Milioni knjiga završili pod sekačem da bi veštačka inteligencija naučila da piše
Kompanija Anthropic kupovala je polovne knjige, odsecala im poveze, skenirala stranice i papir slala na reciklažu. Dok internet zatrpavaju tekstovi koje proizvode mašine, industriji veštačke inteligencije najvrednije su postale reči koje su napisali ljudi.
Knjiga u ovaj proces ulazi cela, a iz njega izlazi kao fajl u privatnoj korporativnoj bazi: povez joj se odseca, stranice prolaze kroz industrijski skener, dok ono što ostane od papirnog primerka završava na reciklaži.
Tako je kompanija Anthropic, koja razvija četbot Claude, obradila milione štampanih knjiga. Njihove digitalne kopije smeštene su u zatvorenu „istraživačku biblioteku“, iz koje je kompanija izdvajala tekstove potrebne za razvoj svojih modela veštačke inteligencije.
Tajni poduhvat, pokrenut početkom 2024. godine, nosio je naziv projekat „Panama“. U jednom internom dokumentu opisan je kao pokušaj da se „destruktivno skeniraju sve knjige na svetu“.
„Ne želimo da se zna da radimo na ovome“, pisalo je u drugom dokumentu, koji je kasnije postao dostupan tokom sudskog postupka, a objavio je Vašington post.
Prema sudskoj odluci, Anthropic je potrošio milione dolara kako bi kupio milione štampanih knjiga, često polovnih. Spoljni izvođači skidali su poveze, sekli stranice na veličinu pogodnu za brzo skeniranje i odbacivali papirne originale, dok je od svakog primerka nastajao PDF sa slikama stranica i mašinski čitljivim tekstom.
Knjige su nabavljane u velikim količinama, ponekad u pošiljkama od po nekoliko desetina hiljada primeraka, a jedan izvođač ponudio je da za šest meseci obradi između 500.000 i dva miliona knjiga.
AI traži tekstove koje nije napisao AI
Knjige su tehnološkim kompanijama postale posebno vredne zato što sadrže ono čega je na internetu sve manje: dug, uređen i proveravan ljudski tekst.
Za razliku od nasumično prikupljenih komentara, objava i članaka sa mreže, knjiga je prošla kroz rad autora, urednika, lektora, korektora, prevodilaca i izdavača. Ona ima strukturu, razvijenu argumentaciju, kontinuitet i stručnu terminologiju, odnosno sve ono što je teško dobiti prostim gomilanjem milijardi nepovezanih rečenica.
U internim dokumentima kompanije Anthropic knjige su opisivane kao materijal koji modelima može da pokaže kako se dobro piše, umesto da ih uči da oponašaju nekvalitetan jezik sa interneta.
I upravo se tu pojavljuje paradoks čitave priče. Proizvodi AI industrije promenili su prostor iz kojeg su kompanije godinama uzimale podatke: internet je sve puniji automatski generisanim člancima, opisima proizvoda, komentarima i objavama iza kojih ne stoji čovek.
Kada se novi modeli obučavaju na sadržaju koji su proizveli njihovi prethodnici, greške se prenose, jezik postaje jednoličniji, a ređe informacije i nijanse polako nestaju. Istraživači taj proces nazivaju kolapsom modela.
Studija objavljena u naučnom časopisu Nature pokazala je da modeli koji se kroz više generacija obučavaju na mašinski proizvedenim podacima postepeno gube informacije o stvarnom svetu. Zbog toga izvorni tekstovi koje su napisali ljudi postaju sve dragoceniji.
Industrija koja internet puni mašinskim sadržajem sada se zato vraća knjigama, jednom od poslednjih velikih izvora jezika za koji može pouzdano da se kaže da je nastao pre generativne veštačke inteligencije.
Knjiga nestaje, korporativna kopija ostaje
Digitalizacija knjiga obično se vezuje za biblioteke, očuvanje kulturnog nasleđa i omogućavanje pristupa građi koja bi inače bila teško dostupna. Projekat kompanije Anthropic imao je potpuno drugačiju svrhu.
Skenirani sadržaj nije završavao u javnoj digitalnoj biblioteci, niti su mu mogli pristupiti čitaoci, istraživači ili autori čija su dela obrađena. Kopije su čuvane u internoj bazi kompanije, koja je razvijala alate za njeno pretraživanje i birala knjige pogodne za obuku svojih modela.
U sudskoj odluci navodi se da je Anthropic planirao da sve sačuva zauvek, čak i knjige koje nisu bile odabrane za obuku. Fizički primerak je, međutim, već bio isečen i uklonjen.
Knjiga tako nestaje sa tržišta polovnih izdanja, iz antikvarnice ili skladišta u kojem je čekala novog čitaoca, dok njen sadržaj nastavlja da postoji kao deo infrastrukture privatne kompanije. Delo koje je moglo da prelazi iz ruke u ruku postaje korporativni podatak, zatvoren na serverima sistema vrednog milijarde dolara.
Posrednici nude i milion knjiga po porudžbini
Velika potražnja za ljudskim tekstovima počela je da stvara i novu vrstu tržišta.
Nezavisni američki tehnološki portal 404 Media otkrio je da je kompanija ISBNdb, koja vodi veliku bazu podataka o izdanjima i ISBN oznakama, nudila AI laboratorijama nabavku između 1.000 i milion fizičkih knjiga po porudžbini.
Knjige su potencijalnim klijentima predstavljene kao uređeno, autoritativno i stručno ljudsko znanje, organizovano na način koji nasumično pretraživanje interneta ne može da ponovi. Posebno su reklamirana starija izdanja, nastala pre nego što je generativna veštačka inteligencija počela masovno da proizvodi sadržaj.
Klijentima je nuđena i diskrecija kako njihovo ime ne bi postalo poznato javnosti.
„Problem percepcije je stvaran“, pisalo je u promotivnom materijalu kompanije, uz ocenu da naslov o AI firmi koja uništava milione knjiga ne bi dobro izgledao.
Ponuda je uklonjena nakon objavljivanja istraživanja, a ISBNdb je potom saopštio da je samo ispitivao interesovanje tržišta i da usluga nije pokrenuta. Ipak, već sama činjenica da je osmišljen poslovni model koji podrazumeva nabavku i do milion primeraka pokazuje kolike su potrebe industrije.
Milion knjiga u takvom sistemu nije biblioteka namenjena čitanju, već količina prilagođena industrijskoj obradi.
Antikvari strahuju za teško zamenljiva izdanja
Otkrića o projektu „Panama“ izazvala su zabrinutost među prodavcima polovnih i retkih knjiga, naročito nakon što su antikvari u nekoliko zemalja počeli da dobijaju neuobičajene porudžbine za desetine starih i međusobno nepovezanih naslova.
Australijski prodavci opisali su za Gardijan porudžbine koje su obuhvatale stručne priručnike iz sedamdesetih godina, zbirke poezije, istorije lokalnih zajednica i knjige iz veoma uskih oblasti koje su godinama stajale neprodate.
Među kupljenim izdanjima našli su se priručnik o mehanici tla, knjiga o biciklizmu na Novom Zelandu, zbirka australijske poezije i lokalna istorija jednog predgrađa Melburna. Kupci nisu pregovarali o ceni niti su odustajali zbog visokih troškova slanja, zbog čega su se prodavci pitali da li nekome zaista treba knjiga ili samo tekst koji se u njoj nalazi.
Kada se govori o retkim knjigama, najčešće se zamišljaju skupocena prva izdanja poznatih romana, ali antikvari upozoravaju da retko ne mora da znači skupo.
Teško zamenljiva može biti lokalna istorija objavljena u nekoliko stotina primeraka, stručna knjiga koja nikada nije ponovo štampana, zbirka malog izdavača ili studija za koju danas više ne postoji komercijalno interesovanje.
Australijski antikvar Tim Vajt upozorio je da pojedine knjige nose priču koja ne postoji samo u odštampanom tekstu.
„Ponekad vam knjige govore više od samog sadržaja“, rekao je Vajt.
Fizički primerak može da sadrži potpis autora, posvetu, beleške prethodnih čitalaca, bibliotečke pečate i tragove vlasništva koji govore o životu knjige i vremenu kroz koje je prošla. Svi ti slojevi nestaju kada se povez odseče, a stranice odvoje radi skeniranja.
Industrijski sistem koji kupuje stotine hiljada primeraka ne mora ciljano da traži raritete da bi ih uništio. Dovoljno je da vrednost pojedinačne knjige niko ne proveri pre nego što ona završi u mašini.
Uništavanje originala pomoglo je kompaniji na sudu
U junu 2025. godine američki sudija Vilijam Alsup zaključio je da je korišćenje legalno kupljenih knjiga za obuku modela kompanije Anthropic u konkretnom slučaju predstavljalo dozvoljenu, transformativnu upotrebu prema američkom pravu.
Sud je razmatrao i pretvaranje štampanih knjiga u digitalne fajlove, a za odluku je bilo važno to što kompanija nije zadržavala oba primerka: papirna knjiga bila je uništena, dok je digitalna kopija predstavljena kao njena zamena.
Upravo je uništavanje fizičkog originala pomoglo Anthropicu da tvrdi kako nije napravio dodatni primerak, već je samo promenio format knjige koju je legalno kupio.
Kompanija je knjige pribavljala i na drugačiji način. Pre nego što je počela da kupuje štampane primerke, iz piratskih digitalnih biblioteka preuzela je više od sedam miliona knjiga i sačuvala ih u centralnoj bazi, uključujući i one koje nikada nisu korišćene za obuku Claudea.
Zbog piratski pribavljenih dela Anthropic je sa autorima i izdavačima postigao poravnanje vredno 1,5 milijardi dolara, koje je američki sud konačno odobrio 20. jula 2026. godine. Rojters ga je opisao kao najveće poznato poravnanje u jednom američkom sporu zbog kršenja autorskih prava.
Poravnanje se odnosilo na piratske kopije, dok je sudska odluka o legalno kupljenim i destruktivno skeniranim knjigama ostala na snazi. Put do privatne korporativne biblioteke vodio je i preko piratskih sajtova i preko tržišta polovnih izdanja, ali je cilj bio isti: prikupiti što više kvalitetnog ljudskog pisanja za razvoj komercijalnih sistema.
A na čemu će učiti srpski AI?
Dok se u svetu otkriva šta tehnološke kompanije rade sa milionima knjiga, Srbija razvija nacionalni veliki jezički model za srpski jezik.
Kancelarija za IT i eUpravu potpisala je 29. aprila protokol o saradnji sa 11 institucija i medija, među kojima su Narodna biblioteka Srbije, Univerzitetska biblioteka „Svetozar Marković“, RTS, RTV, Službeni glasnik, Tanjug, „Politika“, Institut za srpski jezik SANU i Institut za veštačku inteligenciju Srbije.
Prema zvaničnom saopštenju, model bi trebalo da obuhvati istoriju srpskog jezika, kulture, identiteta, naučne i druge misli, dok će podaci ostati u zemlji i model će biti treniran na superkompjuterima u Srbiji.
Država je objavila ko će učestvovati u projektu, ali ne i šta će tačno iz svojih fondova i arhiva ustupiti za obuku modela. Zato i dalje nije poznato da li će se u korpusu naći cele knjige, novinski arhivi i druga dela zaštićena autorskim pravom, pod kojim uslovima će biti korišćena i koliku će kontrolu nad tim imati ljudi koji su ih napisali.
Iskustvo Anthropica pokazuje zašto se ta pitanja ne postavljaju tek kada model već bude završen. Jednom kada se knjiga utopi u ogroman skup podataka, njen naslov, autor i okolnosti u kojima je nastala lako nestaju iza milijardi reči iz kojih sistem uči.
Knjige su vekovima putovale između autora, čitalaca, biblioteka i antikvarnica. U novom lancu vrednosti njihov put vodi sa police na sekač, a zatim na servere kojima javnost nema pristup.
Od knjige ostaje fajl, od autora podatak, a vrednost završava na korporativnom serveru.
Još uvek nema komentara.