एआई प्रशिक्षण के लिए डेटा की कमी के बीच अमेज़न पुस्तकों को नष्ट करना शुरू कर चुका है

जब खुला इंटरनेट अधिक कठिन हो रहा है कि पर्याप्त दुर्लभ, विश्वसनीय और AI-उत्पादित सामग्री से प्रदूषित न होने वाली गुणवत्तापूर्ण पाठ प्रदान करे, तो पुरानी किताबें सांस्कृतिक वस्तुओं से AI युग के डेटा कच्चे माल में बदल रही हैं।

लेखक, स्रोत: 0x9999in1, ME News



• यह केवल एक “अमेज़न द्वारा पुस्तकें नष्ट करने” की साधारण खबर नहीं है। अधिक महत्वपूर्ण संकेत यह है: जब खुला इंटरनेट अधिक से अधिक कठिनाई से पर्याप्त दुर्लभ, विश्वसनीय और AI-उत्पादित सामग्री से प्रदूषित नहीं होने वाली गुणवत्तापूर्ण पाठ प्रदान कर पा रहा है, तो पुरानी पुस्तकें सांस्कृतिक वस्तुओं से AI युग के डेटा कच्चे माल में बदल रही हैं।
• 404 Media द्वारा ट्रैक की गई लगभग 1000 पुस्तकों की ऑर्डर अंततः अमेज़न के उत्तरी लास वेगास LAS8 भंडारण केंद्र में पहुँची; कर्मचारियों के अनुसार, VGT3 टीम पुस्तकों के बैकस्पाइन काट देगी और पृष्ठों को स्कैन करेगी, जिससे मूल कागज़ी प्रतियाँ नष्ट हो जाएँगी। अमेज़न ने पुष्टि की है कि वह उत्पाद और सेवाओं में सुधार के लिए व्यावसायिक माध्यम से पुस्तकें खरीदेगा, लेकिन प्रोजेक्ट के आकार, शुरुआत की तिथि, विशिष्ट उद्देश्य के बारे में कोई जानकारी सार्वजनिक नहीं की है, और न ही इसका जवाब दिया है कि क्या वह नष्ट करने से पहले दुर्लभ या सीमित संस्करणों को छाँटेगा।
• “पहले भौतिक पुस्तक खरीदें, फिर विनाशकारी स्कैन करें” के पीछे एक वास्तविक पृष्ठभूमि भी है: 2025 में Bartz v. Anthropic मामले में, संयुक्त राज्य अमेरिका के फेडरल जिला न्यायालय ने कानूनी रूप से खरीदी गई कागजी पुस्तकों के एक-एक करके डिजिटल प्रतिस्थापन को उचित उपयोग माना, लेकिन कानूनी खरीद और अवैध प्राप्ति के बीच स्पष्ट अंतर रखा। 2026 के जुलाई तक, Anthropic के विरुद्ध अवैध स्रोतों से संबंधित समूहगत版權 मुकदमा 15 अरब डॉलर के समझौते के साथ अंतिम रूप से मंजूर हो गया। डेटा स्रोत तकनीकी मुद्दों से बदलकर बैलेंस शीट के मुद्दे बन गए हैं।
• अब अमेज़न का इस क्षेत्र में प्रवेश करना आश्चर्यजनक नहीं है। कंपनी 2026 तक लगभग 2000 अरब डॉलर का पूंजी खर्च करने की उम्मीद कर रही है, जिसमें AI प्रमुख निवेश क्षेत्र है; इस वर्ष के दूसरे तिमाही में AWS की बिक्री 37% बढ़कर 422 अरब डॉलर हो गई। कैलकुलेशन क्षमता अभी भी भयंकर रूप से विस्तारित हो रही है, लेकिन उच्च गुणवत्ता वाले डेटा की सीमांत मूल्य भी बढ़ रही है।
• जिस बात की वास्तविक चेतावनी दी जानी चाहिए, वह सभी “पुस्तक विघटन” क्रियाओं के खिलाफ नहीं, बल्कि एक अपारदर्शी खरीद और नष्ट करने की प्रणाली के खिलाफ है: सामान्य द्वितीयक पुस्तकें पुनः मुद्रित और पुनः खरीदी जा सकती हैं, लेकिन कुछ अंतिम संस्करण, टिप्पणियों वाले संस्करण, स्थानीय प्रकाशन और दुर्लभ पाठ असंभव हो सकते हैं। यदि छांटने की प्रणाली मौजूद नहीं है, तो AI कंपनियों को डेटा मिलता है, जबकि समाज अप्रत्यावर्तनीय भौतिक रिकॉर्ड खो सकता है।

इस घटना का सबसे आकर्षक दृश्य निश्चित रूप से क्रूर है: एक किताब का पृष्ठ काट दिया जाता है, पन्ने स्कैनर में डाल दिए जाते हैं, और अंततः मूल किताब मौजूद नहीं रहती। और अधिक नाटकीय बात यह है कि इस काम को करने वाली कंपनी अमेज़ॉन है—वही अमेज़ॉन जिसने 1995 में ऑनलाइन किताबें बेचना शुरू किया था। तीस से अधिक वर्षों के बाद, यह कंपनी फिर से किताबों का बड़े पैमाने पर खरीदना शुरू कर रही है, केवल इस बार, किताबें पाठकों के हाथों में नहीं, बल्कि मशीनों के लिए खपने योग्य डेटा में बदलने के लिए हैं।

404 Media के 17 अगस्त के सर्वेक्षण के अनुसार, पत्रकार एमानुएल मैबर्ग ने बिब्लियो के माध्यम से बड़ा ऑर्डर प्राप्त करने वाले एक पुस्तक विक्रेता के साथ सहयोग किया और लगभग 1000 पुस्तकों के एक समूह में से एक पुस्तक में AirTag रख दिया। ट्रैकर LAS8 अमेज़ॉन भंडारण केंद्र, उत्तरी लास वेगास तक पहुँचा। रिपोर्ट में उस स्थान पर काम करने वाले कर्मचारियों के संदर्भ दिए गए हैं, जिनके अनुसार VGT3 नामक एक टीम बड़ी मात्रा में कागजी पुस्तकों को स्वीकार करती है, जिन्हें बांधने के बाद तेजी से स्कैन किया जाता है, और मूल पुस्तकें प्रक्रिया के दौरान नष्ट हो जाती हैं। अमेज़ॉन ने Inc. को पुष्टि की कि कंपनी "ग्राहकों द्वारा उपयोग किए जा रहे उत्पादों और सेवाओं को विकसित और सुधारने में मदद करने के लिए व्यावसायिक चैनलों के माध्यम से पुस्तकें खरीदती है", लेकिन इसका उत्तर नहीं दिया कि कितनी पुस्तकें खरीदी गईं, प्रोजेक्ट कब से शुरू हुआ, डेटा किन उत्पादों में प्रवेश किया, और क्या दुर्लभ या सीमित संस्करणों को पहले से हटा दिया जाएगा।

अधिक ध्यान देने योग्य बात यह है कि यह सुराग कल अचानक नहीं आया। Inc. ने पाया कि सितंबर 2024 में ही, अमेज़न सेलर फोरम पर लोगों ने LAS8 को बड़ी संख्या में पुस्तकों के ऑर्डर भेजे जाने की रिपोर्ट की थी: कुछ ने एकल खरीददार द्वारा एक ही बार में 68 ऑर्डर करने की बात कही, कुछ ने रात में 48 ऑर्डर एक साथ प्राप्त किए, और सभी पुस्तकें विश्वविद्यालय प्रकाशनों की थीं, साथ ही कुछ सेलर्स ने कहा कि एक ही खाते से लगभग हर दिन पुस्तकें खरीदी जा रही हैं। उस समय अमेज़न फोरम प्रतिनिधि ने अंततः इन ऑर्डर्स को मान्य मान लिया, लेकिन अमेज़न अब इन ऑर्डर्स के VGT3 से संबंध होने की पुष्टि नहीं करता।

मेरा निर्णय है कि इस बात का वास्तविक महत्व इस भावनात्मक झटके में नहीं है कि “टेक दिग्गजों ने पुस्तकें जला दीं”, बल्कि यह दर्शाता है कि AI उद्योग में एक संसाधन पुनर्मूल्यांकन हो रहा है: पिछले कुछ वर्षों में सबसे कमी वाली चीजें GPU, सर्वर हाउस, बिजली और पूंजी थीं, अब उच्च गुणवत्ता वाले, ट्रेस करने योग्य, और AI-जनित सामग्री के प्रदूषण से मुक्त मानवीय पाठ्य सामग्री को भी पुनर्मूल्यांकित किया जा रहा है।

पुरानी किताबों का बाजार अचानक AI सप्लाई चेन में घुल गया, यह नोस्टैल्जिक युग का एक अजीब अंतर्भाग नहीं है, बल्कि बड़े मॉडल के औद्योगिकीकरण के बाद एक प्राकृतिक और कठोर कदम है।

इंटरनेट अनंत दिखता है, लेकिन अग्रणी मॉडल्स को ट्रेन करने के लिए वास्तविक रूप से उपयुक्त डेटा अनंत नहीं है।

Epoch AI के 2024 के अध्ययन में अनुमान लगाया गया कि गुणवत्ता और दोहराव के समायोजन के बाद, प्रशिक्षण के लिए उपलब्ध सार्वजनिक मानव पाठ का प्रभावी स्टॉक लगभग 300 ट्रिलियन टोकन है; यदि उस समय के डेटा आकार की वृद्धि की प्रवृत्ति जारी रही, तो यह स्टॉक 2026 से 2032 के बीच पूरी तरह से उपयोग किया जा सकता है। यह भविष्यवाणी “कल डेटा समाप्त हो जाएगा” का काउंटडाउन नहीं है, क्योंकि सिंथेटिक डेटा, डेटा की दक्षता, पोस्ट-ट्रेनिंग और मल्टीमॉडल विधियाँ अभी भी बदलती रह रही हैं, लेकिन यह एक दिशा प्रकट करती है: केवल वेब स्क्रैपिंग को बढ़ाते रहने से, समान गुणवत्ता की नई जानकारी प्राप्त करना हर बार कठिन होता जा रहा है।

लेकिन पुरानी किताबों के कुछ ऐसे गुण हैं जिन्हें AI कंपनियां नजरअंदाज नहीं कर सकतीं।

सबसे पहले, वे अक्सर लेखक, संपादक और प्रकाशक द्वारा कई चरणों से छानबीन किए जाते हैं, इसलिए उनकी सूचना घनत्व और संरचना आमतौर पर यादृच्छिक वेबपृष्ठों की तुलना में अधिक स्थिर होती है। दूसरे, कई स्थानीय इतिहास, पेशेवर हाथकिताबें, निचले स्तर की शैक्षणिक पुस्तकें, पुरानी पाठ्यपुस्तकें, उद्योग सामग्री और अंग्रेजी के अलावा की प्रकाशनें कभी पूरी तरह से डिजिटल नहीं हुई हैं, और खुले वेब पृष्ठ इन्हें पकड़ नहीं सकते। और एक अधिक सूक्ष्म बात यह है कि, खासकर जनरेटिव AI के व्यापक प्रसार से पहले प्रकाशित सामग्री, अधिक संभावना है कि शुद्ध मानव लेखन परिवेश से आई होगी।

इस मूल्य को डेटा विक्रेताओं ने सीधे ही बता दिया है। इस वर्ष जुलाई में पुस्तक खरीद बाजार के बारे में रिपोर्ट में, पुस्तक डेटाबेस कंपनी ISBNdb ने AI कंपनियों के लिए पुस्तक खरीद की मांग का परीक्षण करने के लिए “दुनिया का सबसे अच्छा AI प्रशिक्षण डेटा शेल्फ पर पड़ा हुआ है” का उपयोग किया था, और यह जोर देकर बताया था कि पुस्तकों में संगठित, संपादित और पेशेवर मानव ज्ञान शामिल है। ISBNdb ने बाद में बताया कि यह पेज केवल मांग परीक्षण था और इसे हटा दिया गया है।

यह वाक्य क्यों चोट पहुंचाता है? क्योंकि यह पूरे उद्योग की चिंता को स्पष्ट कर देता है।

जितना अधिक जनरेटिव AI मजबूत होता है, उतना ही अधिक इंटरनेट पर AI द्वारा लिखे गए, AI द्वारा संशोधित और AI द्वारा सारांशित पाठ बढ़ते जाते हैं। यदि मॉडल इन सामग्रियों को बिना भेदभाव के फिर से निगल लेता है, तो डेटा स्रोत और अधिक जटिल होते जाएंगे। इसलिए, जनरेटिव AI की लहर से पहले कागज पर मुद्रित चीजें, अचानक एक ऐसा अतिरिक्त मूल्य प्राप्त करती हैं: कम से कम समय के मामले में, वे एक ऐसे सूचना परिवेश के अधिक करीब हैं जिसमें व्यापक स्तर पर जनरेटिव AI की हस्तक्षेप नहीं हुआ है।

इसलिए, अमेज़न द्वारा पुरानी किताबों का खरीदना इस बात का संकेत नहीं है कि यह "पेपर मीडिया के युग में वापस जा रहा है", बल्कि यह बहुत गहरी डेटा-संचालित सोच है। मॉडल ट्रेनर्स के लिए, एक किताब का कवर, बाइंडिंग और कलेक्शन की कहानी का सीधे ट्रेनिंग में कोई मूल्य नहीं हो सकता, वास्तविक रूप से कीमती चीज़ वे token हैं जिन्हें टोकनाइज़, इंडेक्स, डुप्लिकेट हटाना, लेबल करना और ट्रेन किया जा सकता है।

पुस्तकें वस्तुओं से कॉर्पस में बदल गई हैं, और मूल्य व्यवस्था भी बदल गई है। पिछले कई दशकों तक किसी ने नहीं पूछी गई एक पेशेवर पुरानी पुस्तक, जिसका ऑनलाइन पूर्ण डिजिटल संस्करण नहीं है, अचानक मशीनी आवश्यकता के कारण नया मांग पैदा कर सकती है।

यही सबसे अधिक ध्यान देने योग्य बात है।

कारण सबसे पहले बहुत सरल है: दक्षता।

हजारों पुस्तकों को औद्योगिक स्तर पर डिजिटल करने के लिए, प्रत्येक पृष्ठ को अलग-अलग फोटो करना बहुत धीमी प्रक्रिया है। पुस्तक की पृष्ठभूमि काटने के बाद, कागज के पन्ने समतल रूप से अलग हो जाते हैं, जिससे उच्च गति से स्कैनिंग और बाद की पाठ पहचान के लिए अधिक उपयुक्त होते हैं। विनाशकारी स्कैनिंग एआई युग की एक नई तकनीक नहीं है, लेकिन एआई इसे पहली बार इतने सीधे डेटा औद्योगिक उपयोग की ओर ले जा सकता है।

एक और दूसरी, अधिक संवेदनशील पृष्ठभूमि है: कानून।

जून 2025 में, अमेरिका के कैलिफोर्निया उत्तरी जिला न्यायालय ने Bartz v. Anthropic मामले में उजागर किया कि Anthropic ने लाखों कागजी पुस्तकें खरीदीं, उनके बंधन को अलग किया, पृष्ठों को काटा, डिजिटल प्रतियों में स्कैन किया, और डिजिटल संस्करण बनाने के बाद कागजी मूल को फेंक दिया। न्यायाधीश विलियम अलसुप ने तब के विशिष्ट तथ्यों के आधार पर यह माना कि ऐसा “एक कागजी प्रति को एक आंतरिक डिजिटल प्रति से बदलना, और डिजिटल प्रति को बाहर नहीं फैलाना” एक उचित उपयोग है; न्यायालय ने भी इस मामले में विशिष्ट बड़े मॉडल प्रशिक्षण के उपयोग को उचित उपयोग माना।

लेकिन उसी फैसले ने एक बहुत कठोर रेखा भी खींच दी।

Anthropic ने पहले एक अवैध डेटाबेस से 7 मिलियन से अधिक पुस्तकें डाउनलोड की थीं। अदालत ने माना कि इन अवैध स्रोतों का केंद्रीय डिजिटल पुस्तकालय बनाना और लंबे समय तक बनाए रखना, इस कारण से कि इनमें से कुछ सामग्री बाद में AI प्रशिक्षण के लिए उपयोग की गई, तो स्वचालित रूप से उचित उपयोग की सुरक्षा प्राप्त नहीं होती। अदालत ने कानूनी खरीद और अवैध प्राप्ति को स्पष्ट रूप से अलग-अलग समझा।

यह रेखा क्यों महत्वपूर्ण है? क्योंकि यह पूरे AI उद्योग के लिए एक महंगा खरीदारी का पाठ है: यह “जितना ट्रेनिंग के लिए चाहिए, उतना डेटा ले लो” नहीं है, बल्कि डेटा कहाँ से आया, क्या कंपनी ने इसकी प्रतिलिपि प्राप्त करने के लिए भुगतान किया, और इसे कैसे संग्रहीत और प्रतिलिपि किया गया, ये सब विधिक जोखिम को बदल सकते हैं।

और यह क्लास बाद में वास्तव में महंगी हो गई।

2026 जुलाई 20 को, संयुक्त राज्य अमेरिका के फेडरल अदालत ने Anthropic और लेखकों तथा प्रकाशकों के बीच 15 अरब डॉलर के सामूहिक कॉपीराइट समझौते को अंतिम रूप से मंजूरी दे दी। इस समझौते में 482,000 से अधिक पुस्तकों को शामिल किया गया है, और संबंधित कार्यों में से लगभग 91% के लिए मुआवजे का दावा पहले ही किया जा चुका है। यह स्पष्ट करना आवश्यक है कि यह समझौता केवल अवैध स्रोतों से संबंधित दावों के लिए है, और इसका मतलब यह नहीं है कि संयुक्त राज्य अमेरिकी न्याय प्रणाली ने AI प्रशिक्षण के लिए सभी के लिए एक समान पास जारी कर दिया है; अन्य मामले, विभिन्न डेटा स्रोत और विभिन्न उपयोग के तरीके, अभी भी अलग-अलग परिणाम दे सकते हैं।

इसलिए, अमेज़न द्वारा व्यावसायिक चैनल के माध्यम से भौतिक पुस्तकों की खरीद अब जोखिम नियंत्रण तर्क के अनुसार बहुत स्पष्ट है।

क्या इसकी प्रक्रिया एंथ्रोपिक मामले से बनी कानूनी राह के अनुसार सीधे डिज़ाइन की गई है? वर्तमान में कोई खुला सबूत नहीं है, इसलिए ऐसा निष्कर्ष नहीं निकाला जा सकता। लेकिन 2026 में, जब एंथ्रोपिक का फैसला और 1.5 बिलियन डॉलर की समझौता पहले से ही मेज पर होंगे, कोई भी बड़ी AI कंपनी एक बात पर अधिक ध्यान देगी: क्या आप साबित कर सकते हैं कि डेटा कहाँ से आया है?

एक भौतिक पुस्तक खरीदने की कीमत बहुत सस्ती हो सकती है; कुछ सालों बाद अदालत में लाखों प्रशिक्षण सामग्री कहाँ से आईं, इसकी व्याख्या करना संभवतः कोई सस्ती बात नहीं होगी।

AI उद्योग ने पहले डेटा को इंटरनेट पर असीमित हवा के रूप में देखा, अब यह "स्रोत" के लिए भुगतान करना सीख रहा है।

यहाँ भावनाओं और तथ्यों को अलग करना आवश्यक है।

सामान्य बेस्टसेलर, बड़ी मात्रा में छपी लोकप्रिय पुस्तकें, और बाजार में अभी भी कई प्रतियां उपलब्ध पुरानी किताबें रीसाइक्लिंग प्रणाली में आना स्वयं सांस्कृतिक आपदा के बराबर नहीं है। पुरानी और प्राचीन किताबों के व्यवसाय में पहले से ही चित्रों को अलग करके बेचने और अविक्रयित किताबों को संसाधित करने जैसे कार्य किए जाते रहे हैं। AI के आगमन के कारण अचानक यह दावा करना कि हर पुरानी किताब एकल प्रति है, ठीक नहीं है।

समस्या यह है कि अमेज़न ने अभी तक यह नहीं बताया है कि क्या यह नुकसान स्कैन से पहले दुर्लभ, अंतिम संस्करण या विशेष संस्करणों की पहचान करेगा।

404 Media द्वारा ट्रैक की गई वह पुस्तक एक दुर्लभ पुस्तक के रूप में रिपोर्ट की गई है, और Inc. ने एमेज़ॉन से विशेष रूप से पूछा कि क्या कंपनी ने पुस्तकों को नष्ट करने से पहले दुर्लभ या दुर्लभ संस्करणों को छाँटा, लेकिन कोई प्रतिक्रिया नहीं मिली।

यह एक ऐसा अंतराल छोड़ देता है जिसे “अंततः मैंने इसे खरीद लिया है” के रूप में आसानी से नहीं बख्शा जा सकता: कानूनी मान्यता के अनुसार स्वामित्व, सांस्कृतिक संरक्षण मूल्य के साथ बिल्कुल अलग बात है।

एक पुस्तक का मुख्य टेक्स्ट स्कैन किया जा सकता है। हालाँकि, किसी विशिष्ट संस्करण पर हस्ताक्षर, पाठकों के टिप्पणियाँ, पुस्तक टिकट, विशेष बंधन, सुधार सूचनाएँ, स्थानीय मुद्रण निशान, या एक पुस्तक के दशकों के प्रवाह से बने भौतिक अधिलेखन, OCR में शामिल नहीं होते हैं, और न ही अंतिम प्रशिक्षण सेट में शामिल होते हैं।

पाठ बना रहता है, लेकिन भौतिक साक्ष्य गायब हो सकते हैं।

यह चिंता केवल संयुक्त राज्य अमेरिका में ही सीमित नहीं है। इस साल, ब्रिटेन और आयरलैंड के कई द्वितीयक पुस्तक विक्रेताओं ने द गार्डियन को बताया कि पिछले कुछ महीनों में ऐसे बड़े ऑर्डर आए हैं जिनमें विषय संबंधित नहीं हैं और कीमत के प्रति संवेदनशीलता बहुत कम है: कुछ लोग एक साथ एस्टोनियाई भाषा में उपन्यास, ब्रोंटे के विशिष्ट संस्करण और 1983 के पुराने मैगजीन खरीद रहे हैं; एक पुस्तक विक्रेता ने बताया कि इस साल तक उन्हें ऐसे खरीददारों से लगभग 6000 पुस्तकों के ऑर्डर मिले हैं। ऑस्ट्रेलिया में भी पहले कुछ पुस्तक विक्रेताओं ने असामान्य बड़े ऑर्डर की रिपोर्ट की थी।

लेकिन यहां भी तथ्यों की सीमा को बरकरार रखना आवश्यक है: इन विदेशी ऑर्डर के पीछे क्या सभी AI कंपनियां हैं, इसके लिए अभी तक कोई सार्वजनिक साक्ष्य नहीं है। द गार्डियन की रिपोर्ट खुद इन्हें प्रकाशकों के अनुमानों और चिंताओं के रूप में प्रस्तुत करती है, न कि पुष्टि किए गए AI खरीदारी के रूप में।

404 Media द्वारा अमेज़न के खिलाफ की गई इस जांच को ही वास्तविक रूप से ट्रैक किया गया डिवाइस एक विशिष्ट AI स्कैन सुविधा तक ले गया।

यही कारण है कि पारदर्शिता क्यों महत्वपूर्ण है।

यदि उद्यम यह मानता है कि यह खरीदारी कानूनी, तर्कसंगत है और वास्तव में उत्पाद में सुधार कर सकती है, तो कुछ मूलभूत प्रश्न अतिरिक्त नहीं हैं: विनाशकारी स्कैन में किस प्रकार की पुस्तकें शामिल होंगी? क्या अद्वितीय, दुर्लभ, हस्ताक्षरित प्रतियाँ और विशेष भौतिक मूल्य वाले संस्करणों को बाहर रखा गया है? स्कैन के बाद कागज का क्या होगा? डिजिटल प्रतियाँ कितने समय तक बनी रहेंगी? ये मुख्य रूप से किन उत्पादों या मॉडल श्रेणियों के लिए उपयोग की जाएंगी?

कंपनियों को अपनी पूरी ट्रेनिंग रेसिपी सार्वजनिक करने की आवश्यकता नहीं है।

लेकिन "हमने पैसे खर्च किए हैं, इसलिए हम सब कुछ चुपचाप काट सकते हैं" एक पर्याप्त परिपक्व उत्तर नहीं है।

क्योंकि यह AI पर अभूतपूर्व गति से बेट लगा रहा है।

अमेज़न ने इस साल फरवरी में घोषणा की कि 2026 के पूरे वर्ष के लिए पूंजी खर्च लगभग 2000 अरब डॉलर का अनुमान है, जिसमें AI, चिप्स, रोबोटिक्स और लो-अर्थ उपग्रह जैसे मुख्य अवसर शामिल हैं। दूसरे तिमाही में, कंपनी की बिक्री 2006 अरब डॉलर पहुंच गई, जो पिछले वर्ष की तुलना में 20% की वृद्धि है; AWS की बिक्री 422 अरब डॉलर हुई, जो 37% की वृद्धि है और 18 क्वार्टर्स में सबसे तेज़ गति है। पिछले 12 महीनों में स्वतंत्र नकदी प्रवाह 76 अरब डॉलर के शुद्ध बाहरी प्रवाह में बदल गया है, और अमेज़न ने स्पष्ट किया है कि संपत्ति और उपकरण की खरीद में काफी वृद्धि हुई है, जो मुख्यतः AI निवेश को दर्शाती है। AWS के AI और चिप्स व्यवसायों की वार्षिक आय क्रमशः 250 अरब डॉलर की दर से पार कर गए हैं।

इससे अधिक महत्वपूर्ण बात यह है कि अमेज़न और Anthropic के बीच संबंध है।

इस साल अप्रैल में, अमेज़न ने पहले के 80 बिलियन डॉलर के निवेश के आधार पर Anthropic में 50 बिलियन डॉलर का अतिरिक्त निवेश किया और निर्दिष्ट व्यावसायिक मील के पत्थर पूरे होने पर अतिरिक्त 200 बिलियन डॉलर तक जोड़ सकता है। इसी बीच, Anthropic ने भविष्य के दशक में AWS प्रौद्योगिकी पर 1000 बिलियन डॉलर से अधिक का खर्च करने का वादा किया है और अधिकतम 5 GW की मौजूदा और भविष्य की Trainium कैपेसिटी प्राप्त करेगा।

दूसरे शब्दों में, अमेज़न अब बादल बुनियादी ढांचा प्रदानकर्ता है, उन्नत मॉडल उद्योग का पूंजी सहभागी है, और Nova, Alexa, Rufus और कई व्यवसाय AI सेवाओं का संचालन करता है।

इसके लिए अब केवल अधिक चिप्स की आवश्यकता नहीं है।

इसे अधिक उच्च गुणवत्ता वाले ज्ञान, लंबे पूंछ वाले ज्ञान कवरेज, अधिक विश्वसनीय डेटा स्रोत, और सरलता से समझाया जा सकने वाला डेटा स्वामित्व श्रृंखला की आवश्यकता है।

अमेज़न के वर्तमान पूंजी खर्च के स्तर के संदर्भ में, पुरानी किताबों का बड़े पैमाने पर खरीदना स्पष्ट रूप से कंपनी की वित्तीय स्थिति को निर्धारित करने वाला प्रमुख खर्च नहीं होगा। वास्तविक रूप से महत्वपूर्ण यह संकेत है जो इस कार्रवाई से जारी होता है: एक ऐसा विशालकाय जो प्रति वर्ष लगभग 2000 अरब डॉलर का खर्च तकनीकी बुनियादी ढांचे के विस्तार पर करता है, फिर भी विखरे, कम कुशल, और प्रति किताब मूल्य निर्धारित द्वितीयक किताबों के बाजार में अपनी आपूर्ति श्रृंखला का विस्तार करने को तैयार है।

क्यों?

क्योंकि कुछ डेटा के लिए, वास्तव में कोई शॉर्टकट नहीं है।

यहीं पर AI प्रतिस्पर्धा बदल रही है। पहले लोग यह तुलना करते थे कि कौन अधिक वेबपेज स्क्रैप कर सकता है, फिर यह कि किसके पास अधिक GPU है, अब धीरे-धीरे यह तुलना हो रही है कि किसके पास अधिक साफ़, अद्वितीय, कानूनी और नकल करने में कठिन डेटा है।

डेटा अब केवल ट्रेनिंग शुरू करने से पहले का एक ढेर “कच्चा माल” नहीं है।

यह एक ऐसा संपत्ति बन रहा है जिसे खरीदना, साफ करना, स्वामित्व स्थापित करना, ट्रैक करना और ऑडिट करना आवश्यक है।

सच्ची डेटा की खाई शायद यह नहीं है कि “किसके पास इंटरनेट की प्रति है”, बल्कि यह है कि किसके पास ऐसी गुणवत्तापूर्ण सामग्री है जिसे दूसरे नहीं पा सकते, नहीं रख सकते, या जिसे पाने के बाद भी वे आराम से उपयोग नहीं कर सकते।

मुझे लगता है कि निष्कर्ष "AI कंपनियों को भौतिक पुस्तकों को स्कैन करने पर प्रतिबंध लगाना" नहीं होना चाहिए।

डिजिटलीकरण स्वयं ज्ञान को संरक्षित कर सकता है और अप्रचलित सामग्री को फिर से खोज, अनुसंधान और मशीनी समझ के प्रणाली में ला सकता है। बड़ी संख्या में सामान्य द्वितीयक पुस्तकों के लिए, विनाशकारी स्कैनिंग अंततः कचरा पुनर्चक्रण में जाने से बुरी नहीं हो सकती। इस बात को सरलता से “AI पुस्तकें जला रहा है” के रूप में लिखना भावनात्मक रूप से प्रभावशाली है, लेकिन तथ्यों की कमी है।

There are two real boundaries.

पहला अधिकार सीमा है: एक कागजी पुस्तक खरीदना, उस कार्य के सभी कॉपीराइट अधिकारों को खरीदने के समान नहीं है, और न ही यह सभी प्रशिक्षण, प्रतिलिपि और आउटपुट क्रियाओं को स्वतः कानूनी बनाता है। बार्ट्ज मामला केवल एक अमेरिकी फेडरल जिला अदालत द्वारा विशिष्ट तथ्यों के आधार पर जारी किया गया महत्वपूर्ण फैसला है, यह वैश्विक AI कंपनियों के लिए स्थायी पास नहीं है।

दूसरा बाउंड्री है संरक्षण: यदि कोई व्यवसाय साबित नहीं कर सकता कि वह दुर्लभ, अनूठे संस्करण या विशेष ऐतिहासिक महत्व वाली पुस्तकों की पहचान करता है और उनसे बचता है, तो "कुशल स्कैनिंग" एक डेटा इंजीनियरिंग समस्या को अपरिवर्तनीय सांस्कृतिक क्षति में बदल सकती है।

Amazon को वास्तव में इसका जवाब देना चाहिए, "आपको पुस्तकों की आवश्यकता क्यों है।"

यह उत्तर धीरे-धीरे स्पष्ट हो रहा है: क्योंकि पिछले कई सौ वर्षों में मनुष्यों द्वारा छोड़ी गई बड़ी मात्रा में उच्च गुणवत्ता वाली जानकारी, पूरी तरह से खुले इंटरनेट पर मौजूद नहीं है।

वास्तविक प्रश्न यह है: जब ये पुस्तकें अपनी अलमारी से AI प्रशिक्षण लाइन में चली जाती हैं, तो कौन निर्णय लेगा कि क्या बलिदान किया जा सकता है और क्या नहीं? कौन सुनिश्चित करेगा कि व्यवसाय को सामग्री मिल रही है, और सामग्री के बाहर के इतिहास को बेकार नहीं फेंका जा रहा है?

इस बात का विरोधाभास बहुत मजबूत है।

अमेज़न ने अपने आरंभ में किताबों को लोगों के हाथों में पहुंचाकर इंटरनेट व्यापार की सबसे महत्वपूर्ण कंपनियों में से एक बन गया; आज, यह फिर से किताबें खरीद रहा है, उन्हें खोल रहा है, और पाठ को मशीन में भेज रहा है।

तकनीक निश्चित रूप से ज्ञान के वाहक को बदल सकती है, लेकिन इसलिए यह नहीं कहा जा सकता कि वाहक का कोई मूल्य नहीं है।

AI को मानव द्वारा लिखित सामग्री की आवश्यकता होती है, इसमें कोई शर्मनाक बात नहीं है। वास्तविक चेतावनी तब है, जब पूरा उद्योग “मानव द्वारा छोड़े गए उच्च गुणवत्ता वाले पाठ” पर अधिकतर निर्भर होता जा रहा हो, लेकिन फिर भी इस प्राप्ति प्रक्रिया को आपूर्ति श्रृंखला के गहरे हिस्से में छुपा दिया जा रहा हो, और कॉपीराइट, स्रोत, दुर्लभता और संरक्षण की जिम्मेदारी को बाद में की गई समस्या के रूप में माना जा रहा हो।

मॉडल एक किताब को टोकन में संपीड़ित कर सकता है, उद्यम टोकन को पैरामीटर में बदल सकते हैं, लेकिन कुछ चीजें एक बार टुकड़ों में तोड़ दी गईं, तो उन्हें फिर से ट्रेन करके वापस नहीं लाया जा सकता।

सभ्यता को डिजिटल बनाया जा सकता है, लेकिन जिम्मेदारी को "फॉर्मेट कन्वर्ट" नहीं किया जा सकता।

1. एमानुएल मैबर्ग। “हमने दुर्लभ पुस्तकों के एक शिपमेंट का अनुसरण किया। यह एक अमेज़ॉन एआई प्रशिक्षण सुविधा पर समाप्त हुआ।” 404 मीडिया, 2026-08-17.
2. जॉर्जिया फीर्न। “अमेज़ॉन पुरानी किताबों को खरीद रहा है और स्कैन करने के बाद उन्हें नष्ट कर रहा है। ये ऑर्डर 2024 तक जाते हैं।” Inc., 2026-08-17.
3. Amazon.com, Inc. “Amazon.com द्वारा दूसरे तिमाही परिणामों की घोषणा की गई।” 2026-07-30.
4. अमेज़न। “अमेज़न और एंथ्रोपिक अपनी रणनीतिक सहयोग को विस्तारित करते हैं।” 2026-04-20.
5. संयुक्त राज्य अमेरिका जिला न्यायालय, उत्तरी जिला कैलिफोर्निया। Bartz v. Anthropic PBC, न्यायोचित उपयोग और उल्लंघन पर आदेश, 2025-06-23.
6. Reuters. “अमेरिकी न्यायाधीश ने एंथ्रोपिक के कॉपीराइट मुकदमे के 1.5 बिलियन डॉलर के समझौते को मंजूरी दे दी।” 2026-07-20.
7. पाब्लो विलालोबोस और अन्य। “क्या हम डेटा के लिए बाहर चले जाएंगे? मानव-उत्पादित डेटा के आधार पर LLM स्केलिंग की सीमाएं।” Epoch AI, 2024-06-06.
8. डैन मिल्मो। “यूके और आयरलैंड में द्वितीयक पुस्तक विक्रेता एआई कंपनियों को ‘अजीब’ बड़े ऑर्डर के पीछे संदेह कर रहे हैं।” द गार्डियन, 2026-08-15.