уничтожен, юридически происходит не копирование, а трансформация одного экземпляра из физической формы в цифровую. Нет второго экземпляра, нет и нарушения.

Как выглядит процесс обучения нейросети на своих данных у Anthropic?

Исходя из описания процесса, цепочка такова:

1. Закупка. Компания массово заказывает книги, включая редкие издания с ограниченным тиражом.
2. Подготовка. Корешки книг срезают промышленным способом, чтобы страницы проходили через поточный сканер.
3. Оцифровка. Текст сканируется и конвертируется в данные, пригодные для дообучения (fine-tuning, обучение модели на новых примерах под конкретную задачу) или базового обучения модели.
4. Уничтожение. Физический экземпляр утилизируется, что по американскому праву делает цифровую копию легальной заменой, а не пиратской копией.

Что понадобится

Если вы автор или издатель и хотите понять, затрагивает ли вас эта практика:

• Проверить, продаются ли ваши книги через открытые маркетплейсы (Amazon, AbeBooks и аналоги), откуда ИИ-компании делают массовые закупки
• Изучить лицензионные условия ваших договоров с издательством: передавали ли вы право на перепродажу без ограничений
• Отслеживать судебные прецеденты: решения американских судов формируют практику, которую другие юрисдикции могут перенять или отвергнуть

Пошаговая инструкция: как проверить, используются ли ваши тексты

1. Откройте модель Claude (разработка Anthropic) или ChatGPT и задайте прямой вопрос о содержании вашей книги. Если модель воспроизводит фрагменты или пересказывает структуру, ваш текст с высокой вероятностью попал в обучающие данные.

Перескажи содержание книги [название] автора [имя].
Процитируй фрагмент из главы 3 книги [название].

1. Зафиксируйте ответ модели: сделайте скриншот с датой.
2. Проверьте, есть ли ваша книга в известных датасетах. Сервис «Have I Been Trained» позволяет искать по части открытых обучающих наборов.
3. Если нашли свой текст, обратитесь к юристу по интеллектуальной собственности в вашей юрисдикции. Американский прецедент не действует автоматически в РФ.

Что делать прямо сейчас, по ролям

Авторам Дзена и копирайтерам. Ваши тексты на платформе индексируются поисковиками и парсерами. Обучение нейросети на своих данных, которое ведут крупные лаборатории, затрагивает и веб-контент. Проверьте robots.txt вашего сайта: директива для ботов ИИ-компаний (GPTBot, ClaudeBot, anthropic-ai) позволяет хотя бы формально ограничить сбор.

Издателям и правообладателям. Включайте в договоры с дистрибьюторами запрет на перепродажу для целей машинного обучения. Это не гарантия, но создаёт юридическое основание для претензий.

Предпринимателям в РФ. В России аналогичных массовых закупок книг для обучения ИИ публично не зафиксировано. Но YandexGPT и GigaChat тоже обучаются на текстах. Разница в том, что российское законодательство строже в части архивных копий и не допускает уничтожения оригинала как основания для легализации копии.

Ситуация с массовой скупкой и уничтожением книг ради обучения нейросетей ставит конкретный вопрос перед каждым автором: не «украдут ли мой текст», а «уже украли или ещё нет». Проверьте сегодня, ответ может неприятно удивить.