ข้อมูลฝึก AI กับยุทธศาสตร์ลับที่กำลังทำลายหนังสือหายาก
ปัญหาการเก็บรวบรวมข้อมูลสำหรับฝึก AI คือกระบวนการที่บริษัทเทคโนโลยีแสวงหาข้อความและเอกสารจำนวนมากจากแหล่งต่าง ๆ ตั้งแต่เว็บไซต์สาธารณะ หนังสือหายาก ไปจนถึงข้อมูลภายในองค์กร มาใช้เป็นข้อมูลฝึก AI โดยไม่โปร่งใสต่อผู้เขียน เจ้าของผลงาน และสังคม ว่าข้อมูลถูกได้มาอย่างไร ถูกใช้ทำอะไร และแลกมาด้วยการสูญเสียทรัพยากรวัฒนธรรมในระดับใดบ้าง ซึ่งกำลังกลายเป็นจุดปะทะระหว่างผลประโยชน์เชิงพาณิชย์กับคุณค่าทางวัฒนธรรมและจริยธรรม.
เบื้องหลังคำว่า “ข้อมูลฝึก AI” ไม่ได้มีแค่เว็บเพจที่ถูกคราวล์อีกต่อไป แต่รวมถึงหนังสือเล่มจริงที่ถูกซื้อไปฉีกสันและสแกนทั้งเล่มเพื่อสร้างชุดข้อมูลข้อความใหม่ ๆ ให้โมเดลขนาดใหญ่เรียนรู้ การสอบสวนล่าสุดพบว่ามีการสั่งซื้อหนังสือมือสองแบบสุ่มจำนวนหลายพันเล่มจากร้านเล็ก ๆ ทั่วโลกโดยผู้ซื้อที่ไม่เปิดเผยตัวตน หนังสือเหล่านี้ถูกส่งต่อไปยังคลังสินค้าขนาดใหญ่ ทำให้เกิดคำถามหนักแน่นว่า บริษัทเทคโนโลยีกำลังแอบผูกขาดทรัพยากรความรู้ที่จับต้องได้ โดยแลกกับการทำลายตัวเล่มที่เป็นมรดกทางวัฒนธรรมหรือไม่.
เมื่อคลังหนังสือกลายเป็นโรงงานสแกน: กรณี Amazon และการทำลายหนังสือหายาก
การติดตามด้วยอุปกรณ์ขนาดเท่าเหรียญเพียงชิ้นเดียวเผยให้เห็นภาพที่น่าหดหู่ของคลังหนังสือยุค AI: หนังสือถูกสแกนแล้วทิ้ง ไม่ใช่เก็บรักษาอีกต่อไป รายงานการสืบสวนเล่าว่าบริษัทแห่งหนึ่งวางอุปกรณ์ติดตามไว้ในหนังสือหายากเล่มหนึ่งในคำสั่งซื้อราวหนึ่งพันเล่มผ่านตลาดหนังสืออิสระ ปลายทางของหนังสือชุดนี้คือคลังของ Amazon ที่มีหน่วยงานซึ่งพนักงานบอกตรง ๆ ว่า “งานของเราคือสแกนหนังสืออย่างเดียว” กระบวนการทำงานคือฉีกสันเล่มออกเพื่อให้สแกนเร็วขึ้น จากนั้นกองหนังสือที่เหลือก็ถูกทำลายไปโดยไม่มีคำอธิบายว่าจะเก็บรักษาอย่างไร.
ตัวแทนบริษัทปฏิเสธการทำลายหนังสือในขั้นตอนสแกน แต่สัญญาณจากอุปกรณ์ติดตามกลับชี้ไปยังหน่วยปฏิบัติการในคลังเดียวกันที่พนักงานยืนยันว่าฉีกสันและสแกนทุกเล่มเพื่อผลิตข้อมูลฝึก AI ความขัดแย้งระหว่างคำชี้แจงกับหลักฐานจริงนี้สะท้อนปัญหาความโปร่งใส AI อย่างชัดเจน เพราะบริษัทหลีกเลี่ยงการพูดถึง AI โดยอธิบายเพียงว่า “ซื้อหนังสือผ่านช่องทางเชิงพาณิชย์เพื่อพัฒนาผลิตภัณฑ์และบริการของลูกค้า” โดยไม่แตะว่าหนังสือที่เป็นวัตถุทางวัฒนธรรมจะถูกจัดการอย่างไรหลังถูกสแกนและแปลงสภาพเป็นบิตข้อมูล.
กว้านซื้อหนังสือมือสองทั่วโลก: ภัยเงียบต่อร้านหนังสืออิสระและมรดกวัฒนธรรม
กระแสคำสั่งซื้อหนังสือจำนวนมากจากผู้ซื้อปริศนากำลังสร้างแรงสั่นสะเทือนให้กับร้านหนังสือมือสองขนาดเล็ก หลายร้านรายงานว่าถูกสั่งซื้อหนังสือแบบสุ่มจำนวนหลายร้อยถึงหลายพันเล่ม โดยหนังสือในคำสั่งซื้อไม่มีธีมร่วมกันเหมือนลูกค้าปกติ ตั้งแต่นิตยสารเรือรบ ไปจนถึงนิยายแปลและตำราเฉพาะทางที่ตีพิมพ์มานาน บางร้านถูกสั่งซื้อรวมกันถึงประมาณ 6,000 เล่มในช่วงไม่กี่เดือน พร้อมยอมจ่ายราคาเต็มโดยไม่ต่อรอง ทำให้คนขายเริ่มสงสัยว่าเบื้องหลังคือการกวาดข้อมูลฝึก AI มากกว่าการขายต่อเชิงพาณิชย์แบบทั่วไป.
ที่น่ากังวลคือคำสั่งซื้อก้อนใหญ่เหล่านี้ส่งไปยังรหัสไปรษณีย์เดียวกัน ซึ่งผูกกับกลุ่มคลังสินค้าขนส่งใกล้สนามบินและดูเหมือนระบบอัตโนมัติในการซื้อหนังสือ ร้านในหลายภูมิภาครายงานว่าความต้องการที่พุ่งขึ้นอย่างฉับพลัน “ทำให้แทบบ้า” เพราะต้องจัดการคำสั่งซื้อแปลก ๆ อย่างต่อเนื่อง ผู้เขียนหนังสือที่โดนซื้อและสแกนไม่ได้รับการแจ้งเตือนหรือค่าตอบแทนใด ๆ หลังการซื้อขายจบลง ขณะที่หนังสือซึ่งมีคุณค่าด้านประวัติศาสตร์หรือความทรงจำกลับถูกลดทอนให้เหลือแค่ข้อความดิจิทัลตามนิยามของชุดข้อมูลฝึก AI โดยไม่คำนึงถึงคุณค่าเชิงวัฒนธรรมที่ไม่ปรากฏในฐานข้อมูลใด ๆ.
ทำไมต้องหนังสือก่อนยุค AI และการล่าข้อมูลใหม่จากสายการบิน
คำถามสำคัญคือ เหตุใดบริษัทเทคโนโลยีถึงสนใจหนังสือเก่าเลิกพิมพ์และข้อมูลองค์กรแทนที่จะใช้ข้อมูลออนไลน์ที่มีอยู่แล้ว เหตุผลหนึ่งมาจากปรากฏการณ์ “model collapse” ซึ่งเกิดขึ้นเมื่อโมเดล AI ถูกฝึกซ้ำ ๆ ด้วยข้อความที่ AI สร้างเอง ทำให้ความแม่นยำและความหลากหลายของผลลัพธ์ลดลงเรื่อย ๆ จึงเกิดความต้องการแหล่งข้อมูลที่ปลอดจากข้อความที่ AI เคยสร้าง ISBNdb เคยนำเสนอว่าหนังสือที่ตีพิมพ์ก่อนปี 2022 เป็นเนื้อหาที่ไม่ปนเปื้อนการสร้างโดย AI และไม่ถูกโจมตีข้อมูลโดยเจตนา ทำให้หนังสือเหล่านี้กลายเป็นสินทรัพย์ข้อมูลที่มีค่ามากสำหรับการเก็บรวบรวมข้อมูลฝึก AI.
ไม่ใช่แค่หนังสือเท่านั้นที่ถูกล่า ข้อมูลจากองค์กรจริงก็ถูกนำเข้าตลาดประมูล ตัวอย่างคือการซื้อสินทรัพย์ข้อมูลของสายการบินรายหนึ่งซึ่งประกอบด้วย Wiki ภายใน อีเมล ซอร์สโค้ด และตารางข้อมูลเอกสารโดยกูเกิล ด้วยเป้าหมายชัดเจนว่าจะนำไปใช้ปรับปรุงผลิตภัณฑ์และฝึกปัญญาประดิษฐ์ แม้ศาลกำหนดให้บริษัทภายนอกล้างข้อมูลที่ระบุตัวบุคคลก่อน แต่สหภาพแรงงานด้านการบินก็เตือนว่าการเชื่อมโยงชุดข้อมูลหลายชุดเข้าด้วยกันยังเสี่ยงละเมิดความเป็นส่วนตัวอยู่ดี ดีลดังกล่าวสะท้อนว่า การเก็บรวบรวมข้อมูลฝึก AI กำลังขยายจากโลกหนังสือไปสู่ข้อมูลการทำงานจริงขององค์กร ซึ่งมีความอ่อนไหวทั้งในเชิงธุรกิจและสิทธิส่วนบุคคล.
ความโปร่งใส AI กฎหมาย และอนาคตของมรดกหนังสือ
ภาพรวมที่น่ากังวลที่สุดคือการที่กฎหมายปัจจุบันยังเปิดช่องให้คลังสแกนหนังสือแบบ VGT3 ดำเนินงานต่อไปโดยไม่ละเมิดกฎหมายลิขสิทธิ์ในสหรัฐ ตามกรอบการตีความที่ใช้อยู่ แต่เมื่อออกนอกเขตนั้น กฎเกณฑ์เปลี่ยนไป ผู้เชี่ยวชาญทรัพย์สินทางปัญญาระบุว่ากฎหมายสหราชอาณาจักรกำหนดให้ต้องมีความยินยอมทั้งในขั้นตอนการรวมชุดข้อมูลฝึก AI และขั้นตอนการฝึกโมเดลเอง โดยไม่มีข้อยกเว้นแบบ fair use ให้ใช้ ขณะเดียวกันบริษัทอื่น ๆ ในวงการ AI อย่าง Anthropic ระบุว่าพยายามหลีกเลี่ยงการซื้อและทำลายหนังสือหายากหรือโบราณในการเก็บข้อมูลฝึกโมเดลของตน แสดงให้เห็นว่ามาตรฐานจริยธรรมด้านข้อมูลยังไม่เป็นหนึ่งเดียว.
กระแสคดีความต่อบริษัท AI ขนาดใหญ่กำลังเพิ่มขึ้น เช่นกลุ่มสำนักพิมพ์และผู้เขียนรายหนึ่งที่ยื่นฟ้องกูเกิลในศาลสหรัฐว่าการฝึกโมเดล Gemini มีการถอดหรือแก้ไขข้อมูลลิขสิทธิ์ออกจากผลงานที่นำไปใช้ นี่คือสัญญาณว่าผู้สร้างเนื้อหาจะไม่ยอมให้ผลงานถูกดูดไปเป็นเชื้อเพลิงข้อมูลฝึก AI โดยปราศจากการยอมรับและค่าตอบแทน "Authors whose secondhand books end up being purchased and scanned are given no notice and no compensation once the transaction concludes" คือประโยคที่ควรถูกอ่านซ้ำในทุกห้องประชุมของบริษัทยักษ์ใหญ่ หากอนาคตของ AI ถูกสร้างบนกองหนังสือที่ถูกทำลายและผู้เขียนที่ไม่เคยได้รับรู้ เราจำเป็นต้องถามตรง ๆ ว่า นี่คือความก้าวหน้าทางเทคโนโลยี หรือการถอยหลังทางวัฒนธรรมกันแน่.
