En forsendelse med sjeldne bøker, utstyrt med sporingsenhet, skal ha endt ved et Amazon-anlegg med tilknytning til trening av kunstig intelligens. Det skriver teknologinettstedet 404 Media, som har undersøkt hvordan fysiske bøker beveger seg gjennom et marked der litteratur i stadig større grad er blitt verdifull råvare for utviklere av generativ AI.
Sporingen gir ikke i seg selv et endelig bevis på at konkrete bøker er blitt skannet eller brukt til å trene en bestemt språkmodell. Likevel peker den på en lite synlig side ved AI-kappløpet: Bak datasentrene, modellene og chatbotene finnes en fysisk logistikk for innkjøp, håndtering og mulig digitalisering av enorme mengder tekst.
Sjeldne, eldre eller vanskelig tilgjengelige bøker kan være særlig interessante fordi de inneholder materiale som ikke alltid finnes i åpne, digitaliserte samlinger. For utviklere av språkmodeller er store og varierte tekstmengder verdifulle, men bruken av opphavsrettsbeskyttet litteratur har samtidig utløst en rekke rettssaker og krav om større åpenhet.
Amazon har de siste årene satset tungt på generativ AI, både gjennom skytjenesten AWS og egne produkter og forskningsmiljøer. Selskapet har offentlig sagt at det arbeider med ansvarlig utvikling og bruk av kunstig intelligens. Det er imidlertid ofte begrenset offentlig informasjon om nøyaktig hvilke datasett som brukes i trening av kommersielle modeller, hvordan materialet er innhentet og hvilke rettigheter som følger med innholdet.
404 Medias funn illustrerer derfor et sentralt problem i AI-debatten: Det er vanskelig for forfattere, forlag, forskere og lesere å fastslå om et bestemt verk inngår i et treningsgrunnlag. Selv når selskaper opplyser at de bruker lisensierte, offentlig tilgjengelige eller egenproduserte data, er detaljene om innkjøp, mellomledd, skanning og intern behandling ofte ikke synlige utenfra.
Spørsmålet er blitt enda viktigere etter at amerikanske myndigheter har undersøkt hvordan opphavsretten skal anvendes på generativ AI. US Copyright Office har pekt på at trening av modeller kan reise kompliserte spørsmål om kopiering, markedsvirkning og rettighetshavernes kontroll. Forfatterorganisasjoner mener på sin side at teknologiselskaper må innhente tillatelse og betale for bruk av bøker i AI-trening.
Teknologiselskapene har ofte svart at trening kan være lovlig i enkelte tilfeller, blant annet gjennom reglene om «fair use» i USA. Rettslig praksis er imidlertid fortsatt under utvikling, og flere saker kan få betydning for hvilke grenser som skal gjelde for innsamling og bruk av bøker, artikler og annet kreativt innhold.