Nagsisimula ang Amazon na pagkawalan ng mga aklat para sa pagtuturo ng AI dahil sa kakulangan ng data

Kasabay ng pagiging mas mahirap para sa publikong internet na magbigay ng sapat na kakulangan, kumpiyansa, at malinis na mataas na kalidad na teksto mula sa AI-generated content, ang mga lumang aklat ay nagsisimulang maging mga data na materyales sa panahon ng AI, hindi na lamang mga kultural na produkto.

May-akda at pinagmulan: 0x9999in1, ME News



• Hindi ito isang simpleng balita tungkol sa “Amazon na nagpapabagsak ng mga aklat.” Mas mahalagang signal: habang ang pampublikong internet ay naging mas mahirap magbigay ng sapat na kakulangan, kumpiyansa, at mataas na kalidad na teksto na hindi nadudumihan ng AI-generated na nilalaman, ang mga lumang aklat ay nagsisimulang maging mga data na materyales sa panahon ng AI.
• Ang isang order na halos 1,000 libro na tinatayang nai-track ng 404 Media ay natapos sa warehouse ng Amazon sa North Las Vegas, LAS8; ayon sa mga empleyado, ang VGT3 team ay magkakaroon ng pagkakahiwalay sa spine ng libro at i-scan ang mga pahina, kaya ang orihinal na papel ay nasira. Tinatanggap ng Amazon na bumibili ng mga libro sa pamamagitan ng negosyo upang mapabuti ang kanilang produkto at serbisyo, ngunit hindi nila isinampa ang laki ng proyekto, ang petsa ng pagmumula, ang partikular na layunin, o sumagot kung babalewalaan nila ang mga makabagong o kakaibang bersyon bago masira.
• Ang pahayag na “Bumili muna ng physical book, tapos gawin ang destructive scanning” ay may karagdagang konteksto: Sa kaso ng Bartz v. Anthropic noong 2025, tinanggap ng U.S. Federal District Court ang合理使用 ng一对一 digital replacement sa mga legal na biniling paper book, ngunit malinaw na hinati ang legal na pagbili mula sa pagkuha sa pamamagitan ng piracy. Hanggang sa July 2026, ang collective copyright lawsuit laban kay Anthropic na may kinalaman sa mga pirated sources ay nalutas sa pamamagitan ng $1.5 bilyon na kasunduan. Ang mga pinagkukunan ng data ay nagsisimula nang maging isyu sa balance sheet, hindi na teknikal.
• Hindi nakakagulat na sumali ang Amazon saayon. Inaasahan ng kumpanya na ang kapital expenditure ay magiging halos $200 bilyon noong 2026, kung saan ang AI ay ang pangunahing direksyon ng pag-invest; tumataas ang kita mula sa AWS sa ikalawang kwarter ng taong ito ng 37% patungo sa $42.2 bilyon. Patuloy pa ring lumalawak ang computing power, ngunit tumataas din ang marginal value ng mataas kalidad na data.
• Hindi ang lahat ng mga gawain na “pagsasalin” ang dapat pag-iingatan, kundi ang isang sistema ng pagbili at pagpapalayas na walang transparensya: ang mga pangalawang kamay na aklat ay maaaring i-print muli at bilhin muli, ngunit ang ilang mga aklat na wala nang pagkakataong i-print, mga bersyon na may mga tala, mga lokal na publikasyon, at mga maliit na kopya ng teksto ay maaaring hindi na mabawi. Kapag wala nang mekanismo ng pagpili, ang mga kumpanya ng AI ay nakakakuha ng data, samantalang ang lipunan ay maaaring mawalan ng hindi mababawi na pisikal na rekord.

Ang pinakamakapagpabiglaang imahe sa gawaing ito ay lubos na malupit: isang aklat ay kinutok sa likod nito, ang mga pahina ay ipinapasa sa isang scanner, at sa huli, ang orihinal na aklat ay wala nang umiiral. Mas dramatiko pa, ang kumpanyang gumagawa nito ay ang Amazon—iyan ang Amazon na nagsimula noong 1995 sa pagbebenta ng mga aklat online. Tatlong dekada pagkatapos, ito ay muli'y bumibili ng malalaking dami ng mga aklat, ngunit sa pagkakataong ito, ang mga aklat ay hindi kailangang maipadala sa mga mambabasa, kundi gawing datos na maaaring "kainin" ng mga makina.

Ayon sa imbestigasyon na inilabas ng 404 Media noong Agosto 17, nagtulungan ang reporter na si Emanuel Maiberg sa isang negosyante na nakakuha ng malaking order sa Biblio upang ilagay ang isang AirTag sa isang aklat mula sa isang batch na may halos 1,000 libro. Ang tracker ay umabot sa LAS8 warehouse ng Amazon sa North Las Vegas. Ayon sa mga empleyado na nagtatrabaho sa lugar, ang isang grupo na tinatawag na VGT3 ang responsable sa pagtatanggap ng malaking dami ng papel na aklat, pagkakalat ng mga binding, at mabilis na pag-scan, kung saan ang orihinal na aklat ay nasira sa proseso. Tinapat ng Amazon kay Inc. na ang kompanya ay “bumibili ng mga libro sa pamamagitan ng mga komersyal na channel upang tulungan ang pagbuo at pagpapabuti ng mga produkto at serbisyo na ginagamit ng mga customer,” ngunit hindi sumagot kung gaano karaming aklat ang binili, kailan nagsimula ang proyekto, saan pumapasok ang data, at kung gagawin ba nilang alisin ang mga makabuluhang o kakulangan na bersyon bago ito mabili.

Mas nakakatanda, ang patunay na ito ay hindi nagmula nang biglaan kahapon. Natuklasan ng Inc. na noong Setyembre 2024, may mga nagrereport sa forum ng mga seller ng Amazon tungkol sa malaking bilang ng mga order ng libro na dinala sa LAS8: may naranasan na isang buyer na nag-order ng 68 order sa isang pagkakataon, may nakuha ng 48 order sa magkakasunod na oras sa gabi, at lahat ay mga libro mula sa mga university press; at may mga seller na nagsabi na ang parehong account ay halos araw-araw ay bumibili ng libro. Ang representante ng forum ng Amazon ay kalaunan ay nag-verify na ang mga order na ito ay wasto, ngunit ngayon ay wala nang paliwanag ang Amazon kung ang mga order na ito ay may kinalaman sa VGT3.

Ang aking pagtataya ay ang totoo nang napapansin dito ay hindi ang emosyonal na epekto ng “mga teknolohikong gigante ay nagpapahinto sa mga aklat,” kundi ang ipinakikita nito ay isang pagbabalik-tanaw sa yaman sa industriya ng AI: sa mga nakaraang taon, ang pinakakakulangan ay ang GPU, data center, kuryente, at kapital, ngayon, ang mataas na kalidad, ma-track, at kahit paano walang kontaminasyon ng AI-generated na mga teksto ng tao, ay nagsisimulang mabago ang kanilang halaga.

Ang pagkakasali ng merkado ng mga lumang aklat sa supply chain ng AI ay hindi isang kakaibang pangyayari mula sa isang panahon ng pagtanda, kundi isang natural at malupit na hakbang pagkatapos ng industrialisasyon ng malalaking modelo.

Ang internet ay tila walang hanggan, ngunit ang mga data na talagang angkop para sa pag-train ng mga modernong modelo ay hindi walang hanggan.

Sa pag-aaral ni Epoch AI noong 2024, inaasahang mayroong halos 300 trilyon na token ng epektibong available public human text pagkatapos ng pag-adjust para sa kalidad at pag-uulit; kung patuloy ang trend ng paglaki ng dami ng data noong panahong iyon, maaaring maging ganap na gamitin ang stock na ito sa pagitan ng 2026 at 2032. Ang pagtaya na ito ay hindi isang countdown na “mawawala ang data bukas,” dahil patuloy ang pagbabago sa synthetic data, data efficiency, post-training, at multi-modal methods, ngunit ipinapakita nito ang isang direksyon: mas mahirap na makakuha ng parehong kalidad ng bagong impormasyon sa pamamagitan ng pagpapalawak lamang ng web scraping.

Ang mga lumang aklat ay may ilang katangian na hindi makakalimutan ng mga kumpanya sa AI.

Una, kadalasan ay napapasa sa maraming pagpili ng may-akda, editor, at publisher, kaya mas masisiguro ang densidad at istruktura ng impormasyon kumpara sa random na web page. Pangalawa, maraming lokal na kasaysayan, propesyonal na manual, makabagong akademikong akda, lumang textbook, industriyal na materyales, at non-English na publikasyon ay hindi pa buong digitalisado, at hindi kayang ma-access ng mga pampublikong web page. Mas subtil na punto ay ang mga nilalaman na inilabas bago ang malawakang pagkakaroon ng generative AI, na mas malamang na galing sa isang purong human writing environment.

Sinabi nang direkta ng mga tagapagbigay ng data ang halagang ito. Sa isang ulat noong Hulyo ng taong ito tungkol sa merkado ng pagbili ng aklat, ang kumpanya ng database ng aklat, ISBNdb, ay ginamit ang “ang pinakamahusay na data para sa pag-train ng AI ay naka-imbak sa mga shelf” upang subukan ang pangangailangan sa pagbili ng aklat mula sa mga kumpanya ng AI, at pinahalagahan na ang mga aklat ay naglalaman ng naka-ayos, na-edit, at propesyonal na kaalaman ng tao. Pagkatapos ay ipinahayag ng ISBNdb na ang pahina ay isang pagsubok lamang sa pangangailangan ng merkado at ayon na ito.

Bakit nakakalungkot ang pangungusap na ito? Dahil ito ay naglalahad ng buong kalungkutan ng industriya.

Mas malakas ang generative AI, mas marami ang mga teksto sa internet na isinulat, binago, o pinagsama ng AI. Kung ang mga modelo ay kumukuha naman nang walang pagkakaiba-iba ng mga nilalaman na ito, mas kumplikado ang pinagmumulan ng data. Kaya ang mga bagay na naka-print sa papel bago ang alon ng generative AI, biglang may karagdagang halaga na dating wala: sa pagkakasunod-sunod ng panahon, mas malapit sila sa isang kapaligiran ng impormasyon na hindi pa napapaloob ng malawakang generative AI.

Kaya ang pagbili ng mga lumang aklat sa Amazon ay hindi nangangahulugan na bumabalik ito sa “panahon ng papel”; sa katotohanan, ito ay isang napakaseryosong pag-iisip na data-driven. Para sa mga tagapag-train ng modelo, ang cover, pagkakabind, at kuwento ng koleksyon ng isang aklat ay maaaring walang direkta ng halaga sa pagtatrain, ang tunay na may halaga ay ang mga token sa loob nito na maaaring i-tokenize, i-index, i-remove ang duplicate, i-annotate, at itrain.

Ang mga aklat ay naging corpus mula sa mga produkto, at ang sistema ng presyo ay nagbago rin. Isang lumang propesyonal na aklat na hindi na sinasaliksik ng mga tao sa loob ng ilang dekada ay maaaring magkaroon ng bagong demand mula sa mga makina dahil wala pang kompletong bersyon nito sa internet.

Ito ang pinakamahalagang bagay na dapat tandaan.

Ang dahilan ay una at simpleng pagiging epektibo.

Ang pagdigidital ng libu-libong aklat sa isang industriyal na antas ay isang napakalalim na proseso kung susundin ang bawat pahina. Pagkatapos tanggalin ang pampalipat, maaaring hiwalayin nang patag ang mga pahina ng papel, na mas angkop para sa mabilis na scanning at pagkilala sa teksto pagkatapos. Ang destructive scanning ay hindi isang teknolohiya na nagmula sa panahon ng AI, ngunit maaaring unang ilapat nito sa isang direkta at industriyal na paggamit ng data.

Mayroon pa pang pangalawang antas ng mas sensitibong konteksto: batas.

Noong Hunyo 2025, sa kaso ng Bartz v. Anthropic sa U.S. District Court for the Northern District of California, ipinakita na binili ni Anthropic ang milyon-milyon na papeles na libro, tinanggal ang pagsasaliksik, kinutian ang mga pahina, iskanned bilang digital na kopya, at itinapon ang orihinal na papeles pagkatapos makabuo ng digital na bersyon. Sa mga partikular na katotohanan noon, isinip ng hukom na si William Alsup na ang ganitong “pagpapalit ng isang papeles na kopya ng isang panloob na digital na kopya, at ang digital na kopya ay hindi ipinapalabas sa labas” ay isang paggamit na makatarungan; tinanggap din ng korte na ang partikular na paggamit sa pagtratap ng malaking modelo sa kaso ay isang paggamit na makatarungan.

Ngunit ang parehong desisyon ay nagtakda ng isang napakalakas na hangganan.

Bago pa man, ang Anthropic ay nag-download ng higit sa 7 milyong aklat mula sa mga pirated database. Ang korte ay nagsabing ang pagbuo at pangmatagalang pagpanatili ng sentral na digital library mula sa mga pirated source ay hindi awtomatikong nakakakuha ng proteksyon sa合理使用 (fair use) dahil sa ilang mga bahagi nito ay ginamit sa pagtrato ng AI. Malinaw na hihiwalay ng korte ang legal na pagbili at ang pagkuha sa pamamagitan ng piracy.

Bakit mahalaga ang linya na ito? Dahil ito ay nagbigay ng mahal na aral sa buong industriya ng AI: hindi na “kayang anumang data ay maaaring gamitin para sa pagtuturo,” kundi kung saan galing ang data, kung binayad ng mga kumpanya para sa kopya nito, at kung paano ito iniiingat at ikokopya, ay maaaring magbago ang mga panganib sa batas.

At ang klase na ito ay naging mas mahal talaga.

Noong Hulyo 20, 2026, pinagtibay ng federal court ng Estados Unidos ang $1.5 bilyon na collective copyright settlement sa pagitan ng Anthropic at mga may-akda at mga publisher. Ang pagkakasundo ay sumasakop sa higit sa 482,000 na aklat, at halos 91% ng mga kaugnay na gawa ay may mga claim para sa kompensasyon. Dapat ipaalala na ang pagkakasundong ito ay tumutukoy sa mga reklamo na may kaugnayan sa mga pinagkukunan ng piracy, at hindi nangangahulugan na ang sistema ng katarungan ng Estados Unidos ay nagbigay na ng isang pambansang pahintulot para sa lahat ng pagtatrain ng AI; ang iba pang mga kaso, iba’t ibang mga pinagkukunan ng data, at iba’t ibang paraan ng paggamit ay maaaring magresulta sa iba’t ibang resulta.

Kaya sa ganitong kadahilanan, ang Amazon ay ngayon ay bumibili ng mga pisikal na aklat sa pamamagitan ng mga komersyal na channel, at ang lohika ng pagkontrol sa panganib ay napakaliwanag.

Nakabatay ba ito nang direkta sa legal na landas na nabuo mula sa kaso ni Anthropic? Walang publikong ebidensya ngayon upang mabuo ang ganitong konklusyon. Ngunit noong 2026, nang ang desisyon ni Anthropic at ang 1.5 bilyong dolyar na pagkasundo ay nasa mesa na, mas magiging malaking pag-aalala ng anumang malaking AI company: Kaya mo bang patunayan kung saan galing ang data?

Ang presyo ng pagbili ng isang pisikal na aklat ay maaaring mura; maaaring hindi mura ang pagpapaliwanag sa hukuman kung saan galing ang ilang milyon na training materials ilang taon pagkatapos.

Noong nakaraan, karaniwang tinuturing ng industriya ng AI ang data bilang walang hanggang hangin mula sa internet, ngayon, ito ay natututong magbayad para sa “pinagmulan.”

Dapat mong hiwalayin ang damdamin at ang katotohanan.

Ang pagbabalik ng karaniwang bestseller, malawakang inilalabas na mga pangkalahatang aklat, at mga lumang aklat na may malaking dami pa sa merkado sa sistemang pagbabalik ay hindi direktang katumbas ng kultural na kalamangan. Noong nakaraan, mayroon ding gawain sa industriya ng pangalawang kamay at lumang aklat tulad ng pagpaputol ng mga aklat upang ibenta ang mga ilustrasyon at pagpapalit ng mga hindi nakakabenta. Hindi dapat biglang gawing isang unique copy ang bawat lumang aklat dahil sa pagkakaroon ng AI.

Ang problema ay ang Amazon ay hindi pa rin sumagot kung gagawin nila ang pagkilala sa mga makukulay, limitadong edition, o espesyal na bersyon bago ang pag-scan ng pagkabigo.

Ang aklat na tinatayuan ng 404 Media ay binanggit bilang isang makukulay na aklat, at tinanong nang espesyal ng Inc. ang Amazon kung sila ay nag-filter ng mga bersyon na makukulay o limitado bago sila i-destroy, ngunit walang tugon.

Nakakaiwan ito ng isang butas na hindi maaaring madaling malampasan ng “kahit anong mangyari, binili na natin ito”: ang legal na pagmamay-ari ay hindi magkakasama sa kultural na halaga.

Ang katawan ng isang aklat ay maaaring i-scan. Gayunpaman, ang mga lagda, mga komento ng mambabasa, mga librong stamp, espesyal na pagkakabind, mga impormasyon sa pagkakamali, mga tanda ng lokal na pag-print, at kahit anumang pisikal na rekord na natitirang mula sa paglipas ng dekada ng isang aklat ay hindi laging masasakop ng OCR, at mas hindi laging masasakop sa huling training set.

Ang teksto ay nananatili, ngunit ang mga pisikal na ebidensya ay maaaring mawala.

Hindi lamang sa Estados Unidos ang may ganitong pag-aalala. Noong taong ito, ang ilang mga negosyante ng pangalawang-kamay na aklat sa Britain at Ireland ay nagbigay-alam sa The Guardian na noong mga nakaraang buwan, mayroong mga malalaking pagbili na walang ugnayan sa paksa at may mababang pagiging sensitibo sa presyo: may isang tao na bumili nang sabay-sabay ng mga nobela sa wikang Estonian, partikular na bersyon ng mga gawa ni Brontë, at mga old magazine mula 1983; sinabi ng isang negosyante na noong simula ng taon ay natanggap niya na ang mga order na may halos 6,000 libro na katulad nito. Mayroon ring nareport na anomalous na malalaking order ang mga negosyante sa Australia.

Ngunit kailangan ding ipanatili ang hangganan ng katotohanan dito: walang publikong ebidensya na ang lahat ng mga panlabas na order na ito ay galing sa mga AI company. Ang sariling ulat ng The Guardian ay malinaw na isinulat ito bilang mga hula at pag-aalala ng mga mananakop, hindi bilang napatunayang pagbili ng AI.

Ang talagang isinunod ng mga device na tinatayuan patungo sa partikular na AI scanning facility ay ang imbestigasyon ng 404 Media laban sa Amazon.

Ito ang eksaktong dahilan kung bakit mahalaga ang transparency.

Kung naniniwala ang isang kumpanya na ang pagkuha ng ganitong uri ay legal, makatwiran, at tunay na nagpapabuti sa produkto, ang ilang pangunahing tanong ay hindi sobra: Anong mga uri ng aklat ang papasok sa destruktibong scanning? Natatanggal ba ang mga makabagong, makasaysayan, may lagda, at mga bersyon na may espesyal na pisikal na halaga? Paano ang pagtrato sa mga papel pagkatapos ng scanning? Gaano kalabas ang panahon na mananatili ang digital na kopya? Saan karaniwang gagamitin ang mga ito para sa mga produkto o kategorya ng modelo?

Hindi kailangang i-publish ng mga korporasyon ang lahat ng mga recipe sa pagtatrain.

Ngunit ang “Binebili namin ito, kaya maaari nating tahimik na tanggalin lahat,” ay hindi sapat na matatag na sagot.

Dahil ito ay naglalagay ng malalaking taya sa AI sa isang bilis na hindi nakikita bago.

Noong Pebrero ng taong ito, sinabi ng Amazon na inaasahan nilang ang kabuuang kapital expenditure para sa taong 2026 ay magkakaroon ng halagang $200 bilyon, na may pangunahing pagkakataon sa AI, chip, robot, at low-earth-orbit satellites. Noong ikalawang kuartal, tumabas ang kita ng kumpanya sa $200.6 bilyon, na tumataas ng 20% kumpara sa nakaraang taon; ang kita ng AWS naman ay umabot sa $42.2 bilyon, na tumataas ng 37%, na naging pinakamabilis na paglago sa 18 kuartal. Ang libreng cash flow sa nakaraang 12 buwan ay naging net outflow ng $7.6 bilyon, at malinaw na sinabi ng Amazon na ang malaking pagtaas sa pagbili ng ari-arian at kagamitan ay pangunahing nagpapakita ng pag-invest sa artificial intelligence. Ang AI at chip business ng AWS ay umabot din sa annualized revenue run rate na higit sa $25 bilyon bawat isa.

Mas nakakatangi ang ugnayan ng Amazon at Anthropic.

Noong Abril ng taong ito, ipinahayag ng Amazon na magkakaroon ng karagdagang $5 bilyon na pag-invest sa Anthropic, batay sa kanilang dating $8 bilyon na pag-invest, at may posibilidad na dagdagan ng hanggang $20 bilyon pagkatapos matupad ang mga partikular na mga pang-akapital na milestone. Samantala, sinumpaan ng Anthropic na mag-spent ng higit sa $100 bilyon sa AWS technology sa susunod na sampung taon, at makakakuha ng pinakamataas na 5GW ng umiiral at darating na Trainium computing power.

Sa ibang salita, ang Amazon ay kasalukuyang isang provider ng cloud infrastructure, isang investor sa industriya ng advanced models, at nagpapatakbo rin ng Nova, Alexa, Rufus, at maraming enterprise AI services.

Hindi sapat na mas maraming chip ang kailangan nito.

Kailangan nito ng higit pang mataas na kalidad na kaalaman, mas mahabang pagkakakabila ng kaalaman, mas kumpiyansa na mga pinagkukunan ng datos, at mas madaling ipaliwanag na mga suliranin sa karapatan sa datos.

Sa kasalukuyang sukat ng kapital expenditure ng Amazon, ang bulk purchasing ng mga lumang aklat ay hindi malaking gastos na magdedesisyon sa kalagayan ng kompanya. Ang tunay na mahalaga ay ang signal na ipinapalabas ng aksyon na ito: isang malaking kumpanya na handang mag-invest ng halos $200 bilyon bawat taon para sa pagpapalawak ng teknolohikal na infrastruktura, ay patuloy na handang ipalawak ang kanilang supply chain papunta sa isang hiwalay, hindi epektibo, at isang-kwento-na-prisyo na merkado ng pangalawang-kamay na mga aklat.

Bakit?

Dahil sa ilang data, talagang walang shortcut.

Ito rin ang lugar kung saan nagbabago ang kompetisyon sa AI. Noong unang panahon, ipinaglalaban ng mga tao kung sino ang nakakapag-scan ng higit pang mga webpage, pagkatapos ay kung sino ang may higit pang GPU, ngayon ay lalo na ipinaglalaban kung sino ang may mas malinis, mas natatangi, mas legal, at mas mahirap kopyahin na data.

Hindi na lamang isang baluktot na “materyales” ang data bago magsimula ang pagtatrain.

Naging isang asset na kailangang makakuha, linisin, i-verify, tandaan, at i-audit.

Ang tunay na palayanan ng data ay maaaring hindi “sino ang may-ari ng kopya ng internet,” kundi sino ang may-ari ng mataas na kalidad na nilalaman na hindi makakakuha, hindi makakapagpapanatili, o kaya’y kahit makakuha ay hindi magiging sigurado na gamitin ng iba.

Hindi ko inisip na ang konklusyon ay "bawalan ang mga kumpanya ng AI na i-scan ang mga pisikal na aklat."

Ang digitalisasyon mismo ay maaaring i-save ang kaalaman, at maaari ring balikin ang mga naging out-of-print na mga nilalaman sa mga sistema ng paghahanap, pag-aaral, at pag-unawa ng machine. Para sa malaking bilang ng karaniwang pangalawang-kamay na aklat, ang masasamang pag-scan ay hindi kailangang mas masama kaysa sa pagtatapos sa recycling ng papel. Ang pagsulat nito nang simpleng “ang AI ay nagpapalabas ng mga aklat,” may malakas na emosyon, ngunit kulang sa katotohanan.

May dalawang tunay na hangganan.

Ang unang punto ay ang hangganan ng karapatan: Ang pagbili ng isang papeles na aklat ay hindi katumbas ng pagbili ng lahat ng karapatan sa gawa, at mas hindi ito nangangahulugan na ang lahat ng pag-train, pagkopya, at pag-output ay natural na legal. Ang kaso ni Bartz ay isang mahalagang desisyon ng isang pederal na distritong korte sa Estados Unidos sa ilalim ng partikular na mga katotohanan, at hindi ito isang permanenteng pahintulot para sa lahat ng mga kumpanya ng AI.

Ang pangalawang patakaran ay ang pagpanatili ng hangganan: Kung hindi makapagpatunay ang isang kumpanya na nakakakilala at nakakaiwas sa mga aklat na may limitadong kopya, natatanging bersyon, o espesyal na kasaysayan, ang tinatawag na “mabilis na pag-scan” ay maaaring magpalit ng isang problema sa data engineering sa isang hindi maibabalik na kultura ng pagkawala.

Hindi talaga ang “Bakit kailangan ninyo ang mga aklat?” ang dapat sagutin ng Amazon.

Naging mas malinaw na ang sagot na ito: dahil ang malaking halaga ng mataas na kalidad na kaalaman na iniwan ng mga tao sa mga nakaraang daan-daang taon, ay hindi lahat ay nasa bukas na internet.

Totoo bang isyu: Kapag lumilipat ang mga aklat mula sa mga pultahan patungo sa mga proseso ng pag-train ng AI, sino ang magdedesisyon kung ano ang maaaring ipagkatiwala at ano ang hindi dapat ipagkatiwala? Sino ang magpapatotoo na ang mga kumpanya ay natatanggap ang nilalaman, hindi naman sinira ang kasaysayan na nasa labas ng nilalaman?

Sobrang ironic ng bagay na ito.

Noon ay naging isa sa pinakamahalagang kompanya sa internet dahil dinala ang mga aklat sa mga tao; ngayon, bumabalik ito ng mga aklat, hinuhukay ito, at isinusuot ang mga salita sa mga makina.

Ang teknolohiya ay maaaring magbago sa mga tagapagdala ng kaalaman, ngunit hindi ito dapat gamitin bilang dahilan upang gawing tila walang halaga ang mga tagapagdala.

Kailangan ng AI ang mga bagay na isinulat ng tao, at walang dapat ikinukulit dito. Ang tunay na dapat bantayan ay ang pagiging lalong nakadepende ng buong industriya sa “mga mataas na kalidad na teksto na itinirik ng tao,” ngunit nananatiling nakatago ang proseso ng pagkuha sa malalim na supply chain, at pinapakita ang copyright, pinagmulan, kakulangan, at responsibilidad sa pagpapanatili bilang isang isyu pagkatapos.

Ang model ay makakapag-compress ng isang aklat sa mga token, ang mga negosyo ay makakapag-convert ng mga token sa mga parameter, ngunit may ilang bagay na kung kinatay na, wala nang susunod na pagtatrayn na makakapagbalik sa kanila.

Ang kabihasan ay maaaring digitalisahin, ngunit ang responsibilidad ay hindi maaaring “converted” sa ibang format.

1. Emanuel Maiberg. “We Tracked a Shipment of Rare Books. It Ended at an Amazon AI Training Facility.” 404 Media, 2026-08-17.
2. Georgia Fearn. “Amazon Ay Bumibili ng mga Lumang Aklat at Pinapalayas Ito Pagkatapos I-Scan. Ang Mga Order ay Umuulit Pabalik Sa 2024.” Inc., 2026-08-17.
3. Amazon.com, Inc. “Ikinahayag ng Amazon.com ang mga resulta ng ikalawang quarter.” 2026-07-30.
4. Amazon. “Pinapalawig ng Amazon at Anthropic ang kanilang estratehikong kooperasyon.” 2026-04-20.
5. United States District Court, Northern District of California. Bartz v. Anthropic PBC, Order on Fair Use and Infringement, 2025-06-23.
6. Reuters. “Pinayagan ng hukom ng US ang pagkakasundo ng $1.5 bilyon ni Anthropic sa kasong karapatan sa pagkakakilanlan.” 2026-07-20.
7. Pablo Villalobos et al. “Will we run out of data? Limits of LLM scaling based on human-generated data.” Epoch AI, 2024-06-06.
8. Dan Milmo. “Hinuhulaan ng mga negosyante ng pangalawang kamay sa UK at Ireland na ang mga kumpanya ng AI ang likod ng ‘kakaibang’ malalaking pagkakabili.” The Guardian, 2026-08-15.