أمازون، التي بدأت ببيع الكتب، تدمر نصوصاً نادرة لتدريب الذكاء الاصطناعي

كشف تقرير صادر عن 404 ميديا أن شركة أمازون تقوم بشراء كميات هائلة من الكتب النادرة، ثم تقطع أغلفة هذه الكتب وتفصل صفحاتها لغرض مسحها ضوئيًا واستخدامها في تدريب نماذج الذكاء الاصطناعي. وقد تمكنت 404 ميديا من تأكيد ذلك عن طريق وضع جهاز تتبع في كتاب نادر وصل في النهاية إلى منشأة تابعة لأمازون في لاس فيغاس، تُعرف باسم VGT3، والتي تتخذ رمزًا لديناصور يمسك كتابًا.

وصرحت أمازون لـ 404 ميديا بأنها "تشتري الكتب عبر قنوات تجارية لتحسين المنتجات والخدمات التي يستخدمها العملاء". تأتي هذه الخطوة في ظل الحاجة الماسة للشركات مثل أمازون إلى كميات هائلة وغير متخيلة من النصوص لتدريب نماذج اللغات الكبيرة (LLMs) الخاصة بها، بعد أن استنفدت هذه النماذج بالفعل معظم المحتوى المتاح على الإنترنت، وحتى الكتب المقرصنة بشكل غير قانوني في بعض الحالات.

تقدم الكتب النادرة، لا سيما تلك التي نفدت طبعتها أو يصعب العثور عليها عبر الإنترنت، مصدرًا جديدًا للبيانات التدريبية المطلوبة بشدة. وتكتسب هذه النصوص قيمة خاصة لأنه لا توجد أي فرصة لأن يكون أي شيء نُشر قبل عام 2022 قد كتبه نموذج لغة كبير.

عندما تتدرب نماذج اللغات الكبيرة على نصوص مولدة بواسطة الذكاء الاصطناعي، فإنها تخاطر بما يسمى "انهيار النموذج" (model collapse)، وهي ظاهرة يمكن أن تحدث عندما تتدهور جودة مخرجات النموذج بعد استيعابه لكمية كبيرة جدًا من النصوص المولدة بواسطة الذكاء الاصطناعي.