นิยามปัญหาใหม่ หนังสือเล่มจริงในยุค AI training data
การซื้อหนังสือจำนวนมากเพื่อนำไปตัดสัน สแกนทุกหน้า แล้วทำลายเล่มจริง เป็นแนวปฏิบัติของบริษัทเทคโนโลยีที่ต้องการสร้างข้อมูลฝึก AI training data จากเนื้อหาที่เชื่อถือได้และไม่ปนเปื้อนเนื้อหาเทียม กระบวนการนี้มักพุ่งเป้าไปที่หนังสือเก่าหายากและหนังสือมือสองที่เลิกพิมพ์แล้ว โดยอาศัยช่องว่างด้านกฎหมายลิขสิทธิ์และความโปร่งใสที่ต่ำ ทำให้เจ้าของผลงานและสังคมแทบไม่รู้ว่าหนังสือที่เคยอยู่บนชั้นถูกเปลี่ยนสถานะเป็นเชื้อเพลิงให้ปัญญาประดิษฐ์อย่างเงียบ ๆ
กรณีล่าสุดที่จุดประเด็นให้สังคมสนใจคือการสืบสวนที่ฝัง AirTag ในหนังสือหนึ่งเล่มในชุดคำสั่งซื้อราวหนึ่งพันเล่มจากตลาดหนังสืออิสระ ก่อนตามสัญญาณไปถึงศูนย์กระจายสินค้าของบริษัทเทคในลาสเวกัสซึ่งมีหน่วยงานภายในที่พนักงานอธิบายว่า “งานของเรามีแค่สแกนหนังสือ” เท่านั้น การทำงานคือรับพาเลตหนังสือเข้ามา ตัดสันเพื่อแยกหน้า สแกนด้วยเครื่องความเร็วสูง แล้วทิ้งเล่มจริงไปอย่างไม่ไยดี
ทำไมต้องเป็นหนังสือหายากมือสอง และทำไมต้องทำลาย
บริษัท AI ไม่ได้เลือกหนังสือเก่าเพราะโรแมนติก แต่เพราะมองว่าหนังสือก่อนปี 2022 เป็นคลังข้อมูลสะอาด ปราศจากเนื้อหาที่สร้างจาก AI ซึ่งใช้แก้ปัญหา model collapse หรือภาวะที่โมเดลเสื่อมประสิทธิภาพเมื่อถูกฝึกซ้ำด้วยข้อมูลที่ AI สร้างเอง งานวิจัยจากมหาวิทยาลัยชั้นนำแสดงว่าการฝึกเช่นนั้นทำให้ความแม่นยำและความหลากหลายลดลง ส่วนการวิเคราะห์เว็บเพจใหม่เกือบเก้าแสนหน้า พบว่า 74.2% มีเนื้อหาที่ AI เขียนปะปนอยู่แล้ว ทำให้หนังสือเล่มเก่ากลายเป็นทองคำในสายตาบริษัท
ที่น่ากังวลกว่าคือวิธีล่า หนังสือถูกสั่งซื้อเป็นล็อตใหญ่จากร้านอิสระแบบไม่เปิดเผยตัวตน และมักเป็นหนังสือเฉพาะทางหรือขายช้า เจ้าของผลงานไม่รู้ ไม่ได้ค่าตอบแทน และไม่มีสิทธิ์แสดงความคิดเห็นเมื่อหนังสือเล่มนั้นถูกเลาะสันแล้วสแกนจนจบ ก่อนทิ้งเล่มจริงหลังงานเสร็จ เหตุผลหนึ่งที่บริษัทเลือกทำลายคือเพื่อให้เข้าข่ายการแปลงผลงานเชิงแปลงในมุมกฎหมายลิขสิทธิ์ เพราะเหลือแต่ไฟล์ดิจิทัลสำหรับใช้ภายใน ไม่เก็บเล่มจริงไว้เป็นหลักฐานทางการค้าเพิ่มเติม
ลิขสิทธิ์หนังสือ มรดกทางวรรณกรรม และผู้ใช้ทั่วไปเสียอะไร
ศาลแขวงในบางคดีเคยมองว่าการแปลงหนังสือที่ซื้อมาอย่างถูกต้องเป็นไฟล์ดิจิทัลเพื่อใช้ฝึกโมเดลอาจเข้าข่ายการใช้โดยชอบภายใต้หลัก fair use เมื่อบริษัทไม่เก็บเล่มจริงไว้คู่กัน แต่สำนักงานลิขสิทธิ์สหรัฐกลับเตือนชัดว่า การฝึก AI เชิงพาณิชย์ไม่ได้ถือว่าเป็น fair use โดยอัตโนมัติในทุกกรณี ช่องว่างนี้เปิดทางให้โครงการอย่าง Project Panama ซึ่งตัดสัน สแกน แล้วทิ้งหนังสือจำนวนมากดำเนินต่อไปได้ โดยไม่แน่ว่าผู้เขียนหรือสำนักพิมพ์เข้าใจหรือยอมรับ
ผลกระทบไม่ได้ตกอยู่กับนักเขียนเพียงอย่างเดียว เพราะเมื่อหนังสือหายากหรือหนังสือพิมพ์ครั้งเดียวถูกทำลาย เรากำลังสูญเสียชั้นหนังสือสำคัญของมนุษยชาติไปทีละเล่ม นักเขียนที่หนังสือมือสองของตนถูกซื้อไปสแกนไม่ได้รับทั้งการแจ้งเตือนและค่าตอบแทนใด ๆ หลังการซื้อขายสิ้นสุด ส่วนผู้อ่านทั่วไปก็เผชิญความย้อนแย้งที่น่าขมขื่น เราได้ AI ที่เก่งขึ้น แต่ต้องยอมให้คลังความรู้รูปแบบเล่มจริงหายไปจากโลก เพื่อให้ข้อมูลฝึก AI เพิ่มขึ้นอีกนิด
เมื่อเน็ตเริ่มปนเปื้อน บริษัทเทคจึงหันล่าข้อมูลแปลกใหม่
พฤติกรรมของบริษัทเทคไม่ได้หยุดแค่หนังสือและปัญญาประดิษฐ์ เพราะเมื่ออินเทอร์เน็ตเต็มไปด้วยเนื้อหาจำนวนมากที่ AI เขียนเอง พวกเขาจึงเริ่มมองหาข้อมูลฝึก AI จากแหล่งใหม่ ๆ นอกโลกออนไลน์ทั่วไป หนึ่งในตัวอย่างคือการประมูลข้อมูลปฏิบัติการของสายการบินที่ล้มละลาย ซึ่งรวมถึง wiki ภายใน อีเมล ซอร์สโค้ด และตารางเอกสาร โดยบริษัทเทครายใหญ่ชนะการประมูลพร้อมระบุว่าจะนำข้อมูลเหล่านี้ไปใช้พัฒนาผลิตภัณฑ์และฝึก AI
ดีลนี้ถูกคัดค้านอย่างหนักจากสหภาพแรงงาน เพราะแม้จะมีการลบข้อมูลส่วนบุคคลออกโดยบริษัทภายนอกก่อนส่งมอบ แต่การเชื่อมโยงชุดข้อมูลต่าง ๆ ยังเสี่ยงละเมิดความเป็นส่วนตัวของพนักงานได้ เมื่อเทียบกับกรณีหนังสือ เราจะเห็นรูปแบบเดียวกัน คือบริษัทต้องการข้อความและกระบวนการทำงานจากโลกจริงมากขึ้นโดยไม่โปร่งใสกับสังคม ก่อให้เกิดคำถามว่าเราจะยอมให้พื้นที่ชีวิตปกติของคนจำนวนมากกลายเป็นข้อมูลฝึก AI โดยไม่มีเส้นแบ่งที่ชัดเจนเพียงเพราะต้องการโมเดลที่ฉลาดกว่าเดิมหรือไม่
ความโปร่งใสที่หายไป และอนาคตที่ต้องกำหนดร่วมกัน
เมื่อเรื่องการซื้อและทำลายหนังสือเพื่อฝึกโมเดลถูกเปิดโปง บริษัทที่ถูกพาดพิงให้คำชี้แจงเพียงว่า การซื้อหนังสือผ่านช่องทางปกติเป็นส่วนหนึ่งของการพัฒนาผลิตภัณฑ์และบริการ โดยหลีกเลี่ยงการกล่าวถึงปัญญาประดิษฐ์หรือขั้นตอนการทำลายหนังสือโดยตรง ขณะเดียวกัน หน่วยงานสแกนหนังสือยังคงทำงานได้เพราะกรอบกฎหมายในปัจจุบันเปิดช่องให้ปฏิบัติการเช่นนี้ดำเนินต่อได้โดยไม่ถือว่าละเมิดลิขสิทธิ์โดยเด็ดขาด
เรื่องนี้กลายเป็นประเด็นใหญ่ขึ้นอีกครั้งเมื่อมีองค์กรภาคประชาชนมากกว่าสิบกลุ่มยื่นเรื่องต่อหน่วยงานกำกับดูแล ขอให้ตรวจสอบบริษัท AI ที่ถูกกล่าวหาว่าซื้อหนังสือจำนวนมากมาสแกนและทำลายเพื่อฝึกโมเดล สำหรับผู้ใช้ทั่วไป เสียงของเรามักถูกลดเหลือเพียงสถิติในแบบจำลอง ทั้งที่เราคือผู้อ่าน ผู้เขียน และผู้ถูกเก็บข้อมูลในคนเดียวกัน หากสังคมไม่กำหนดเส้นแบ่งใหม่ระหว่างสิทธิในข้อมูลกับความทะเยอทะยานของบริษัทเทค เราอาจได้ AI ที่ฉลาดขึ้นบนซากหนังสือและข้อมูลที่ไม่เคยขออนุญาตจากเจ้าของที่แท้จริงเลยแม้สักครั้ง
