ডেটা দুর্ভিক্ষের মধ্যে অ্যামাজন এআই প্রশিক্ষণের জন্য বই ধ্বংস শুরু করেছে

যখন পাবলিক ইন্টারনেট পর্যাপ্ত দুর্লভ, নির্ভরযোগ্য এবং AI-জেনারেটেড কনটেন্টের দ্বারা দূষিত নয় এমন উচ্চ মানের টেক্সট প্রদান করতে কঠিন হয়ে পড়ছে, তখন পুরানো বইগুলি সাংস্কৃতিক পণ্য থেকে AI যুগের ডেটা কাঁচামালে পরিণত হচ্ছে।

লেখক, উৎস: 0x9999in1, ME News



• এটি শুধু একটি সাধারণ “অ্যামাজন বই নষ্ট করছে” সংবাদ নয়। বড় সংকেতটি হল: যখন পাবলিক ইন্টারনেটে যথেষ্ট দুর্লভ, বিশ্বস্ত এবং AI-জেনারেটেড কন্টেন্টের দ্বারা দূষিত নয় এমন উচ্চমানের টেক্সট পাওয়া কঠিন হয়ে পড়ছে, তখন পুরনো বইগুলি সংস্কৃতির পণ্য থেকে AI যুগের ডেটা কাঁচামালে পরিণত হচ্ছে।
• 404 মিডিয়া ট্র্যাক করা একটি প্রায় ১০০০ বইয়ের অর্ডার শেষ পর্যন্ত অ্যামাজনের উত্তর লাস ভেগাস LAS8 স্টোরেজ সুবিধায় পৌঁছেছে; কর্মচারীদের মতে, VGT3 টিম বইয়ের স্পাইন কেটে পৃষ্ঠা স্ক্যান করবে, যার ফলে কাগজের মূলটি ধ্বংস হয়ে যায়। অ্যামাজন নিশ্চিত করেছে যে পণ্য এবং সেবা উন্নতির জন্য ব্যবসায়িক মাধ্যমে বই কিনবে, তবে প্রকল্পের আকার, শুরুর সময়, নির্দিষ্ট উদ্দেশ্য, বা বিরল বা দুর্লভ সংস্করণগুলি ধ্বংসের আগে কি ছাঁটাই করা হবে—এসব সম্পর্কে কোনও তথ্য প্রকাশ করেনি।
• “প্রথমে প্রিন্ট বই কিনুন, তারপর ধ্বংসাত্মক স্ক্যান করুন”-এর পিছনে আরও একটি বাস্তব প্রেক্ষাপট রয়েছে: 2025 সালের Bartz v. Anthropic মামলায়, মার্কিন জেলা আদালত আইনসম্মতভাবে কেনা কাগজের বইয়ের এক-একটি ডিজিটাল প্রতিস্থাপনকে যৌক্তিক ব্যবহার হিসাবে স্বীকৃতি দিয়েছে, কিন্তু আইনসম্মত কেনা এবং অবৈধভাবে অর্জনের মধ্যে স্পষ্ট পার্থক্য করেছে। 2026 সালের জুলাইতে, Anthropic-এর বিরুদ্ধে অবৈধ উৎসের উপর ভিত্তি করে করা সমষ্টিগত版權 মামলাটি 15 বিলিয়ন ডলারে সমাধানের মাধ্যমে চূড়ান্তভাবে অনুমোদিত হয়। ডেটা উৎসগুলি এখন প্রযুক্তিগত সমস্যা থেকে ব্যালেন্সশীটের সমস্যায় পরিণত হচ্ছে।
• এখন অ্যামাজনের প্রবেশ করা অস্বাভাবিক নয়। কোম্পানিটি ২০২৬ সালে প্রায় ২০০০ বিলিয়ন ডলার মূলধন ব্যয় করার পরিকল্পনা করছে, যেখানে এআই হল প্রধান বিনিয়োগের দিক; এই বছরের দ্বিতীয় ত্রৈমাসিকে AWS-এর বিক্রয় ৩৭% বেড়ে ৪২২ বিলিয়ন ডলার হয়েছে। ক্যালকুলেশনের ক্ষমতা এখনও পাগলামির মতো বাড়ছে, কিন্তু উচ্চমানের ডেটার প্রান্তিক মূল্যও বাড়ছে।
• যে সমস্ত "বই ভাঙা" কার্যক্রমের প্রতি সতর্ক থাকা দরকার তা নয়, বরং একটি অস্বচ্ছ ক্রয় এবং ধ্বংস প্রক্রিয়া: সাধারণ দ্বিতীয় হাতের বইগুলি আবার মুদ্রণ এবং কেনা যায়, কিন্তু কিছু অপ্রকাশিত বই, টীকা সহ সংস্করণ, স্থানীয়ভাবে প্রকাশিত বই এবং অত্যন্ত দুর্লভ টেক্সটগুলি ফিরিয়ে আনা সম্ভব নাও হতে পারে। যদি নির্বাচন পদ্ধতির অভাব ঘটে, তবে AI কোম্পানিগুলি ডেটা পায়, কিন্তু সমাজটি অপরিবর্তনীয় ভৌত রেকর্ড হারাতে পারে।

এই ঘটনার সবচেয়ে চোখ ধাঁধানো দৃশ্যটি অবশ্যই নির্মম: একটি বইয়ের স্পাইন কেটে ফেলা হয়, পাতাগুলি স্ক্যানিং ডিভাইসের মধ্যে পাঠানো হয়, এবং শেষ পর্যন্ত মূল বইটি অস্তিত্বহীন হয়ে যায়। আরও ড্রামাটিকভাবে, এই কাজটি করা হচ্ছে অ্যামাজন দ্বারা—যে কোম্পানি ১৯৯৫ সালে অনলাইনে বই বিক্রি করে শুরু করেছিল। তিন দশকেরও বেশি সময়ের পর, এটি আবার বড়পরিসরে বই কিনছে, কিন্তু এবার বইগুলি অবশ্যই পাঠকদের হাতে পৌঁছানোর জন্য নয়, বরং মেশিনের জন্য গ্রহণযোগ্য ডেটা হয়ে উঠছে।

404 মিডিয়ার ১৭ আগস্টের তদন্ত অনুযায়ী, পত্রিকাকর্মী এমানুয়েল মাইবার্গ একজন বিবলিও থেকে বড় অর্ডার পেয়েছিলেন, যিনি প্রায় ১০০০টি বইয়ের মধ্যে একটিতে এয়ারট্যাগ স্থাপন করেছিলেন। ট্র্যাকারটি উত্তর লাস ভেগাসের অ্যামাজনের LAS8 স্টোরেজ সুবিধায় পৌঁছেছিল। সেখানকার কর্মচারীদের উদ্ধৃতি দিয়ে প্রতিবেদনটি জানিয়েছে যে, VGT3 নামের একটি দল বড় পরিমাণে কাগজের বইয়ের গ্রহণ, বাঁধন কাটা, দ্রুত স্ক্যানিংয়ের দায়িত্ব বহন করে, এবং প্রক্রিয়ায় মূল বইগুলি ধ্বংস করা হয়। অ্যামাজন পরবর্তীতে Inc.-কে নিশ্চিত করেছে যে, কোম্পানিটি “গ্রাহকদের দ্বারা ব্যবহৃত পণ্য এবং সেবা উন্নয়নের জন্য” 商业渠道을 통해 책을 구입한다, 그러나 구체적으로 몇 권을 구입했는지, 프로젝트가 언제 시작되었는지, 데이터가 어떤 제품에 들어가는지, 그리고 희귀하거나 희소한 버전을 사전에 제외할지 여부에 대해서는 답변하지 않았다.

আরও গুরুত্বপূর্ণ বিষয় হলো, এই সূত্রটি গতকাল হঠাৎ করে প্রকাশিত হয়নি। Inc. পাওয়া গেছে যে ২০২৪ সালের সেপ্টেম্বরেই অ্যামাজন সেলার ফোরামে অনেকগুলি বইয়ের অর্ডার LAS8-এ পাঠানোর কথা জানানো হয়েছিল: কেউ একজন ক্রেতার একক অর্ডারে ৬৮টি বইয়ের অর্ডার দেখেছেন, কেউ রাতের বেলা ৪৮টি অর্ডার একসাথে পেয়েছেন, এবং সবগুলি ছিল বিশ্ববিদ্যালয়ের প্রকাশনা বই, আবার কিছু সেলার দাবি করেছেন যে একই অ্যাকাউন্টটি প্রায় প্রতিদিনই বই কিনছে। তখন অ্যামাজন ফোরামের প্রতিনিধিরা চূড়ান্তভাবে এই অর্ডারগুলির বৈধতা নিশ্চিত করেছিল, কিন্তু অ্যামাজন এখনও বলেননি যে সেই অর্ডারগুলি VGT3-এর সাথে সম্পর্কিত কি না।

আমার মতে, এই ঘটনার সত্যিকারের গুরুত্ব হল শুধুমাত্র “টেক বিগস বই ধ্বংস করছে” এই আবেগগত প্রভাব নয়, বরং এটি AI শিল্পে একটি সম্পদ পুনর্মূল্যায়নের দিকে ইঙ্গিত করছে: গত কয়েক বছরে সবচেয়ে দুর্লভ ছিল GPU, ডেটা সেন্টার, বিদ্যুৎ এবং মূলধন, এখন উচ্চমানের, ট্রেসযোগ্য, এবং AI-জেনারেটেড কনটেন্টের দূষণমুক্ত মানব-লিখিত টেক্সটও পুনর্মূল্যায়নের মুখোমুখি হচ্ছে।

পুরনো বইয়ের বাজার হঠাৎ করে এআই সরবরাহ শৃঙ্খলে জড়িয়ে পড়েছে, এটি নস্টালজিয়ার যুগের একটি অস্বাভাবিক ঘটনা নয়, বরং বড় মডেলের ঔদ্যোগিকীকরণের পরে একটি স্বাভাবিক এবং কঠোর পদক্ষেপ।

ইন্টারনেট অসীম মনে হয়, কিন্তু অগ্রণী মডেল প্রশিক্ষণের জন্য প্রাসঙ্গিক ডেটা অসীম নয়।

2024 সালের গবেষণায় ইপক এআই অনুমান করেছে যে, গুণগত এবং পুনরাবৃত্তি সমন্বয়ের পর, প্রশিক্ষণের জন্য উপলব্ধ প্রকাশ্য মানব টেক্সটের কার্যকরী স্টক প্রায় 30 ট্রিলিয়ন টোকেন; যদি সেই সময়ের ডেটা স্কেল বৃদ্ধির প্রবণতা চলতে থাকে, তবে এই স্টক 2026 থেকে 2032 এর মধ্যে সম্পূর্ণভাবে ব্যবহৃত হতে পারে। এই পূর্বানুমানটি “কালি ডেটা শেষ হয়ে যাবে” এর একটি গণনা নয়, কারণ সিনথেটিক ডেটা, ডেটা দক্ষতা, পোস্ট-ট্রেনিং এবং মাল্টিমোডাল পদ্ধতি এখনও পরিবর্তনশীল; কিন্তু এটি একটি দিকনির্দেশনা প্রকাশ করে: শুধুমাত্রওয়েবস্ক্র্যাপিংকে বাড়িয়ে আরও উচ্চমানের নতুন তথ্য পাওয়া越来越难以实现।

কিন্তু পুরানো বইয়ের কিছু বৈশিষ্ট্য রয়েছে যা এআই কোম্পানিগুলি উপেক্ষা করতে পারে না।

প্রথমত, এগুলি প্রায়শই লেখক, সম্পাদক এবং প্রকাশকদের দ্বারা অনেকগুলি পর্যায়ে ছাঁটাই করা হয়, যার ফলে তথ্যের ঘনত্ব এবং কাঠামো সাধারণত এলোমেলো ওয়েবপেজের চেয়ে বেশি স্থিতিশীল। দ্বিতীয়ত, অসংখ্য স্থানীয় ইতিহাস, পেশাদার হাতবই, নিচু জনপ্রিয় শৈক্ষিক গ্রন্থ, পুরনো পাঠ্যবই, শিল্প সংক্রান্ত উপকরণ এবং অ-ইংরেজি প্রকাশনা কখনও সম্পূর্ণরূপে ডিজিটালাইজড হয়নি, এবং পাবলিক ওয়েবপেজগুলি এগুলি ধরতে পারে না। আরও সূক্ষ্মভাবে, বিশেষ করে জেনারেটিভ AI-এর ব্যাপকভাবে普及-এর আগে প্রকাশিত কনটেন্টগুলির বেশিরভাগই শুধুমাত্র মানুষের লেখা পরিবেশ থেকে এসেছে।

এই মূল্যটি ডেটা সরবরাহকারীদের দ্বারা সরাসরি উল্লেখ করা হয়েছে। এই বছর জুলাইয়ে বই ক্রয় বাজার সম্পর্কিত প্রতিবেদনে, বই ডেটাবেস কোম্পানি ISBNdb একসময় “বিশ্বের সেরা AI ট্রেনিং ডেটা শেলফের উপরে শুয়ে আছে” বলে উল্লেখ করে AI কোম্পানিগুলির জন্য বই ক্রয়ের চাহিদা পরীক্ষা করেছিল এবং বইগুলিতে সংগঠিত, সম্পাদিত, পেশাদার মানুষের জ্ঞান অন্তর্ভুক্ত রয়েছে বলে জোর দিয়েছিল। ISBNdb পরবর্তীতে বলেছিল যে এই পৃষ্ঠাটি শুধুমাত্র বাজারের চাহিদা পরীক্ষা ছিল এবং এটি সরিয়ে ফেলা হয়েছে।

কেন এই বাক্যটি চোখে পড়ে? কারণ এটি পুরো শিল্পের উদ্বেগকে প্রকাশ করে।

যত বেশি জেনারেটিভ এআই শক্তিশালী হয়, তত বেশি এআই দ্বারা লেখা, এআই দ্বারা পুনর্লিখিত এবং এআই দ্বারা সংক্ষিপ্তকৃত টেক্সট ইন্টারনেটে প্রচুর পরিমাণে প্রকাশিত হয়। যদি মডেলগুলি এই সব কনটেন্টকে অবিচ্ছেদে পুনরায় গ্রহণ করে, তাহলে ডেটা উৎসগুলি আরও জটিল হয়ে উঠবে। ফলে, জেনারেটিভ এআই-এর ঢলের আগে কাগজে ছাপা হওয়া জিনিসগুলির হঠাৎ করেই একটি অতিরিক্ত মূল্য যোগ হয়েছে: কমপক্ষে সময়ের দিক থেকে, এগুলি একটি বৃহৎ-পরিসরের জেনারেটিভ এআই-এর হস্তক্ষেপহীন তথ্য পরিবেশের সাথে আরও কাছাকাছি।

অতএব, অ্যামাজন পুরনো বই কেনা মানে এটি “পেপার মিডিয়ার যুগে ফিরে যাচ্ছে” নয়, বরং এটি অত্যন্ত গভীর ডেটা-সেন্ট্রিক চিন্তাভাবনা। মডেল ট্রেইনারদের জন্য, একটি বইয়ের কভার, বাইন্ডিং এবং কালেকশনের গল্পের কোনও প্রত্যক্ষ ট্রেইনিং মূল্য নেই; আসলে যা মূল্যবান তা হলো সেই tokenগুলি, যেগুলিকে টোকেনাইজ, ইনডেক্স, ডুপ্লিকেট অপসারণ, লেবেল এবং ট্রেইন করা যায়।

বই পণ্য থেকে কর্পাসে পরিণত হয়, এবং এর দামের ব্যবস্থা পরিবর্তিত হয়। গত কয়েক দশক ধরে কেউ জিজ্ঞাসা না করা একটি পেশাদার পুরানো বইয়ের জন্য হঠাৎ করেই নতুন মেশিনি চাহিদা তৈরি হতে পারে, কারণ ইন্টারনেটে এর সম্পূর্ণ ডিজিটাল সংস্করণ নেই।

এটিই সবচেয়ে বেশি মনোযোগ দেওয়ার মতো বিষয়।

কারণটি প্রথমে খুব সাধারণ: দক্ষতা।

হাজার হাজার বইয়ের শিল্পগত ডিজিটালাইজেশনের জন্য প্রতিটি পৃষ্ঠা একে একে ফটোগ্রাফ করা অত্যন্ত ধীরগতির। বইয়ের পিঠ কেটে ফেললে কাগজের পৃষ্ঠাগুলি সমতলভাবে পৃথক হয়ে যায়, যা দ্রুত স্ক্যানিং এবং পরবর্তী টেক্সট রিকগনিশনের জন্য আরও উপযুক্ত। ধ্বংসাত্মক স্ক্যানিং শুধুমাত্র AI যুগের প্রযুক্তি নয়, কিন্তু AI এটিকে প্রথমবারের মতো প্রত্যক্ষ ডেটা ইন্ডাস্ট্রিয়াল ব্যবহারের দিকে নিয়ে যাওয়ার সম্ভাবনা রাখে।

আরও একটি দ্বিতীয় স্তরের আরও সংবেদনশীল প্রেক্ষাপট রয়েছে: আইন।

2025 সালের জুনে, মার্কিন যুক্তরাষ্ট্রের ক্যালিফোর্নিয়া উত্তর জেলা আদালতে Bartz v. Anthropic মামলায় প্রকাশিত হয় যে, Anthropic কয়েক মিলিয়নটি কাগজের বই কিনেছিল, সেগুলির বাঁধন খুলে, পৃষ্ঠা কেটে ডিজিটাল কপি স্ক্যান করেছিল, এবং ডিজিটাল সংস্করণ তৈরির পরে কাগজের মূলটি ফেলে দিয়েছিল। বিচারক উইলিয়াম অ্যালসুপ সেই সময়ের নির্দিষ্ট প্রাসঙ্গিক তথ্যের ভিত্তিতে এই “একটি কাগজের কপি একটি অভ্যন্তরীণ ডিজিটাল কপি দ্বারা প্রতিস্থাপিত হয়, এবং ডিজিটাল কপি বাইরের দিকে প্রচারিত হয়না” —এই ফরম্যাট-ট্রান্সফরমেশনকে “উচিত ব্যবহার” (fair use) হিসেবে বিবেচনা করেন; আদালতও মামলায় উল্লিখিত বিশেষ AI মডেল ট্রেনিংয়ের উদ্দেশ্যকে “উচিত ব্যবহার” (fair use) হিসেবে চিহ্নিত করেছে।

কিন্তু একই রায় একটি খুব কঠোর রেখা আঁকে।

অ্যানথ্রোপিক আগে একটি পাইরেট ডাটাবেস থেকে 700 লাখেরও বেশি বই ডাউনলোড করেছিল। আদালত মনে করেছেন যে, এই পাইরেট উৎসগুলির একটি কেন্দ্রীয় ডিজিটাল লাইব্রেরি তৈরি করা এবং দীর্ঘদিন ধরে সংরক্ষণ করা, যেহেতু এর কিছু অংশ পরবর্তীতে AI প্রশিক্ষণের জন্য ব্যবহার করা হয়েছিল, তাই এটি স্বয়ংক্রিয়ভাবে যৌক্তিক ব্যবহারের সুরক্ষা পায়নি। আদালত স্পষ্টভাবে আইনগতভাবে ক্রয়কৃত এবং পাইরেটকৃত উপায়ে প্রাপ্ত জিনিসগুলিকে আলাদাভাবে বিবেচনা করেছেন।

এই লাইনটি কেন গুরুত্বপূর্ণ? কারণ এটি সম্পূর্ণ AI শিল্পকে একটি মহাকাশীয় ক্রয়ের পাঠ দিয়েছে: শুধুমাত্র “প্রশিক্ষণের জন্য যেকোনো ডেটা নিয়ে নিন” নয়, বরং ডেটা কোথা থেকে আসছে, প্রতিষ্ঠানগুলি কি কপিরাইট পেয়েছে, এবং কীভাবে সংরক্ষণ ও কপি করা হচ্ছে—এগুলি আইনগত ঝুঁকি পরিবর্তন করতে পারে।

এবং এই ক্লাসটি পরে প্রকৃতপক্ষে বেশি দামি হয়ে গেল।

2026 সালের 20 জুলাই, মার্কিন জেলা আদালত এনথ্রোপিক এবং লেখক ও প্রকাশকদের মধ্যে 1.5 বিলিয়ন ডলারের সাধারণ কপিরাইট সমাধানকে চূড়ান্তভাবে অনুমোদন করে। এই সমাধানে 482,000টিরও বেশি বই অন্তর্ভুক্ত রয়েছে, যার প্রায় 91% সংশ্লিষ্ট কাজের জন্য ক্ষতিপূরণের দাবি জানানো হয়েছে। এটি স্পষ্টভাবে বলা প্রয়োজন যে, এই সমাধানটি অবৈধ উৎসের সাথে সম্পর্কিত দাবিগুলির জন্য, এবং এটি মার্কিন আইনজীবী ব্যবস্থা দ্বারা AI প্রশিক্ষণের জন্য একটি সার্বজনীন অনুমতি প্রদানের অর্থ বহন করে না; অন্যান্য case, ভিন্ন ডেটা উৎস এবং ভিন্ন ব্যবহারের ক্ষেত্রেও ভিন্ন ফলাফল হতে পারে।

এর ফলে, আজকাল অ্যামাজন ব্যবসায়িক চ্যানেলের মাধ্যমে বই কিনছে, যা ঝুঁকি নিয়ন্ত্রণের যুক্তিতে খুবই বোঝা যায়।

এটি কি অ্যানথ্রোপিক মামলার আইনি পথকে সরাসরি অনুসরণ করে প্রক্রিয়া ডিজাইন করেছে? বর্তমানে কোনও প্রকাশিত প্রমাণ নেই, তাই এই চূড়ান্ত সিদ্ধান্তে আসা যায় না। তবে ২০২৬ সালে, যখন অ্যানথ্রোপিকের রায় এবং ১.৫ বিলিয়ন ডলারের সমাধান দুটিই টেবিলের উপরে রাখা হয়েছে, প্রতিটি বড় AI কোম্পানি আরও বেশি মনোযোগ দেবে: আপনি কি প্রমাণ করতে পারবেন যে ডেটা কোথা থেকে এসেছে?

একটি বইয়ের কিনতে প্রায়শই খুব কম দাম দিতে হয়; কয়েক বছর পর আদালতে লক্ষ লক্ষ প্রশিক্ষণ উপাদানের উৎস ব্যাখ্যা করা হয়তো একদমই সস্তা হবে না।

এআই শিল্প অতীতে ডেটাকে নেটওয়ার্কে অসীম বাতাস হিসাবে দেখত, এখন এটি "উৎস"কে পেমেন্ট করা শিখছে।

এখানে অনুভূতি এবং তথ্যকে আলাদা করতে হবে।

সাধারণ সেরা বিক্রেতা, বড় পরিমাণে ছাপা জনপ্রিয় বই, এবং বাজারে এখনও অসংখ্য কপি থাকা পুরনো বই পুনঃচক্রণ ব্যবস্থায় আসা স্বাভাবিক, এটি সংস্কৃতিগত দুর্যোগ নয়। পুরনো ও দ্বিতীয় হাতের বইয়ের শিল্পেও অতীতে বইয়ের ছবি কেটে বিক্রি করা, অবিক্রিত বই প্রক্রিয়াকরণের মতো কাজ হয়েছে। AI-এর আবির্ভাবের কারণে হঠাৎ করে প্রতিটি পুরনো বইকে একক প্রতিলিপি বলে ভাবা উচিত নয়।

সমস্যা হলো, আমাজন এখনও এটি নির্দিষ্ট, অপ্রকাশিত বা বিশেষ সংস্করণগুলি ধ্বংস স্ক্যানের আগে চিহ্নিত করবে কিনা তা উত্তর দেয়নি।

404 Media দ্বারা ট্র্যাক করা সেই বইটিকে প্রতিবেদনে একটি দুর্লভ বই হিসাবে বর্ণনা করা হয়েছে, এবং Inc. সংস্থাটি আমাজনকে জিজ্ঞাসা করেছিল যে কোম্পানিটি দুর্লভ বা সীমিত সংস্করণগুলি বিনষ্টের আগে কি ছাঁটাই করেছে, কিন্তু কোনও প্রতিক্রিয়া পাওয়া যায়নি।

এটি একটি ফাঁক রেখে যায় যা “যেহেতু আমি ইতিমধ্যে কিনে ফেলেছি” বলে সহজেই উপেক্ষা করা যায় না: আইনগত মালিকানা এবং সাংস্কৃতিক সংরক্ষণের মূল্য মৌলিকভাবে একই কিছু নয়।

একটি বইয়ের মূল পাঠ্য স্ক্যান করা যায়। তবে কোনো নির্দিষ্ট সংস্করণের স্বাক্ষর, পাঠকের মন্তব্য, বইয়ের লেবেল, বিশেষ বাঁধন, ভুল সংশোধনের তথ্য, স্থানীয় মুদ্রণের ছাপ, এমনকি একটি বইয়ের দশকের পর দশক ধরে সঞ্চিত ভৌত রেকর্ডগুলি অবশ্যই OCR-এ প্রবেশ করবে না, আর তা চূড়ান্ত ট্রেনিং সেটেও প্রবেশ করবে না।

লেখা থাকে, কিন্তু সাক্ষ্য হারিয়ে যেতে পারে।

এই উদ্বেগ শুধু মার্কিন যুক্তরাষ্ট্রেই সীমাবদ্ধ নয়। এই বছর ব্রিটেন এবং আয়ারল্যান্ডের অনেক দ্বিতীয় হাতের বইয়ের বিক্রেতা দ্য গার্ডিয়ানকে জানিয়েছেন যে গত কয়েক মাসে অসংশ্লিষ্ট বিষয়বস্তুবিশিষ্ট, মূল্য-সংবেদনশীল নয় এমন বড় পরিমাণের ক্রয় দেখা গেছে: কেউ একবারে এস্তোনিয়ান ভাষায় উপন্যাস, ব্রন্টির নির্দিষ্ট সংস্করণ এবং 1983 সালের পুরনো ম্যাগাজিন কিনেছেন; একজন বইয়ের বিক্রেতা বলেছেন যে এই বছর এখন পর্যন্ত 6000টি বইয়ের অর্ডার পেয়েছেন। অস্ট্রেলিয়ায়ও আগে থেকেই বইয়ের বিক্রেতারা অস্বাভাবিকভাবে বড় পরিমাণের অর্ডারের কথা জানিয়েছিলেন।

কিন্তু এখানেও সত্যের সীমানা রক্ষা করা প্রয়োজন: এই বিদেশি অর্ডারগুলির পিছনে কি সবগুলি এআই কোম্পানি, এখনও কোনও প্রকাশিত প্রমাণ নেই। দ্য গার্ডিয়ানের প্রতিবেদনটিও স্পষ্টভাবে এগুলিকে বইয়ের বিক্রেতাদের অনুমান এবং উদ্বেগ হিসাবে উল্লেখ করেছে, যা ইতিমধ্যেই নিশ্চিত এআই ক্রয় নয়।

404 Media-এর এই অ্যামাজনের বিরুদ্ধে তদন্তটিই বাস্তবিকভাবে ট্র্যাক করা ডিভাইস দ্বারা সঠিক AI স্ক্যান সুবিধার দিকে নিয়ে যাওয়া হয়েছিল।

এটাই ব্যাপারটির প্রতিটি স্বচ্ছতার গুরুত্ব ব্যাখ্যা করে।

যদি প্রতিষ্ঠানটি মনে করে যে এই ক্রয়টি আইনগত, যুক্তিসঙ্গত এবং পণ্যটি উন্নত করতে সক্ষম, তবে কয়েকটি মৌলিক প্রশ্ন অত্যধিক নয়: ধ্বংসাত্মক স্ক্যানিংয়ের জন্য কোন ধরনের বইগুলি অন্তর্ভুক্ত হবে? একক প্রতিলিপি, দুর্লভ বই, স্বাক্ষরিত সংস্করণ এবং বিশেষ বস্তুগত মূল্যযুক্ত সংস্করণগুলি বাদ দেওয়া হয়েছে কি? স্ক্যানিংয়ের পরে কাগজগুলি কীভাবে পরিচালিত হবে? ডিজিটাল কপি কতক্ষণ রাখা হবে? এগুলি প্রধানত কোন পণ্য বা মডেল শ্রেণীগুলিতে ব্যবহার করা হবে?

কোম্পানিগুলি অবশ্যই সমস্ত প্রশিক্ষণ রেসিপি প্রকাশ করতে বাধ্য নয়।

কিন্তু “আমরা এটি কিনেছি, তাই আমরা সবকিছু নিঃশব্দে কেটে ফেলতে পারি” এটি যথেষ্ট পরিপক্ক উত্তর নয়।

কারণ এটি এখন অত্যন্ত দ্রুত এআই-এর উপর বেট বানাচ্ছে।

ফেব্রুয়ারিতে, অ্যামাজন ঘোষণা করেছিল যে ২০২৬ সালের জন্য মোট মূলধন ব্যয় প্রায় ২০০ বিলিয়ন ডলার হবে, যার মধ্যে প্রধান সুযোগগুলি হল কৃত্রিম বুদ্ধিমত্তা, চিপ, রোবটিক্স এবং নিম্ন পৃথিবীকক্ষপথের উপগ্রহ। দ্বিতীয় ত্রৈমাসিকে, কোম্পানির বিক্রয় ২০০.৬ বিলিয়ন ডলারে পৌঁছেছে, যা গতবছরের তুলনায় ২০% বৃদ্ধি; AWS-এর বিক্রয় ৪২.২ বিলিয়ন ডলারে পৌঁছেছে, যা ৩৭% বৃদ্ধি পেয়েছে, এটি ১৮টি ত্রৈমাসিকের মধ্যে সর্বোচ্চ গতি। গত ১২ মাসের মধ্যে মুক্ত নগদপ্রবাহ ৭.৬ বিলিয়ন ডলারের শুদ্ধ বহির্গমনে পরিণত হয়েছে, এবং অ্যামাজন স্পষ্টভাবে জানিয়েছে যে সম্পত্তি এবং সরঞ্জামের ক্রয়ের পরিমাণ বড়ভাবে বেড়েছে, যা মূলত কৃত্রিম বুদ্ধিমত্তার বিনিয়োগকে প্রতিফলিত করে। AWS-এর AI এবং চিপ ব্যবসা যথাক্রমে ২৫০ বিলিয়ন ডলারের বার্ষিকী আয়ের হারেরও উপরে পৌঁছেছে।

আরও উল্লেখযোগ্য হল অ্যামাজন এবং এনথ্রোপিকের সম্পর্ক।

এপ্রিলে, অ্যামাজন আগের 80 বিলিয়ন ডলারের বিনিয়োগের উপর আরও 50 বিলিয়ন ডলার বিনিয়োগ করার ঘোষণা করেছে এবং নির্দিষ্ট ব্যবসায়িক মাইলফলক অর্জনের পরে আরও 200 বিলিয়ন ডলার যোগ করার অপশন রাখে। একইসময়ে, Anthropic প্রতিশ্রুতি দিয়েছে যে ভবিষ্যতের দশকে AWS প্রযুক্তির উপর 1000 বিলিয়ন ডলারেরও বেশি খরচ করবে এবং সর্বোচ্চ 5GW বর্তমান এবং ভবিষ্যত Trainium ক্ষমতা পাবে।

অন্যভাবে বললে, অ্যামাজন এখন ক্লাউড ইনফ্রাস্ট্রাকচার প্রোভাইডার হিসেবেও কাজ করছে, এগিয়ে যাওয়া মডেল শিল্পের ক্যাপিটাল পার্টিসিপ্যান্ট হিসেবেও কাজ করছে, এবং Nova, Alexa, Rufus এবং অসংখ্য এন্টারপ্রাইজ AI সার্ভিসেরও মালিক।

এটির জন্য শুধু আরও চিপের প্রয়োজন নেই।

এটির আরও বেশি উচ্চ মানের জ্ঞান, দীর্ঘ পুঁজি জ্ঞানের কভারেজ, বিশ্বস্ত ডেটা উৎস, এবং সহজে ব্যাখ্যা করা যায় এমন ডেটা স্বত্বের শৃঙ্খলা প্রয়োজন।

আমাজনের বর্তমান মূলধন ব্যয়ের পরিমাণ বিবেচনা করলে, পুরনো বইয়ের বড় পরিমাণে ক্রয় নিশ্চিতভাবেই কোম্পানির আর্থিক অবস্থার জন্য প্রধান খরচ হয়ে উঠবে না। আসলে গুরুত্বপূর্ণ হলো এই কাজটির মাধ্যমে প্রেরিত সংকেত: যে একটি বিশাল কোম্পানি প্রতি বছর প্রায় 2000 বিলিয়ন ডলার বিনিয়োগ করে প্রযুক্তির অবকাঠামো বিস্তার করছে, তা এখনও বিক্ষিপ্ত, অকার্যকর এবং প্রতিটি বইয়ের মূল্যনির্ধারণের মাধ্যমে কাজ করা দ্বিতীয়-হাতের বইয়ের বাজারের দিকে তার সরবরাহ শৃঙ্খলের সংযোগ বিস্তারের প্রতি প্রস্তুত।

কেন?

কারণ কিছু ডেটা সত্যিই কোনও সংক্ষিপ্ত পথ নেই।

এটিই এখন এআই প্রতিযোগিতার পরিবর্তন হচ্ছে। অতীতে সবাই কার বেশি ওয়েবপেজ স্ক্র্যাপ করতে পারে তা নিয়ে প্রতিযোগিতা করত, তারপর কার বেশি GPU আছে তা নিয়ে, এখন ক্রমশঃ কার আরও পরিষ্কার, আরও অনন্য, আরও আইনগত এবং আরও কঠিনভাবে কপি করা যায় এমন ডেটা আছে তা নিয়ে প্রতিযোগিতা হচ্ছে।

ডেটা এখন শুধুমাত্র প্রশিক্ষণ শুরুর আগের একটি “কাঁচামাল” হিসাবে নয়।

এটি একটি সম্পদ হয়ে উঠছে যা ক্রয়, পরিষ্কার, স্বত্ব নিশ্চিতকরণ, ট্র্যাকিং এবং অডিট করা প্রয়োজন।

সত্যিকারের ডেটা প্রতিবন্ধক হতে পারে “যে ব্যক্তি ইন্টারনেটের কপি রাখে” নয়, বরং যে ব্যক্তি অন্যদের কাছে পাওয়া যায় না, পাওয়া যায় কিন্তু স্থিতিশীল নয়, অথবা পেয়েও নিরাপদে ব্যবহার করার সাহস হয় না এমন উচ্চমানের কনটেন্ট।

আমি মনে করি উপসংহারটি হওয়া উচিত নয় যে "AI কোম্পানিগুলিকে ভৌত বই স্ক্যান করা থেকে বাধা দেওয়া হোক।"

ডিজিটালাইজেশন নিজেই জ্ঞান সংরক্ষণ করতে পারে এবং অপ্রচলিত কনটেন্টকে আবার অনুসন্ধান, গবেষণা এবং মেশিন বোঝার ব্যবস্থায় ফিরিয়ে আনতে পারে। বহু সাধারণ দ্বিতীয় হাতের বইয়ের ক্ষেত্রে, ধ্বংসাত্মক স্ক্যানিং চূড়ান্তভাবে পুনর্ব্যবহারযোগ্য কাগজে পরিণত হওয়ার চেয়ে খারাপ হতে পারে না। “AI বই পোড়াচ্ছে” হিসাবে এটিকে সহজভাবে লেখা হলে আবেগ প্রচুর, কিন্তু তথ্য অপর্যাপ্ত।

বাস্তব সীমানা দুটি।

প্রথমটি হল অধিকারের সীমানা: একটি কাগজের বই কেনা মানে সেই কাজের সম্পূর্ণ কপিরাইট কেনা নয়, আরও বেশি করে সমস্ত প্রশিক্ষণ, কপি এবং আউটপুট করার কাজগুলি স্বাভাবিকভাবেই বৈধ হয় না। বার্টজ মামলা হল একটি মার্কিন ফেডারেল জেলা আদালতের একটি নির্দিষ্ট তথ্যের ভিত্তিতে প্রদত্ত গুরুত্বপূর্ণ রায়, এটি বিশ্বব্যাপী AI কোম্পানিগুলির জন্য স্থায়ী পাসপোর্ট নয়।

দ্বিতীয়টি হল সীমানা সংরক্ষণ: যদি একটি প্রতিষ্ঠান প্রমাণ করতে না পারে যে এটি বিদ্যমান দুর্লভ, সংস্করণগতভাবে অনন্য বা বিশেষ ঐতিহাসিক মূল্যবান বইগুলি চিহ্নিত করে এবং এগুলি এড়িয়ে চলে, তাহলে “দক্ষ স্ক্যানিং” একটি ডেটা ইঞ্জিনিয়ারিং সমস্যাকে অপরিবর্তনীয় সাংস্কৃতিক ক্ষতির মধ্যে পরিণত করতে পারে।

আমাজনের সবচেয়ে বেশি উত্তর দেওয়া উচিত ছিল, “আপনারা কেন বই প্রয়োজন?”

এই উত্তরটি এখন আরও পরিষ্কার: কারণ মানুষ গত কয়েকশ বছরে যে বিপুল পরিমাণ উচ্চ মানের জ্ঞান রেখে গেছে, তা সম্পূর্ণরূপে খোলা ইন্টারনেটে উপলব্ধ নয়।

সত্যিকারের প্রশ্নটি হল: যখন এই বইগুলি বইয়ের তাক থেকে এআই প্রশিক্ষণ লাইনে চলে যায়, তখন কে সিদ্ধান্ত নেবে কী বিসর্জন দেওয়া যাবে এবং কী বিসর্জন দেওয়া উচিত নয়? কে নিশ্চিত করবে যে কোম্পানিগুলি কনটেন্টই পাচ্ছে, না কনটেন্টের বাইরের ইতিহাসকে দুষ্টুমি করে মুছে ফেলছে?

এই বিষয়টির প্রতিকূলতা খুব বেশি।

অ্যামাজন একসময় বইগুলি মানুষের হাতে পৌঁছে দিয়ে ইন্টারনেট ব্যবসার সবচেয়ে গুরুত্বপূর্ণ কোম্পানি গুলির একটি হয়ে উঠেছিল; আজ, এটি আবার বইগুলি কিনে নিচ্ছে, খুলে ফেলছে, এবং লেখাগুলিকে মেশিনের ভিতরে পাঠাচ্ছে।

প্রযুক্তি অবশ্যই জ্ঞানের বহনকারীকে পরিবর্তন করতে পারে, কিন্তু এর অর্থ এই নয় যে বহনকারীটির কোনো মূল্যই নেই বলে অবহেলা করা যায়।

এআইকে মানুষ দ্বারা লেখা কিছু প্রয়োজন, এটি নিয়ে কোনো লজ্জা নেই। প্রকৃতপক্ষে সতর্ক হওয়া দরকার যখন সম্পূর্ণ শিল্পটি “মানুষের দ্বারা রেখে যাওয়া উচ্চমানের টেক্সট”-এর উপর বেশি নির্ভরশীল হয়ে পড়ে, কিন্তু এই প্রাপ্তির প্রক্রিয়াটিকে সরবরাহ শৃঙ্খলের গভীরে লুকিয়ে রাখে, এবং কপিরাইট, উৎস, বিরলতা এবং সংরক্ষণের দায়িত্বকে পরবর্তী সমস্যা হিসাবে বিবেচনা করে।

মডেল একটি বইকে টোকেনে সংকুচিত করতে পারে, কোম্পানি টোকেনকে প্যারামিটারে পরিণত করতে পারে, কিন্তু কিছু জিনিস একবার কেটে গেলে পুনরায় প্রশিক্ষণের মাধ্যমে ফিরিয়ে আনা যায় না।

সভ্যতা ডিজিটালাইজ করা যায়, কিন্তু দায়িত্বকে "ফরম্যাট কনভার্ট" করা যায় না।

1. এমানুয়েল মাইবার্গ। “আমরা দুর্লভ বইয়ের একটি শিপমেন্ট ট্র্যাক করেছিলাম। এটি একটি অ্যামাজন এআই ট্রেনিং সুবিধায় শেষ হয়েছিল।” 404 মিডিয়া, 2026-08-17.
2. জর্জিয়া ফিয়ার্ন। “অ্যামাজন ২০২৪ সাল থেকে পুরনো বইগুলি কিনে স্ক্যান করার পর ধ্বংস করছে।” Inc., 2026-08-17.
3. Amazon.com, Inc. “Amazon.com দ্বিতীয় ত্রৈমাসিক ফলাফল ঘোষণা করে।” 2026-07-30.
4. অ্যামাজন। “অ্যামাজন এবং অ্যানথ্রোপিক স্ট্র্যাটেজিক সহযোগিতা বাড়াচ্ছে।” 2026-04-20.
5. মার্কিন যুক্তরাষ্ট্রের জেলা আদালত, উত্তর জেলা, ক্যালিফোর্নিয়া। বার্টজ বনাম এনথ্রোপিক পিবিসি, ফেয়ার ইউজ এবং অপব্যবহার সম্পর্কিত আদেশ, 2025-06-23।
6. রয়টার্স। “মার্কিন বিচারপতি এনথ্রোপিকের কপিরাইট মামলার $1.5 বিলিয়ন সমাধানকে অনুমোদন করেছেন।” 2026-07-20.
7. পাবলো ভিলালোবস এবং অন্যান্য। “আমরা কি ডেটা শেষ হয়ে যাব? মানুষ-তৈরি ডেটা ভিত্তিক এলএলএম স্কেলিংয়ের সীমাবদ্ধতা।” ইপক এআই, 2024-06-06.
8. ড্যান মিলমো। “যুক্তরাজ্য ও আয়ারল্যান্ডের দ্বিতীয় হাতের বইয়ের বিক্রেতারা কৃত্রিম বুদ্ধিমত্তা কোম্পানিগুলিকে ‘অদ্ভুত’ বৃহৎ অর্ডারের পিছনে সন্দেহ করছে।” দ্য গার্ডিয়ান, 2026-08-15.