Amazon: Σπάνια βιβλία καταλήγουν σε σάρωση για εκπαίδευση μοντέλων AI
Η Amazon αγοράζει σπάνια βιβλία και τα ψηφιοποιεί για χρήση στην εκπαίδευση μοντέλων τεχνητής νοημοσύνης, σύμφωνα με έρευνα του 404 Media.
Το μέσο τοποθέτησε συσκευή εντοπισμού σε ένα σπάνιο βιβλίο και παρακολούθησε τη διαδρομή του έως εγκατάσταση της Amazon στο Λας Βέγκας. Η μονάδα, με την κωδική ονομασία VGT3, φέρεται να χρησιμοποιείται για τη διαδικασία σάρωσης έντυπου υλικού.
Η πρακτική έχει ιδιαίτερη βαρύτητα επειδή η αποσυναρμολόγηση των βιβλίων καθιστά τα αντίτυπα μη αξιοποιήσιμα ως φυσικά αντικείμενα. Πρόκειται, παράλληλα, για τίτλους που μπορεί να είναι εξαντλημένοι ή να μην υπάρχουν σε ψηφιακή μορφή στο διαδίκτυο.
Η απάντηση της Amazon
Σε δήλωσή της προς το 404 Media, η Amazon ανέφερε ότι αγοράζει βιβλία μέσω εμπορικών καναλιών με στόχο τη βελτίωση των προϊόντων και των υπηρεσιών που χρησιμοποιούν οι πελάτες της. Η εταιρεία δεν έδωσε περισσότερες λεπτομέρειες για το εύρος της διαδικασίας ή για τους συγκεκριμένους τίτλους.
Γιατί τα παλαιότερα κείμενα έχουν αξία
Τα μεγάλα γλωσσικά μοντέλα χρειάζονται τεράστιους όγκους κειμένου για την εκπαίδευσή τους. Καθώς μεγάλο μέρος του άμεσα διαθέσιμου υλικού του διαδικτύου έχει ήδη αξιοποιηθεί από τον κλάδο, τα σπάνια και μη ψηφιοποιημένα βιβλία αποτελούν μια δυνητικά σημαντική πηγή νέων δεδομένων.
Το υλικό που έχει εκδοθεί πριν από το 2022 θεωρείται επίσης χρήσιμο επειδή δεν μπορεί να έχει παραχθεί από σύγχρονα γλωσσικά μοντέλα. Η εκπαίδευση μοντέλων πάνω σε υπερβολικό όγκο κειμένου που έχει δημιουργηθεί από AI συνδέεται με τον κίνδυνο του «model collapse», δηλαδή σταδιακής υποβάθμισης της ποιότητας των αποτελεσμάτων ενός μοντέλου.
Η υπόθεση αναδεικνύει την αυξανόμενη πίεση για πρόσβαση σε πρωτογενές, υψηλής ποιότητας κείμενο, αλλά και το δίλημμα ανάμεσα στη δημιουργία συνόλων δεδομένων για AI και στη διατήρηση σπάνιων φυσικών εκδόσεων.
Πηγή: techcrunch







