تخریب انبوه کتاب‌ها برای آموزش هوش مصنوعی خشم کتابفروشان و کتابداران را برانگیخت

**افشای اینکه شرکت‌های هوش مصنوعی کتاب‌های چاپی را برای آموزش مدل‌های خود تخریب می‌کنند، خشم کتابداران، کتابفروشان و دوستداران فرهنگ را برانگیخته است. در حالی که غول‌های فناوری مقادیر زیادی از عناوین ناشناخته را خریداری کرده و پس از اسکن کردن آن‌ها را خرد می‌کنند، آرشیو اینترنت نشان می‌دهد که راه دیگری وجود دارد: اسکن هر صفحه با دقت انسانی، بدون تخریب نسخه اصلی.

• عمل تخریب کتاب‌ها برای آموزش هوش مصنوعی پس از افشای "پروژه پاناما" از آنتروپیک در سال 2025 گسترش یافت.
• آرشیو اینترنت کتاب‌های نادر را صفحه به صفحه با دست‌های انسانی اسکن می‌کند، بدون اینکه جلدها را برش دهد یا نسخه‌های اصلی را تخریب کند.
• کتابفروشی‌هایی مانند کنیز در ایرلند سفارش‌های انبوه 5000 عنوان ناشناخته را بدون چانه‌زنی شناسایی می‌کنند، که نشانه‌ای هشداردهنده برای آموزش‌دهندگان هوش مصنوعی است.

تخریب کتاب‌ها برای آموزش مدل‌های هوش مصنوعی به یک عمل روزافزون در سیلیکون ولی تبدیل شده است. شرکت‌های فناوری در رقابت شدید برای توسعه پیشرفته‌ترین مدل‌ها به روش ارزان‌تر و سریع‌تر روی آورده‌اند: خرید کتاب‌های چاپی، برش صفحات آن‌ها، اسکن و سپس خرد کردن نسخه‌ها.

این دینامیک توسط یک شکایت قضایی در تابستان 2025 افشا شد که نشان داد آنتروپیک میلیون‌ها کتاب چاپی را برای آموزش مدل‌های خود تخریب کرده است. این شرکت از نام رمز "پروژه پاناما" برای پنهان کردن عملیات از عموم استفاده کرده است.

این افشاگری موجی از خشم را در میان کسانی که ارزش حفظ میراث کتابشناسی را دارند، ایجاد کرد. تصور توده‌های کتاب‌هایی که به دستگاه‌های خردکن تغذیه می‌شوند، به‌ویژه برای دوستداران نسخه‌های نادر دردناک است.

اسکن تخریبی ارزان‌ترین روش برای پردازش انبوه کتاب‌ها است. شرکت‌های هوش مصنوعی در رقابت برای بهبود مدل‌های خود با متون طولانی و با کیفیت بالا که تنها در قالب کتاب موجود است، هستند.

مدافعان حفظ میراث نگرانند که این عمل در مقیاس بسیار بزرگ‌تری از آنچه گزارش شده، اتفاق بیفتد. و بدتر از آن، برخی نسخه‌های فیزیکی کتاب‌های نادر ممکن است برای همیشه از بین بروند.

آرشیو اینترنت و هنر اسکن بدون تخریب

تخریب کتاب‌ها نباید اجتناب‌ناپذیر باشد. گوگل در سال 2009 فناوری اسکن غیر تخریبی را ثبت اختراع کرد که شرکت‌های هوش مصنوعی می‌توانند در صورت تمایل به کاهش سرعت و سرمایه‌گذاری بیشتر منابع، از آن استفاده کنند.

با این حال، روش گوگل کامل نیست. مطالعات نشان داده‌اند که انحنا صفحات می‌تواند متن را تحریف کند و برخی صفحات ممکن است در طول فرآیند از دست بروند.

زمانی که کارگران خیلی سریع حرکت می‌کنند، خطاهای اضافی رخ می‌دهد. دست‌های بدون بدن که صفحات را در اسکن‌ها پنهان می‌کنند، کیفیت مواد دیجیتالی را به خطر می‌اندازند.

آرشیو اینترنت از مدت‌ها پیش درک کرده است که اسکن متون قدیمی نیاز به زمان و توجه ویژه دارد. این سازمان به کتابخانه‌ها کمک می‌کند تا مجموعه‌های قدیمی را حفظ کنند و فرآیندی را اولویت‌بندی می‌کند که یکپارچگی فیزیکی کتاب را در نظر می‌گیرد.

روش آرشیو اینترنت ممکن است برای شرکت‌های هوش مصنوعی که به دنبال میانبر هستند، تقریباً بیگانه به نظر برسد. اما دقیقاً همین تعهد است که نسخه‌هایی را که اگر تخریب شوند هرگز نمی‌توانند جایگزین شوند، محافظت می‌کند.

الیزا ژانگ، اسکنر کتاب در آرشیو اینترنت از سال 2010، کار خود را در یک پست در سال 2021 توصیف کرد. برای او، اسکن "به روش سخت" دارای ارزشی ذاتی است که فراتر از کارایی است.

ژانگ در طول بیش از یک دهه کار، بیش از 3 میلیون صفحه را اسکن کرده است. او همچنین بیش از 14,000 برگه و 18,000 مورد، عمدتاً کتاب، پردازش کرده است.

هدف او رسیدن به "صفر خطا" است. هر صفحه نیاز به تمرکز شدید دارد زیرا کتاب‌های قدیمی دارای صفحات بسیار شکننده‌ای هستند، "نازک مانند کاغذ".

اندریا میلز، که به هدایت عملیات اسکن کمک می‌کند، توضیح داد که "دست‌های انسانی تمیز و خشک بهترین راه برای ورق زدن صفحات هستند". اسکنرهای خودکار با بازوهای خلاء برای جلدهای نادر به خوبی کار نمی‌کنند.

آرشیو اینترنت اسکنرهای تجاری خودکار را آزمایش کرد، اما نتایج ناامیدکننده بود. برای کتاب‌های شکننده و مجموعه‌های ویژه، مداخله انسانی همچنان غیرقابل جایگزینی است.

ژانگ با هر اثر زمان می‌گذارد. او با احتیاط شیشه اسکنر را با یک پدال بالا می‌برد، دوربین‌ها را تنظیم می‌کند و بررسی می‌کند که هر صفحه قابل خواندن باشد قبل از ادامه.

او همچنین هر نوع بازشونده را ثبت می‌کند و یادآوری‌هایی برای بازگشت و اسکن اضافات می‌گذارد. این‌گونه اطمینان حاصل می‌کند که مواد مکمل در حین مستندسازی اثر اصلی گم نشوند.

اگر صفحه‌ای از دست برود یا تصویری تار باشد، نرم‌افزار اختصاصی آرشیو اینترنت فرآیند را متوقف می‌کند. ژانگ باید مواد معیوب را دوباره اسکن کند قبل از اینکه به جلو برود.

کریس فریلند، مدیر خدمات کتابخانه‌ای آرشیو اینترنت، تأیید کرد که انتشار سال 2021 همچنان "بهترین توصیف از فرآیند اسکن ما در حال حاضر است". روش به طور اساسی تغییر نکرده است.

یک ویدیو از کار ژانگ در آن زمان 1.5 میلیون بازدید در توییتر داشت. زیرنویس با دوستداران کتاب‌ها طنین‌انداز شد: "هرگز یک کتاب را با بریدن جلدش نابود نمی‌کنیم".

فروشندگان کتاب‌های نادر سفارش‌های مشکوک را شناسایی می‌کنند

از زمانی که شکایت علیه آنتروپیک تخریب انبوه کتاب‌ها را فاش کرد، دوستداران فرهنگ به حرکت درآمده‌اند. بزرگ‌ترین ترس این است که شرکت‌های هوش مصنوعی بدون دقت نسخه‌هایی را نابود کنند که هرگز نمی‌توانند جایگزین شوند.

هفته گذشته، دو گزارش اخیر نگرانی را تشدید کردند. روزنامه تلگراف سیلیکون ولی را به تخریب میلیون‌ها کتاب نادر و "خرد کردن نسخه‌های اصلی" متهم کرد.

رسانه‌هایی مانند 404 Media گزارش دادند که ISBNdb، یک پایگاه داده کتاب‌ها، خدمات خود را برای کمک به شرکت‌های هوش مصنوعی در تأمین کتاب‌ها به صورت عمده تبلیغ می‌کند. این شرکت به مشتریان خود به‌طور ظاهری هشدار داده است که اوضاع نگران‌کننده است.

آنتروپیک شروع به استفاده از نام رمز "پروژه پاناما" کرد تا عملیات تخریبی اسکن خود را پنهان کند. هیچ نشانه‌ای وجود ندارد که این شرکت کتاب‌های نادر را نابود کرده باشد و در بیانیه‌های عمومی این موضوع را رد کرده است.

با این حال، فروشندگان کتاب‌های نادر همچنان سفارش‌های عجیبی را شناسایی می‌کنند که مشکوک به نظر می‌رسند. خریداران قانونی تمایل دارند به دنبال کتاب‌های فردی باشند، نه دسته‌های بزرگ از انتخاب‌های بسیار متنوع.

دقیقاً این هفته، کتابفروشی ایرلندی کنی یک سفارش "عجیب" از 5000 عنوان نادر را گزارش کرد. خریدار هیچ تلاشی برای چانه‌زنی در قیمت نکرد، که به یک "پرچم قرمز" از احتمال مشارکت هوش مصنوعی تبدیل شده است.

توماس کنی از کتابفروشی کنی اظهار داشت که هوش مصنوعی "صنعت ما را ترسانده است". او قصد دارد سفارش‌هایی را که احتمالاً به منظور آموزش مدل‌ها هستند، رد کند تا حقوق نویسندگان و خوانندگان را حفظ کند.

کنی تأکید کرد که کتابفروشان معمولاً در خط مقدم معضلات اخلاقی و اخلاقی قرار دارند. اما در مورد هوش مصنوعی که مالکیت معنوی را می‌گیرد، "کنی نمی‌خواهد بخشی از این موضوع باشد".

برخی از کتابفروشان نگران هستند که فروش به شرکت‌های هوش مصنوعی که به‌طور بی‌دقت مجموعه‌های خود را تخریب می‌کنند، "امضای حکم مرگ خود" باشد. سود کوتاه‌مدت توجیهی برای آسیب بلندمدت ندارد.

جامعه خوانندگان و کتابداران خواستار شفافیت درباره اینکه چه کتاب‌هایی خریداری می‌شوند و با چه هدفی هستند. با این حال، عدم وجود مقررات، شرکت‌های هوش مصنوعی را در یک منطقه خاکستری قرار می‌دهد.

پاسخ‌های صنعت و تردیدهای مداوم

برخی از شرکت‌های فناوری در حال همکاری با مؤسسات برای حفظ کتاب‌های نادر هستند. OpenAI و مایکروسافت با کتابداران هاروارد در یک ابتکار برای آموزش مدل‌ها با حدود 1 میلیون کتاب از قرن پانزدهم همکاری می‌کنند.

xAI ایلان ماسک به طور علنی اعلام کرده است که کتاب‌های نادر را برای آموزش هوش مصنوعی نابود نخواهد کرد. ماسک از تیم خود خواسته است که هر کتاب نادری را حفظ کرده و آنها را به روش «سخت» اسکن کنند به جای اینکه جلد آنها را قطع کنند.

اما منتقدان کاملاً متقاعد نشده‌اند. ماسک نگفته است که تیمش هیچ کتابی را نابود نخواهد کرد و مشخص نیست که شرکت او چگونه یک کتاب «نادر» را تعریف می‌کند.

قانون حق نشر به شرکت‌ها اجازه می‌دهد که نسخه‌های کتاب‌هایی را که خریداری کرده‌اند نابود کنند. این امر چارچوب قانونی، هرچند از نظر اخلاقی قابل سوال، برای این عمل تخریبی فراهم می‌کند.

واکنش عمومی می‌تواند فشار به شرکت‌های بزرگ فناوری را برای اتخاذ روش‌های غیر تخریبی مانند روش‌های آرشیو اینترنتی افزایش دهد. فشار اجتماعی قبلاً شرکت‌های هوش مصنوعی را مجبور کرده است تا شیوه‌های جنجالی خود را تغییر دهند.

با این حال، انگیزه اقتصادی همچنان به نفع تخریب است. اسکن میلیون‌ها کتاب با روش‌های غیر تخریبی به زمان، پول و نیروی کار آموزش‌دیده بیشتری نیاز دارد.

آرشیو اینترنتی نشان داده است که دیجیتالی کردن به مقیاس بزرگ بدون قربانی کردن نسخه‌های اصلی ممکن است. اما مدل آن به یک مأموریت حفظ وابسته است، نه به حداکثر کردن سرعت آموزش مدل‌ها.

برای دوستداران کتاب که از تیترهای مربوط به تخریب ناراحت هستند، روش آرشیو اینترنتی تسکینی ارائه می‌دهد. یک جایگزین وجود دارد که هم به دانش و هم به شیء فیزیکی احترام می‌گذارد.

ارزش حفظ و پیامدهای آینده

جاذبه کتاب‌های نادر فراتر از محتوای آنهاست. تجربه نگه داشتن یک جلد قدیمی، با صفحات زرد و جلد صد ساله‌اش، خواننده را با نسل‌های گذشته متصل می‌کند.

ژانگ، اسکنر آرشیو اینترنتی، گاهی اوقات کار خود را متوقف می‌کند تا بخش‌هایی از عناوینی که پردازش می‌کند را بخواند. هر مجموعه برای او مهم است.

وقتی از او پرسیده شد که چه چیزی بیشتر از کارش را دوست دارد، با اشتیاقی مسری پاسخ داد: «همه چیز! همه چیز برای من جالب است»، و افزود که احساس نمی‌کند کارش خسته‌کننده باشد.

این اشتیاق به طور چشمگیری با منطق صنعتی خرد کردن کتاب‌ها برای استخراج داده‌ها در تضاد است. تفاوت در رویکرد دو دیدگاه متضاد درباره دانش و حفظ آن را نشان می‌دهد.

اگر عمل تخریبی بدون کنترل ادامه یابد، کتاب‌های نادر حتی نادرتر خواهند شد. خوانندگان آینده ممکن است دسترسی به نسخه‌های فیزیکی که امروز آنها را غیرقابل جایگزینی می‌دانیم، از دست بدهند.

جامعه کتابفروشان، کتابداران و خوانندگان خواستار مسئولیت‌پذیری است. در همین حال، شرکت‌هایی مانند کنی تصمیم می‌گیرند که درخواست‌های مشکوک را رد کنند، حتی اگر به معنای از دست دادن درآمد باشد.

این بحث هنوز به نتیجه نرسیده است. تقاضا برای تخریب انبوه کتاب‌ها می‌تواند سوابق قانونی مهمی برای صنعت هوش مصنوعی ایجاد کند.

مدافعان حفظ امیدوارند که شفافیت و فشار عمومی شرکت‌ها را مجبور به تغییر کند. هر کتاب خرد شده نمایانگر یک خسارت غیرقابل جبران برای میراث فرهنگی مشترک است.

روش آرشیو اینترنتی نشان می‌دهد که کارایی نباید با احترام به نسخه‌های اصلی در تضاد باشد. نوآوری واقعی ممکن است شامل اسکن کردن با سرعت کمتر، نه بیشتر باشد.

برای کسانی که به فرهنگ مکتوب اهمیت می‌دهند، نبرد علیه تخریب کتاب‌ها همچنین نبردی برای آینده دانش است. آنچه در خطر است فراتر از هوش مصنوعی است.

تصمیم نهایی بر عهده شرکت‌ها، ناظران و مصرف‌کنندگان خواهد بود. در حال حاضر، کتابفروشان مانند توماس کنی یک طرف را انتخاب کرده‌اند: طرف کتاب‌ها، نه داده‌ها.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.