Расследование 404 Media показало: ведущие ИИ-компании через посредников скупают миллионы подержанных бумажных книг, включая редкие издания с единичными сохранившимися экземплярами. Книги нужны как источник «чистого» человеческого текста, написанного до эпохи генеративного ИИ — весь доступный интернет-контент модели уже «переварили», а обучение на нейросгенерированных текстах ведёт к деградации моделей.

Чтобы быстро оцифровать такие объёмы, книги физически уничтожают: гидравлическим прессом срезают корешок, страницы обрезают по размеру и прогоняют через промышленные сканеры, а бумажные остатки отправляют в переработку. Практика долго держалась в тайне под NDA, но всплыла благодаря судебным документам по иску авторов к Anthropic и жалобам букинистов на аномальный спрос.

• Особую ценность представляют книги, изданные до 2022 года — они гарантированно не содержат текста, сгенерированного ИИ
• Сервис ISBNdbi предлагает ИИ-лабораториям заказы от 1 000 до 1 млн книг за раз, но принципиально не раскрывает личности покупателей
• Anthropic упоминается в судебных документах как компания, массово скупавшая, разрезавшая и сканировавшая книги для обучения Claude в рамках инициативы Project Panamai, стараясь сохранить это в тайне
• По данным Data Secrets, суд по коллективному иску авторов против Anthropic оштрафовал компанию за пиратские копии, но признал обучение на купленных и уничтоженных бумажных экземплярах «добросовестным использованием» (fair usei) — это создало прецедент для всей индустрии
• Букинисты из США фиксируют аномальный спрос: анонимный продавец рассказал 404 Media, что раньше продавал около 20 книг в хорошую неделю, а теперь отгружает сотнями; похожий скачок отмечают маркетплейсы Alibris и Biblio
• Покупатели берут книги без разбора по жанру (детективы, биографии, учебники, кулинарные сборники), не торгуются даже по переоценённым лотам, но берут только издания с ISBN — по нему ИИ-компании составляют заказ из каталога
• Илон Маск заявил, что попросил команду SpaceX AI сохранять редкие книги библиотеки и оцифровывать их «старомодным способом», а не срезать корешок и сканировать