Kathryn James (* απόδοση από τον Guardian)
Η εταιρεία τεχνητής νοημοσύνης Anthropic κατέστρεψε εκατοντάδες χιλιάδες βιβλία προκειμένου να βελτιώσει το μεγάλο γλωσσικό μοντέλο της, Claude. Η υπόθεση έγινε γνωστή από τα δικαστικά έγγραφα της υπόθεσης Bartz εναντίον Anthropic PBC. Η υπόθεση είχε παραπεμφθεί στο περιφερειακό δικαστήριο της Βόρειας Καλιφόρνια, η οποία κατέληξε στα τέλη Ιουλίου του τρέχοντος έτους,. Η Anthropic είχε δώσει στην όλη επιχείρηση το απίθανο όνομα «Project Panama», γιατί όπως δήλωσαν «δεν θέλουμε να γίνει γνωστό ότι εργαζόμαστε πάνω σε αυτό».
Ποια ήταν η υπόθεση : για να «εκπαιδεύσει» τον Claude, η Anthropic έπρεπε να προμηθευτεί ένα μεγάλο, υψηλής ποιότητας σύνολο γλωσσικών δεδομένων, κατά προτίμηση όσων είχαν δημιουργηθεί πριν από το 2022, πριν αρχίσει η καταστροφική επίδραση της τεχνητής νοημοσύνης στο σύγχρονο κείμενο. Η Claude χρειαζόταν όσο το δυνατόν περισσότερους γλωσσικούς συνδυασμούς, για να βελτιώσει την ικανότητά της να προβλέπει τα γλωσσικά αποτελέσματα. Η Anthropic χρειαζόταν δεδομένα, πολλά από αυτά, πολύ υψηλής ποιότητας. Τα βιβλία, όπως συμβαίνει, παραμένουν μια από τις καλύτερες πηγές για σύνθετα, υψηλής ποιότητας, μακροσκελή κείμενα. Όπως αναφέρεται στην απόφαση του δικαστηρίου, η Anthropic ήλπιζε ότι το νέο σύνολο των βιβλίων θα βοηθούσε «τον Claude να γράφει με την ίδια ακρίβεια και πειστικότητα όσο οι συγγραφείς».
Η Anthropic είχε βέβαια την επιλογή: να εξασφαλίσει άδεια πνευματικών δικαιωμάτων για τη χρήση των υπαρχόντων ηλεκτρονικών βιβλίων. Αυτό θα απαιτούσε την «νομική/πρακτική/επιχειρηματική προσπάθεια», όπως το διατύπωσε ο συνιδρυτής και διευθύνων σύμβουλος της Anthropic, για τη διαχείριση των πνευματικών δικαιωμάτων. Αντί να συνεργαστεί με τους κατόχους των κειμένων, η Anthropic επέλεξε πρώτα να χρησιμοποιήσει πειρατικές πηγές, μια απόφαση που την οδήγησε στα δικαστήρια και σε έναν εξωδικαστικό διακανονισμό ύψους 1,5 δισεκατομμυρίων δολαρίων της εταιρείας με Ενώσεις των Συγγραφέων. Όταν αυτή η προσέγγιση φάνηκε πολύ περίπλοκη η Anthropic στράφηκε στην καταστροφική σάρωση. Συνέλεξε εκατοντάδες χιλιάδες βιβλία, έσκισε τις σελίδες τους και τα σάρωσε. Τελικά, ο δικαστής έκρινε ότι η χρήση ιδιόκτητου υλικού για την «εκπαίδευση» ενός LLM δεν συνιστούσε, από μόνη της, παραβίαση πνευματικών δικαιωμάτων. Για το δικαστήριο, φαίνεται ότι η «εκπαίδευση» ενός εταιρικού προϊόντος ισοδυναμεί με την εκπαίδευση οποιουδήποτε ανθρώπου, τη διδασκαλία της ανάγνωσης για να μάθει να γράφει.
Δεν ξέρω αν μας εκπλήττει το γεγονός ότι η καταστροφή έντυπων κειμένων φάνηκε ευκολότερη στην Anthropic από την εργασία με τους ανθρώπινους συγγραφείς τους. Σε κάθε περίπτωση, η απόφαση χρήσης καταστροφικής σάρωσης μετέτρεψε το ζήτημα σε ζήτημα εφοδιαστικής διαδικασίας. Σύμφωνα με το αμερικανικό δίκαιο περί πνευματικών δικαιωμάτων, το δόγμα της «δίκαιης χρήσης» επιτρέπει να κάνετε «μετασχηματιστική» χρήση έργων που προστατεύονται από πνευματικά δικαιώματα χωρίς την άδεια του κατόχου. Η Anthropic πήρε έντυπα βιβλία και τα σάρωσε, «μετασχηματίζοντάς» τα ή αποκαθιστώντας τα σε μια νέα, ηλεκτρονική μορφή. Στη συνέχεια, απέρριψε το αρχικό έντυπο αντίγραφο: το «καταστροφικό» μέρος της καταστροφικής σάρωσης. Στην πορεία, οι πωλητές της Anthropic είχαν ήδη κόψει τις ράχες και τις άκρες των βιβλίων, για να τα σαρώσουν πιο εύκολα πριν τα καταστρέψουν. «Το ένα αντικατέστησε το άλλο», όπως έγραψε ο δικαστής William Alsup, σημειώνοντας: «Δεν υπάρχουν στοιχεία ότι το νέο, ψηφιακό αντίγραφο παρουσιάστηκε, κοινοποιήθηκε ή πωλήθηκε εκτός της εταιρείας».
Η Anthropic προσέλαβε έναν έμπειρο διευθυντή logistics, προμηθεύθηκε τα βιβλία από πωλητές, προσέλαβε προσωπικό και τοποθέτησε τα βιβλία σε μια αποθήκη και κατόπιν βρήκε έναν προμηθευτή ψηφιοποίησης για να αναλάβει το ίδιο το έργο της καταστροφικής σάρωσης. Ντοκουμέντα της υπόθεσης δείχνουν αποθήκες βιβλίων τακτοποιημένα στοιβαγμένες και ετικετοποιημένες σε ράφια, με το προσωπικό να κινείται ανάμεσά τους. Όπως αναφέρει η απόφαση του δικαστηρίου, οι πωλητές της Anthropic «έβγαλαν τα βιβλία από την βιβλιοδεσία τους, έκοψαν τις σελίδες στο κατάλληλο μέγεθος και σάρωσαν τα βιβλία σε ψηφιακή μορφή – απορρίπτοντας τα πρωτότυπα σε χαρτί». Στις φωτό που κατατέθηκαν στο δικαστήριο φαίνονται στοίβες βιβλίων να περιμένουν καταστροφική σάρωση. Δεν φαίνεται: το έργο καταστροφής και της απόρριψης των βιβλίων (ή, «όλων των βιβλίων στον κόσμο», που αναδιαμορφώθηκαν ως ανακύκλωση ή υγειονομική ταφή).
Η βιβλιοφιλία, ή το εύρος των νοημάτων που συνδέονται με το βιβλίο ως πολιτιστικό αντικείμενο, ανέκαθεν συνυπήρχε με τον ρόλο του βιβλίου ως κειμενικού μέσου. Δείτε το παράδειγμα των εικόνων του Ντόναλντ Τραμπ, να κρατάει ένα αντίγραφο της Βίβλου στον Άγιο Ιωάννη κατά τις διαμαρτυρίες της 1ης Ιουνίου 2020. Ωστόσο, σε αντίθεση με πολλές άλλες χώρες, οι ΗΠΑ έχουν πολύ λίγες νομικές διατάξεις σχετικά με τη ρύθμιση ή την εξαγωγή της αμερικανικής πολιτιστικής κληρονομιάς, και ελάχιστες έως καθόλου που να διέπουν την αντιμετώπιση των βιβλίων.
Στο πλαίσιο της απόφασης του δικαστηρίου στην υπόθεση Bartz εναντίον Anthropic PBC, η καταστροφική σάρωση είναι ένας αποτελεσματικός μηχανισμός για την αφαίρεση της συγγραφικής εμπλοκής από έντυπα κείμενα, προκειμένου να χρησιμοποιηθεί το περιεχόμενο αυτών των έργων για τη βελτίωση των λειτουργιών ενός LLM. Ποιες είναι οι συνέπειες εάν, όπως φαίνεται πιθανό, αυτή η πρακτική υιοθετηθεί από άλλες εταιρείες παραγωγικής Τεχνητής Νοημοσύνης, τώρα και στο μέλλον;
(*) Η Kathryn James, είναι βιβλιοθηκάριος σπάνιων βιβλίων στη Νομική Βιβλιοθήκη Λίλιαν Γκόλντμαν στο Πανεπιστήμιο Γέιλ.
