การเก็บข้อมูล AI จากหนังสือ: เมื่อโมเดลภาษาเริ่มรื้อหอสมุดโลก
การเก็บข้อมูล AI จากหนังสือคือกระบวนการที่บริษัทเทคโนโลยีจัดซื้อหนังสือจำนวนมาก ทั้งหนังสือมือสองและหนังสือหายาก เพื่อนำไปสแกนทีละหน้าและแปลงเป็นข้อมูลดิจิทัลสำหรับใช้เป็นข้อมูลฝึกโมเดลภาษา ซึ่งเป็นหัวใจของระบบปัญญาประดิษฐ์ยุคใหม่ที่ตอบคำถาม เขียนบทความ และสร้างเนื้อหาภาษามนุษย์ได้อย่างละเอียดซับซ้อน โดยอาศัยเนื้อหาจากสิ่งพิมพ์ที่ผู้เขียนและสำนักพิมพ์ไม่เคยคาดคิดว่าจะถูกแปรสภาพเป็นวัตถุดิบให้กับอัลกอริทึมเชิงพาณิชย์ขนาดใหญ่ ภาพรวมที่ปรากฏชี้ให้เห็นว่า การไล่ล่าหนังสือและโมเดล AI กำลังเดินหน้าอย่างดุดันกว่าที่รับรู้ในที่สาธารณะ ร้านหนังสือมือสองในหลายประเทศรายงานคำสั่งซื้อจำนวนมากจากผู้ซื้อปริศนา หนังสือที่ถูกกว้านซื้อไม่มีธีมร่วมกัน สะท้อนว่าเป้าหมายไม่ใช่การสะสมหรือขายต่อ แต่คือการสร้างฐานข้อมูลคำขนาดมหึมาสำหรับข้อมูลฝึกโมเดลภาษา การเก็บข้อมูล AI แบบไม่โปร่งใสเช่นนี้จึงไม่ใช่เรื่องเทคนิคธรรมดา แต่เป็นการยกเครื่องภูมิทัศน์สิทธิในงานเขียนและมรดกทางวัฒนธรรมโดยไม่ได้ถามความเห็นเจ้าของเนื้อหาเลย
คำสั่งซื้อหนังสือแปลกประหลาด: สัญญาณเตือนจากร้านมือสองและนักขายหนังสือหายาก
เบาะแสแรกเริ่มไม่ได้มาจากแถลงข่าวของบริษัท AI แต่มาจากความงุนงงของเจ้าของร้านหนังสือมือสองที่จู่ ๆ ถูกสาดคำสั่งซื้อหนังสือหลายพันเล่มแบบไร้แบบแผน ร้านหนึ่งเล่าว่ามีลูกค้าจากหลายภูมิภาคสั่งซื้อหนังสือแบบสุ่มจำนวน “หลายร้อยเล่ม” โดยไม่มีธีม เช่น กีฬา หรือประวัติศาสตร์ร่วมกัน ซึ่งผิดวิถีของนักสะสมและผู้อ่านทั่วไปโดยสิ้นเชิง อีกกรณีคือหนังสือแบบชะลอขายถูกกว้านซื้อทีละหลายพันเล่ม คำสั่งซื้อที่ใหญ่ถึง 5,000 เล่มยิ่งตอกย้ำข้อสงสัยว่าจุดหมายปลายทางไม่น่าจะเป็นชั้นหนังสือของคนรักหนังสือ แต่เป็นสายพานสแกนข้อมูลสำหรับโมเดลภาษา AI สิ่งที่น่าขบคิดคือ ผู้ซื้อเหล่านี้ยอมจ่ายราคาเต็มแม้ซื้อทีละหลายพันเล่ม ไม่ต่อรองราคา และซ่อนตัวหลังชื่อบริษัทหรือบัญชีผู้ใช้ที่คลุมเครือ เมื่อคำสั่งซื้อหนังสือแบบสุ่มถูกส่งไปยังคลังสินค้าขนาดใหญ่แทบทั้งหมด ภาพจึงเริ่มชัดว่าเราอาจเห็นด้านมืดของการเก็บข้อมูล AI ที่พยายามหลบสายตาสาธารณะอยู่ในตลาดหนังสือมือสอง
คลังสินค้าลาสเวกัสและ AirTag: หลักฐานการทำลายหนังสือเพื่อป้อนให้โมเดล AI
จุดเปลี่ยนจากความสงสัยไปสู่ข้อกล่าวหาที่มีน้ำหนักเกิดขึ้นเมื่อผู้สื่อข่าวซ่อน AirTag ในหนังสือเล่มหนึ่งในคำสั่งซื้อราว 1,000 เล่ม แล้วติดตามสัญญาณผ่านหลายรัฐจนไปหยุดที่คลังสินค้าขนาดใหญ่ในลาสเวกัส ที่นั่น พนักงานบรรยายตรงกันว่า “สิ่งที่เราทำมีแค่สแกนหนังสือ” พร้อมเล่าว่าหนังสือถูกตัดสันออกเพื่อเร่งการสแกน จากนั้นฉีกทิ้งและไม่เก็บเล่มต้นฉบับไว้เลย การทำลายกายภาพของหนังสือหายากเพื่อแลกกับไฟล์สแกนกลายเป็นภาพสัญลักษณ์ของความตึงเครียดระหว่างโลกสิ่งพิมพ์กับอุตสาหกรรม AI อย่างชัดเจน จุดที่น่ากังวลยิ่งกว่า คือความขัดแย้งระหว่างคำให้การในที่สาธารณะกับสิ่งที่เกิดขึ้นในโกดัง บริษัทเคยปฏิเสธว่าตนไม่ทำลายหนังสือระหว่างการสแกน แต่ AirTag กลับชี้ตรงไปยังหน่วยที่พนักงานยืนยันว่ามีการตัดสันและทิ้งเล่มจริง พร้อมกันนั้น บริษัทออกคำชี้แจงสั้น ๆ ว่าเพียง “จัดซื้อหนังสือผ่านช่องทางเชิงพาณิชย์เพื่อพัฒนาสินค้าและบริการ” โดยเลี่ยงไม่พูดถึงปัญญาประดิษฐ์หรือชะตากรรมของหนังสือหลังสแกนเลย นี่ไม่ใช่แค่การเก็บข้อมูล AI แต่เป็นการทดสอบขีดจำกัดความน่าเชื่อถือของคำอธิบายจากยักษ์ใหญ่เทคโนโลยีด้วย
หนังสือหายากกับโมเดลภาษา: ช่องโหว่ลิขสิทธิ์ จริยธรรมการฝึก AI และผลกระทบต่อผู้ใช้ทั่วไป
ทำไมบริษัทจึงยอมซื้อและทำลายหนังสือหายากแทนที่จะใช้ข้อมูลออนไลน์ที่มีอยู่แล้ว คำตอบเกี่ยวพันกับความกังวลต่อภาวะ “model collapse” หรือการที่โมเดล AI เสื่อมคุณภาพเมื่อถูกฝึกซ้ำ ๆ บนข้อความที่ตัวมันเองสร้างขึ้น ทำให้ผลลัพธ์ด้อยความแม่นยำและหลากหลายลงเรื่อย ๆ หนังสือที่พิมพ์ก่อนปี 2022 จึงถูกมองว่าเป็นแหล่งข้อมูลบริสุทธิ์ที่ยังไม่ปนเปื้อนข้อความที่ AI เขียน โดยเฉพาะเล่มที่ไม่เคยถูกดิจิทัลไลซ์และไม่สามารถหาได้บนอินเทอร์เน็ต ปัญหาคือ เส้นทางนี้เดินผ่านพื้นที่สีเทาทางกฎหมายและสีแดงทางจริยธรรม การสแกนหนังสือจำนวนมากเพื่อใช้เป็นข้อมูลฝึกโมเดลภาษาอาจไม่ละเมิดลิขสิทธิ์ตรง ๆ ภายใต้กรอบคำตัดสินบางกรณี ซึ่งเปิดช่องให้คลังสแกนอย่าง VGT3 ดำเนินงานต่อได้โดยไม่ต้องชนข้อหาลิขสิทธิ์โดยตรง แต่ความถูกต้องตามกฎหมายไม่ได้ล้างคำถามด้านจริยธรรม: นักเขียนและสำนักพิมพ์ไม่ได้รับรู้ ไม่มีสิทธิ์เลือก และไม่ได้รับค่าตอบแทนใด ๆ เมื่อหนังสือที่เคยเป็นทรัพย์สินทางจิตวิญญาณถูกสแกนกลายเป็นเม็ดข้อมูลในโมเดล AI สำหรับผู้ใช้ทั่วไป ผลกระทบจะไม่ใช่แค่คุณภาพคำตอบที่ดีขึ้นหรือแย่ลง แต่รวมถึงการที่งานเขียนที่เขารักถูกใช้สร้างเครื่องมือเชิงพาณิชย์โดยไม่มีการแบ่งปันผลประโยชน์กลับคืนสู่ชุมชนแห่งตัวหนังสือเลย
จากการลอบสแกนสู่ความโปร่งใส: ทางออกที่ยังไม่เกิดขึ้นของอุตสาหกรรม AI
เมื่อการเก็บข้อมูล AI จากหนังสือและโมเดล AI เดินหน้าอยู่บนเส้นแบ่งระหว่างกฎหมายและจริยธรรม อุตสาหกรรมก็แยกออกเป็นสองท่าทีที่ต่างกัน บริษัทบางแห่งประกาศชัดว่าหลีกเลี่ยงการซื้อและทำลายหนังสือหายากหรือหนังสือโบราณ โดยยอมรับว่าการจัดหาหนังสือเป็นแนวทางที่ใช้กันอย่างแพร่หลายในวงการฝึกโมเดลภาษาขนาดใหญ่ แต่ต้องทำด้วยกรอบจริยธรรมที่ระมัดระวังมากขึ้น ตรงกันข้าม หน่วยสแกนที่ยอมทำลายหนังสือโดยไม่มีคำอธิบายเรื่องการปกป้องมรดกทางวัฒนธรรม ยิ่งตอกย้ำความรู้สึกว่าผู้สร้าง AI กำลังเดินหน้าตามตรรกะของข้อมูลและประสิทธิภาพมากกว่าการเคารพต้นทางของความรู้ ในทางปฏิบัติ ผู้ใช้ AI วันนี้ได้รับประโยชน์จากคำตอบที่หลากหลายและครอบคลุมขึ้น โดยไม่เคยถูกแจ้งว่าข้อความที่ตนอ่านอาจสร้างขึ้นจากหนังสือที่ถูกซื้อจากตลาดมือสองและสแกนโดยไม่เคยบอกกล่าวเจ้าของผลงาน นักเขียนเจ้าของหนังสือเหล่านั้นไม่ได้รับการแจ้งเตือนหรือค่าตอบแทนใด ๆ หลังธุรกรรมเสร็จสิ้น การเดินหน้าต่อของโครงการอย่าง VGT3 ภายใต้กรอบกฎหมายที่เอื้อให้ดำเนินการต่อไปได้อย่างไม่ผิดลิขสิทธิ์ แปลว่าหากไม่มีแรงกดดันจากสังคมและการออกกฎใหม่ เราอาจกำลังปล่อยให้หอสมุดเงียบ ๆ ถูกรื้อทีละเล่มเพื่อป้อนให้โมเดล AI โดยที่สาธารณะไม่มีสิทธิ์ร่วมออกแบบข้อตกลงเลย ข้อสรุปจึงชัดเจน: อนาคตของจริยธรรมการฝึก AI จะถูกกำหนดไม่ใช่เพียงโดยวิศวกรและนักกฎหมาย แต่โดยเสียงของผู้อ่าน นักเขียน และผู้ใช้ระบบ AI ที่กล้าถามคำถามตรง ๆ ว่า ความรู้ที่เราพึ่งพิงนั้นมาจากไหน ใครเสียสละอะไรไปบ้าง และใครควรได้รับส่วนแบ่งจากคุณค่าที่ถูกแปลงเป็นโมเดลภาษาในท้ายที่สุด
