AirTagが明らかにした、AmazonがAI学習のために希少本を破棄している事実
AirTag reveals Amazon is trashing rare books to train AI (arstechnica.com)
要約
匿名の情報源とAirTagを用いた追跡調査により、AmazonがAIモデルの学習データとして希少本を大量購入し、スキャン後に破棄している実態が明らかになりました。この行為は、AI開発競争におけるデータ獲得の過熱と、書籍の歴史的・文化的価値を無視した非倫理的な手法への懸念を浮き彫りにしています。
全文翻訳
AirTagがAmazonによるAI学習目的での希少書籍廃棄の証拠を明らかに
謎は解明された
Amazonのチームは、本をむさぼり食おうとするT-レックスをロゴに使用している。
過去1年ほど、AI企業が希少書籍を大量に購入し、スキャン後にAIトレーニングのために破棄しているのではないかと書籍販売業者の間では疑念が持たれていました。しかし、404 Mediaが報じたところによると、希少書籍に隠されたAirTagが、少なくとも1つの巨大テクノロジー企業が最先端モデルの競争力を維持するために、大量注文の背後にいることを示しています。それはAmazonでした。
月曜日、404 Mediaは、希少書籍の一部にAirTagを仕掛けることに同意した書籍販売業者と連絡を取り、そのAirTagがラスベガスのAmazon AIトレーニング施設に追跡されたことを明らかにしました。この施設は、書籍を背表紙から引き剥がし、ページをスキャンすることに特化したチームを収容していました。404 Mediaの報道によると、破壊的な書籍スキャンに対する高まる反発に対して、このチームの倉庫のドアにあったロゴは、ティラノサウルス・レックスが本をむさぼり食おうとしている様子を描いており、無神経な対応と見なされています。
Amazonは否定
Amazonは404 Mediaの調査結果についてコメントを控えており、404 Mediaに提供したのと同じ声明をArsにも提供しましたが、そこにはAIトレーニングについては具体的に言及されていませんでした。
Amazonの声明は、「Amazonはお客様が利用する製品やサービスを開発・改善するために、商業的なチャネルを通じて書籍を購入しています」と述べています。
しかし、Amazonは、Google、OpenAI、Anthropicのような主要企業と競争するために、膨大な量のユニークなトレーニングデータを必要とする最先端AIモデルを開発しています。現在、企業は競争優位性を失わないように、トレーニングデータを厳重に管理しています。そして、見つけるのが難しい希少書籍からのテキストでモデルをトレーニングすることは、特にAnthropicやxAIのような競合他社が希少またはアンティーク書籍でトレーニングしていないと公に述べていることを考えると、Amazonにとって有利になるでしょう。
さらに、Amazonはオリジナルのテキストの新しい供給源を必要としていたようです。404 Mediaは、VGT3の作業員が今年の初めにAmazonがスキャンする書籍を使い果たしたと示唆するオンラインフォーラムでの議論を指摘しました。この不足は非常に深刻で、Amazonがさらに多くの書籍を見つけられなければ、倉庫が閉鎖されるのではないかと彼らは心配していました。ある時点では、供給が完全に枯渇したと作業員は述べています。しかし、施設はまだ稼働しており、404 Mediaはそれを報告しました。そして、そこに届けられる希少書籍の大量注文が、このチームによって体系的に破壊されていることが確認されました。
多くの書籍愛好家は、破壊的な書籍スキャンにショックを受けています(代替手段があるため)。マイケル・バリーのような熱心な批評家は、この慣行を「悪魔そのもの」と呼んだとさえ報じられています。しかし、Amazonの作業員はフォーラムで、この仕事は柔軟な時間で退屈な仕事に惹かれる人々にとって「良い」機会だと報告しています。
希少書籍を巡る議論が白熱
書籍販売業者が価値を置く希少作品がAmazonのAIマシンに食い荒らされていることを明らかにしただけでなく、404 Mediaは、AI企業がなぜ特定の希少書籍を選んで注文し、他のものは注文しないのかという別の書籍販売業者の理論を固めるのに役立ったと示唆しました。
記録的な販売年を経て、書籍販売業者は、AI企業がISBN番号を持つ書籍を標的にして、トレーニングデータセットにユニークな作品の最高量を確実に含めることができると考えていました。そして、Amazonの作業員のオンラインでの議論のレビューから、彼らは書籍をスキャンする前にバーコードまたはISBNをスキャンするように訓練されていたことが示唆されました。404 Mediaの報道によると、その慣行は、「AI企業がISBNのリストをすべて処理することで、世界中のすべての印刷された書籍を体系的にスキャンしようとしている」という書籍販売業者の理論に「さらなる信憑性を与える」ものです。
書籍販売業者にとって、金銭的な報酬は大きいかもしれませんが、慎重に調達したコレクションがAmazonのような破壊的な書籍スキャンに運命づけられるリスクは、倫理的なジレンマを生み出します。彼らは幅広い希少書籍の価値を評価する方法を知っていますが、AI企業はチェックリストを完成させるために低コストでユニークなISBNを求めて、そのステップをスキップしているようです。
現在、AI企業が購入していると思われる書籍は、必ずしも一般的に非常に高く評価される、称賛される作品の貴重な初版のようなものではありません。代わりに、AI企業はしばしば、今日広く使われていない外国語に翻訳されなかった書籍や、広く流通するほど人気がなかった書籍など、金銭的価値の低い古い書籍を標的にします。
しかし、これらの作品には、AirTagを仕掛けた書籍販売業者が404 Mediaに語ったところによると、「AI企業が気にしていない、歴史的価値、知的価値、感情的な価値」があるかもしれないと述べています。希少書籍の価値は、「AI企業が気にしないあらゆる種類のことから」派生する可能性があります。彼らは単に「単語の羅列としてのコンテンツ」を求めているだけです。
Redditユーザーの意見
Redditでは、一部の書籍ファンが、特にBBCが報じたように、これらの書籍の一部が数十年間も書店の棚で埃をかぶっていたことを考えると、AI企業が希少書籍を破壊してAIをトレーニングすることが問題なのかどうかを議論しました
「あなたはその古い紙の本を買うつもりはなかっただろう」と、あるRedditユーザーは「1700年代の難解な本が今や博物館の品となり、私たちが知らなかった日常の出来事を明らかにするかもしれない」と嘆く投稿に応えてコメントしました。
そのスレッドで、元の投稿者は、希少書籍をレビューすることから得られる些細な詳細や主要な歴史的洞察さえも、AIの強欲によって失われることが本当の問題だと述べました。投稿者は、「AI企業は、他の誰かが同じ作品でAIをトレーニングできるようにしたくないため、スキャンした書籍の内容を共有することはないだろう」と述べました。
「これはAI嫌いからのプロパガンダのように聞こえる」と別のRedditユーザーは反論しましたが、後続のコメントをした人も同様の懸念を共有しました。これらの作品でAIをトレーニングすることが、作品に含まれるすべての知識をオンラインでよりアクセスしやすくすると主張する人と意見が衝突するかもしれないとしても、コメントをした人は、AIモデルは「歪められ、検閲され、ペイウォールされたアイデアの断片」しか提供しないだろうと示唆しました。
「テクノロジーが好きであっても、AIがより強力になるために文字通り本を食べているという概念は、かなりディストピア的だと認めざるを得ない」と、スレッドの別の参加者は述べました。
一部の書籍販売業者は、すべてのテキストを保存する必要はないという点では同意しているとBBCは報じています。しかし、スコットランドの書籍販売業者デレク・ウォーカーはBBCに対し、AI企業は、それほど惜しまれないであろう作品—例えば、技術的には希少であってもあまり知られていない学術書—と、おそらく「現存する唯一の版の例」である、あまり知られていないアンティーク作品とを区別するよう努めるべきだと述べました。
「もしそのようなものが、これほど長く生き残った後に破壊のために購入されたとしたら、それははるかに重大な問題になるだろう」とウォーカーは言いました。
トレーニングデータを保護し、購入者としての身元を隠すサービスを使用しているAI企業にとって、書籍販売業者と直接大量購入について議論したいという願望はほとんどないでしょう。彼らがモデルに供給する予定の作品について書籍販売業者に意見を求めることを許可するには、進歩するAIの名の下に大切な初版が破壊されたことが証明された場合の評判への打撃よりもリスクが高いと思われる透明性が必要となるでしょう。
[画像: Photo of Ashley Belanger]
アシュリーはArs Technicaのシニアポリシーレポーターであり、新しいテクノロジーとポリシーの社会的影響を追跡することに専念しています。彼女はシカゴを拠点とするジャーナリストで、20年の経験があります。