אמזון, שהתחילה כחנות ספרים, מגרסת ספרים נדירים כדי להאכיל את הבינה המלאכותית שלה

יש משהו כמעט סימבולי בזה שהחברה שהתחילה את דרכה ב-1994 כחנות ספרים מקוונת, היא זו שנתפסת עכשיו מגרסת ספרים פיזיים כדי להאכיל את מנועי הבינה המלאכותית שלה. לפי חקירה של אתר 404 Media, אמזון רוכשת כמויות גדולות של ספרים נדירים ובלתי נמצאים, קוצצת את כריכתם כדי לפרק אותם לגליונות בודדים, וסורקת את הדפים במהירות — תהליך שהורס את העותק הפיזי לצמיתות.

העיתונאים לא הסתפקו בשמועות. הם הטמינו מכשיר מעקב (tracker) בתוך ספר נדיר ועקבו אחר מסלולו, עד שהוא נחת במתקן של אמזון בלאס וגאס. שם, לפי עדויות עובדים, פועל אגף פנימי הנושא את שם הקוד VGT3, שתפקידו לקלף כריכות מספרים שמגיעים אליו ולסרוק את התוכן בקצב גבוה — כדי להזין את מאגרי הטקסט שמשמשים לאימון מודלי שפה גדולים.

התשובה נעוצה בבעיה שכל חברת AI מכירה היטב: האינטרנט כבר "נסחט" עד הסוף. כל טקסט זמין ברשת — מוויקיפדיה ועד פורומים נידחים — כבר נסרק, אונדקס ושומש לאימון מודלים קיימים. ספרים נדירים, במיוחד כאלה שלא הודפסו מחדש או שלא הומרו אף פעם לדיגיטל, הם אחד ממאגרי הטקסט האיכותי האחרונים שנשארו "בתולי". יתרון נוסף שהופך אותם לזהב טהור מבחינת חברות AI: כל טקסט שפורסם לפני 2022 מובטח שלא נכתב על ידי מודל שפה אחר — כלומר, לא מזוהם ב"רעש" סינתטי שמודלים חדשים סופגים יותר ויותר מהאינטרנט של היום.

אמזון, מצדה, לא הכחישה את התהליך. בתגובה ל-404 Media החברה אישרה שהיא רוכשת ספרים בערוצים מסחריים כדי "לשפר מוצרים ושירותים ללקוחות" — ניסוח כללי שלא מתייחס במפורש להרס הפיזי של הכרכים, ולא מפרט אילו מודלים או מוצרים נהנים מהחומר.

הבעיה כאן היא לא רק תאורטית. ספר נדיר הוא לא סתם קובץ טקסט — הוא לעיתים העותק הפיזי היחיד או המתועד האחרון מסוגו, עם ערך היסטורי, ביבליוגרפי ותרבותי שלא ניתן לשחזר לאחר שהכריכה נחתכת והדפים נסרקים ונזרקים. אמזון היא לא החברה הראשונה שנתפסת עושה זאת — גל דומה של דיווחים על חברות טכנולוגיה שסורקות-ומשמידות ספרים נדירים לצורכי אימון AI כבר עלה בחודשים האחרונים — אבל המעורבות של שם כמו אמזון, עם ההיסטוריה הסמלית שלה דווקא בתחום הספרים, הופכת את הסיפור לכותרת שקשה להתעלם ממנה.

אין כרגע רגולציה שמחייבת גילוי או שקיפות בתהליך כזה, ואין גם מנגנון שמחייב ארכוב דיגיטלי של הספר לפני הריסתו הפיזית. כלומר, מי שבאמת משלם את המחיר כאן הוא לא רק בעל הזכויות או הספרייה שאיבדה עותק — אלא כל מי שדואג לשימור התרבותי, בזמן שמירוץ החומרים לאימון מודלים ממשיך לרוץ הרבה יותר מהר מכל דיון ציבורי על הכללים שלו.