När internet fylls av AI-genererat innehåll letar AI-bolagen efter nya källor till mänskligt skrivet material. Lösningen har blivit tryckta böcker.
En granskning från 404 Media visar att företag som arbetar med att ta fram träningsdata köper stora mängder äldre böcker, särskilt sådana som publicerades före AI-boomen. Böckerna beskrivs som extra värdefulla eftersom de innehåller redigerat, faktagranskat och helt mänskligt skrivet innehåll – fritt från det som branschen själv kallar AI-”slop”.
Annons
Böckerna skärs isär för att kunna skannas
För att digitaliseringen ska gå snabbt används så kallad destruktiv skanning. Bokryggen skärs bort, sidorna matas genom högkapacitetsskannrar och de fysiska böckerna går därefter inte längre att använda.
Enligt 404 Media marknadsför företaget ISBNdb tjänsten till AI-bolag och erbjuder allt från tusen till en miljon böcker per uppdrag. Företaget skriver också att ”optiken är ett problem” och erbjuder sekretessavtal för sina kunder.
Internet är inte längre den bästa datakällan
Bakgrunden är att AI-modeller riskerar att försämras om de tränas på allt större mängder AI-genererat material. Därför har äldre tryckta böcker blivit betydligt mer attraktiva än mycket av dagens webbinnehåll.
Flera bokhandlare och antikvariat uppger också att de fått ovanligt stora beställningar på äldre titlar från anonyma köpare som inte verkar bry sig särskilt mycket om priset.
Väcker frågor om kulturarv och upphovsrätt
Metoden har fått kritik eftersom även ovanliga och utgångna böcker kan hamna i processen. När de skärs isär försvinner de fysiska exemplaren, samtidigt som de digitala kopiorna används i slutna AI-system som allmänheten inte får tillgång till.
Metoden är inte ny, men används nu i betydligt större skala. Enligt 404 Media har företag som arbetar med AI-träningsdata byggt upp verksamheter där tryckta böcker köps in, skannas och därefter förstörs för att skapa digitala textsamlingar åt AI-kunder.
