Колишній працівник Amazon заявив, що компанія систематично знищує паперові примірники книг одразу після їх сканування для датасетів, на яких тренують великі мовні моделі. Йдеться не про списання застарілого фонду, а про частину виробничого циклу: книжку скановують сторінка за сторінкою, текст потрапляє в масив для навчання AI, а фізичний носій після цього прямує під ніж.

Деталь виглядає технічною, але за нею стоїть питання, яке впродовж останніх двох років лише загострюється: як індустрія взагалі формує датасети для навчання моделей і чи готова вона показати, звідки саме взявся текст. Коли паперовий оригінал зникає одразу після копіювання, перевірити видання, тираж чи навіть сам факт наявності книги в бібліотеці Amazon стає майже неможливо.

Для видавців і авторів це не абстрактна етична дискусія — це питання доказової бази в потенційних спорах про авторське право. Судові позови видавництв і письменницьких гільдій проти OpenAI, Meta та інших AI-компаній за останні два роки вже показали, наскільки дорого коштує невміння пояснити, звідки взявся навчальний текст.

Що саме розповів колишній працівник Amazon?

За даними Mezha, екс-співробітник розповів, що знищення фізичних книг відбувається вже після того, як їхній зміст оцифровано і використано для наповнення датасетів навчання AI-моделей. Джерело описує процес як рутинну частину роботи, а не поодинокий випадок: книжки не повертаються постачальникам, не передаються бібліотекам чи благодійним організаціям — вони йдуть в утилізацію.

Навіщо взагалі знищувати вже відскановані книги?

Amazon офіційно причин не пояснювала, тож тут можливий лише один обережний висновок: ймовірно, для компанії, що оптимізує логістику й складські площі, паперовий оригінал після оцифрування втрачає операційну цінність — модель тренується на тексті, а не на самому носії. Зберігання мільйонів фізичних книг коштує складських метрів, страхування та обробки, тоді як цифрова копія займає значно менше ресурсів і вже виконала свою функцію постачальника даних.

Проблема в тому, що ця логістична економія має побічний ефект: разом із папером зникає єдиний матеріальний доказ того, яке саме видання, яким тиражем і на яких правах потрапило в навчальний корпус.

Чому це проблема прозорості даних для AI?

Без фізичного оригіналу неможливо незалежно перевірити склад датасету заднім числом — ні автору, ні видавцю, ні регулятору. Це стосується не лише етики: у судових процесах щодо авторського права саме походження навчальних даних часто є ключовим доказом, а знищений оригінал ускладнює будь-яку експертизу.

Індустрія великих мовних моделей і так тримається на непрозорих датасетах — компанії рідко публікують повні списки джерел. Знищення фізичних носіїв додає ще один рівень непрозорості: тепер зникає навіть теоретична можливість пізнішої перевірки того, що саме було відскановано.

Висновок AiiN: що з цим робити AI-білдерам і видавцям

Наша теза проста: доки компанії, що будують датасети з фізичних носіїв, не публікують журнал оцифрування — перелік видань, дати сканування, контрольні суми файлів — до знищення оригіналу, будь-яка заява про «легальність» датасету неможливо перевірити ні зараз, ні через рік. Технічно рішення не складне: збереження метаданих і хеш-сум кожного відсканованого примірника коштує копійки порівняно з вартістю самого сканування, і саме відсутність такого журналу, а не сам факт утилізації паперу, є справжньою проблемою. Поки такої практики немає, кожна подібна історія — це ще один сигнал, що галузь оптимізує швидкість збору даних, а не можливість довести їхню законність заднім числом.

Чи законно знищувати книги після сканування для AI?

Це залежить від того, чи мала компанія право власності на примірник і чи не порушує знищення умов ліцензії чи договору з правовласником. Сам факт утилізації паперового носія, яким законно володіє компанія, зазвичай не є порушенням — проблема виникає тоді, коли неможливо довести законність самого сканування.

Чи прокоментувала Amazon ці звинувачення?

За даними Mezha, публічного офіційного коментаря компанії на момент публікації новини не наведено — інформація ґрунтується на свідченні колишнього працівника.