Các công ty AI bị cáo buộc tiêu hủy sách giấy để thu thập dữ liệu huấn luyện
Thư viện bóng tối Anna's Archive đã cảnh báo về việc các công ty AI đang thu mua số lượng lớn sách giấy cũ và tiêu hủy chúng trong quá trình quét tốc độ cao nhằm thu thập dữ liệu huấn luyện sạch từ trước năm 2022. Hành động này đã làm dấy lên các cuộc tranh luận về bảo tồn kỹ thuật số và những nỗ lực của các nhà phát triển AI nhằm tránh dữ liệu nhân tạo do máy tính tạo ra. Điều này làm nổi bật sự khan hiếm ngày càng tăng của dữ liệu chất lượng cao do con người tạo ra trong phát triển AI, buộc các công ty phải tìm đến các kho lưu trữ vật lý. Nó cũng nhấn mạnh sự căng thẳng giữa các hạn chế về bản quyền (vốn giới hạn việc chia sẻ kỹ thuật số) và việc bảo tồn các tài liệu vật lý quý hiếm. Quy trình quét này thường sử dụng các phương pháp hủy hoại, chẳng hạn như cắt gáy sách để nạp các trang vào máy quét khay nạp tốc độ cao. Các công ty AI nhắm mục tiêu vào sách xuất bản trước năm 2022 để đảm bảo dữ liệu huấn luyện "chưa bị máy móc can thiệp" và không chứa nội dung do AI tạo ra.
## KIẾN THỨC NỀN
Quét sách hủy hoại (destructive book scanning) là một phương pháp số hóa cắt bỏ gáy sách để quét nhanh và tự động từng trang đơn lẻ, giúp tiết kiệm thời gian và chi phí hơn so với các phương pháp không hủy hoại giữ nguyên vẹn cuốn sách. Anna's Archive là một công cụ tìm kiếm mã nguồn mở nổi tiếng chuyên tổng hợp nội dung từ các thư viện bóng tối như Sci-Hub và Library Genesis nhằm giúp người dùng tiếp cận sách và báo cáo khoa học miễn phí.