Amazon начинает уничтожать книги для обучения ИИ из-за нехватки данных

По мере того как открытый интернет становится все труднее обеспечивать достаточную редкость, надежность и качество текстов, не загрязненных AI-сгенерированным контентом, старые книги превращаются из культурных товаров в сырье для данных эпохи ИИ.

Автор статьи, источник: 0x9999in1, ME News



• Это не просто новость о том, что «Амазон уничтожает книги». Более важный сигнал: когда открытый интернет становится все труднее предоставить достаточное количество редких, надежных и не загрязненных AI-сгенерированным контентом качественных текстов, старые книги превращаются из культурных товаров в сырье для данных эпохи ИИ.
• 404 Media отслеживает заказ на около 1000 книг, который в конечном итоге поступил на склад Amazon LAS8 в Северном Лас-Вегасе; сотрудники сообщили, что команда VGT3 снимет корешки книг и просканирует страницы, в результате чего оригиналы будут уничтожены. Amazon подтвердила, что приобретает книги через коммерческие каналы для улучшения продуктов и услуг, но не раскрыла масштаб проекта, время его начала, конкретное назначение, а также не ответила на вопрос, будет ли происходить отбор редких или дефицитных изданий перед уничтожением.
• Идея «сначала купить бумажную книгу, а затем произвести разрушительное сканирование» имеет еще один реальный контекст: в деле Bartz против Anthropic 2025 года федеральный окружной суд США признал разумное использование при однозначной цифровой замене законно приобретенной бумажной книги, но четко разграничивал законную покупку и получение пиратских копий. К июлю 2026 года окончательное одобрение было получено за соглашение о мировом урегулировании в размере 1,5 млрд долларов США по коллективному иску о нарушении авторских прав, связанному с Anthropic и пиратскими источниками. Источники данных превращаются из технической проблемы в проблему баланса.
• Сейчас Amazon неожиданно не вступает в игру. Компания ожидает капитальные расходы около 200 миллиардов долларов США в 2026 году, при этом ИИ является приоритетным направлением инвестиций; выручка AWS во втором квартале этого года выросла на 37% по сравнению с прошлым годом до 42,2 миллиарда долларов США. Вычислительные мощности продолжают безудержно расширяться, но предельная ценность качественных данных также растет.
• Следует опасаться не самих действий по «разборке книг», а системе закупок и уничтожения, лишенной прозрачности: обычные подержанные книги можно переиздать и снова купить, но некоторые изъятые издания, издания с пометками, местные публикации и редкие тексты могут быть утрачены навсегда. Если механизм отбора отсутствует, компании, использующие ИИ, получают данные, а общество может потерять необратимые физические записи.

Самым ярким и жестоким образом этого события, конечно, является то, как книга разрезается по корешку, её страницы отправляются в сканер, и в итоге оригинальная книга перестаёт существовать. Ещё более драматично то, что эту процедуру проводит компания Amazon — та самая Amazon, которая в 1995 году начала с продажи книг в интернете. Спустя тридцать с лишним лет она снова массово покупает книги, но на этот раз книги могут и не попасть в руки читателей — они превращаются в данные, которые могут быть «переварены» машинами.

Согласно расследованию, опубликованному 404 Media 17 августа, журналист Эмануэль Майберг сотрудничал с книготорговцем, получившим крупный заказ через Biblio, и вставил AirTag в одну из примерно 1000 книг. Трекер был отслежен до склада LAS8 Amazon в Северной Лас-Вегасе. Согласно данным сотрудников, работающих на этом объекте, команда под названием VGT3 отвечает за прием больших партий бумажных книг, удаление переплетов, быстрое сканирование и уничтожение оригинальных книг в процессе. Amazon подтвердила Inc., что компания действительно «покупает книги через коммерческие каналы для разработки и улучшения продуктов и услуг, используемых клиентами», но не ответила на вопросы о том, сколько именно книг было куплено, с какого момента начался проект, какие продукты получают данные и будут ли исключаться редкие или дефицитные издания заранее.

Более того, эта подсказка не появилась вчера внезапно. Inc. обнаружила, что еще в сентябре 2024 года на форуме продавцов Amazon сообщали о большом количестве заказов книг, отправленных на LAS8: кто-то столкнулся с тем, что один покупатель оформил 68 заказов за раз, кто-то получил 48 заказов в ночное время, все они были на книги университетских издательств, а другие продавцы отметили, что один и тот же аккаунт почти ежедневно покупал книги. Представитель форума Amazon в то время подтвердил, что эти заказы были действительными, но сейчас Amazon не уточняет, связаны ли эти заказы с VGT3.

Мое мнение заключается в том, что настоящая значимость этого события — не в эмоциональном шоке от того, что «технологические гиганты сжигают книги», а в том, что оно раскрывает пересмотр ресурсов в индустрии ИИ: если несколько лет назад самым дефицитным были GPU, серверные помещения, электроэнергия и капитал, то теперь качественные, отслеживаемые и максимально очищенные от загрязнения сгенерированным ИИ человеческие тексты也开始 переоцениваться.

Рынок букинистических книг внезапно оказался вовлеченным в цепочку поставок ИИ — это не абсурдный эпизод эпохи ностальгии, а естественный и суровый шаг после индустриализации крупных моделей.

Интернет кажется бесконечным, но данные, действительно подходящие для обучения передовых моделей, не являются бесконечными.

В исследовании Epoch AI 2024 года было оценено, что после корректировки на качество и дублирование эффективный запас открытых человеческих текстов, доступных для обучения, составляет примерно 30 триллионов токенов; если тенденция роста объема данных сохранится, этот запас может быть полностью использован в период с 2026 по 2032 год. Это предсказание не является обратным отсчетом до «исчерпания данных завтра», поскольку синтетические данные, эффективность данных, пост-обучение и мультимодальные методы продолжают развиваться, но оно указывает на тенденцию: все труднее получать новые данные того же качества, просто расширяя веб-скрейпинг.

Старые книги имеют несколько характеристик, которые невозможно игнорировать для компаний, занимающихся ИИ.

Во-первых, они часто проходят несколько этапов отбора авторами, редакторами и издательствами, поэтому плотность информации и структура обычно более стабильны, чем у случайных веб-страниц. Во-вторых, множество региональных историй, профессиональных руководств, узкоспециализированных научных трудов, старых учебников, отраслевых материалов и неанглоязычных публикаций никогда не были полностью оцифрованы, и их невозможно найти в открытых веб-страницах. Более тонкий момент заключается в том, что контент, опубликованный до широкого распространения генеративного ИИ, с большей вероятностью был создан в чисто человеческой среде.

Эта ценность была прямо указана данными поставщиками. В июле этого года в отчетах о рынке закупок книг книжная база данных ISBNdb использовала фразу «Лучшие в мире данные для обучения ИИ лежат на полках», чтобы протестировать спрос на закупку книг со стороны компаний, работающих с ИИ, и подчеркнула, что книги содержат отсортированные, отредактированные и профессионально оформленные человеческие знания. Позже ISBNdb заявила, что эта страница была лишь тестом рыночного спроса и уже удалена.

Почему это предложение режет глаза? Потому что оно полностью раскрывает тревогу всей отрасли.

Чем мощнее генеративный ИИ, тем больше текстов в интернете становится написанными, переписанными или сводимыми ИИ. Если модели снова безразлично поглощают этот контент, источники данных станут все более сложными. Таким образом, то, что было напечатано на бумаге до волны генеративного ИИ, внезапно приобретает новую ценность, которой раньше не было: по крайней мере во времени, они ближе к информационной среде, не подвергшейся массовому вмешательству генеративного ИИ.

Таким образом, покупка подержанных книг Amazon не означает, что он «возвращается в эпоху печатных СМИ» — напротив, это крайне последовательный подход к цифровизации. Для тренеров моделей обложка, оформление и история коллекционирования книги могут не иметь прямой обучающей ценности; настоящая ценность заключается в тех токенах внутри, которые можно разбить на части, индексировать, удалять дубликаты, аннотировать и использовать для обучения.

Книги превращаются из товаров в корпусы данных, и их система цен также меняется. Раньше десятилетиями никто не интересовался старым профессиональным изданием, но из-за отсутствия полной электронной версии в интернете оно внезапно приобретает новый машинный спрос.

Это самое важное, на что стоит обратить внимание.

Причина во-первых очень проста: эффективность.

Индустриализация цифровизации десятков тысяч книг путем постраничной фотографии — крайне медленный процесс. После удаления корешка страницы можно ровно разделить, что делает их более подходящими для высокоскоростного сканирования и последующего распознавания текста. Деструктивное сканирование — это не технология, появившаяся в эпоху ИИ, но ИИ, возможно, впервые направил ее на прямое использование в данных промышленных целях.

Существует еще более чувствительный фон: право.

В июне 2025 года федеральный окружной суд Северного округа Калифорнии в деле Bartz v. Anthropic раскрыл, что Anthropic приобрела миллионы бумажных книг, разобрала их переплеты, обрезала страницы, отсканировала их в цифровые копии и уничтожила бумажные оригиналы после создания цифровых версий. Судья Уильям Альсуп в рамках конкретных обстоятельств дела сочел, что такое преобразование формата — «замена одного бумажного экземпляра внутренней цифровой копией, при которой цифровая копия не распространяется за пределы организации» — является добросовестным использованием; суд также признал, что конкретное использование крупных языковых моделей для обучения в данном случае является добросовестным использованием.

Но то же самое решение провело очень четкую границу.

Anthropic ранее загрузила более 7 миллионов книг из пиратской базы данных. Суд посчитал, что создание и долгосрочное хранение централизованной цифровой библиотеки из пиратских источников не получает автоматической защиты на основании добросовестного использования лишь потому, что некоторые из этих материалов впоследствии были использованы для обучения ИИ. Суд четко разделил законную покупку и получение через пиратство.

Почему эта линия важна? Потому что она дала всей индустрии ИИ дорогой урок по закупкам: не «можно брать любые данные для обучения», а откуда берутся данные, платит ли компания за копии и как они хранятся и копируются, может изменить правовые риски.

А потом этот урок действительно стал дороже.

20 июня 2026 года федеральный суд США окончательно утвердил коллективное авторское соглашение об урегулировании между Anthropic и авторами и издателями на сумму 1,5 млрд долларов США. В соглашение входят более 482 000 книг, и заявки на возмещение уже поданы примерно для 91% соответствующих произведений. Необходимо четко подчеркнуть, что это урегулирование касается претензий, связанных с пиратскими источниками, и не означает, что американская судебная система выдала единый разрешительный документ для всех видов обучения ИИ; другие дела, различные источники данных и иные способы использования могут привести к другим результатам.

Поэтому сейчас Amazon покупает бумажные книги через коммерческие каналы, и логика управления рисками здесь очень понятна.

Он был разработан по юридическому пути, сформированному делом Anthropic? На данный момент нет публичных доказательств, чтобы сделать такой вывод. Но к 2026 году, когда решение по делу Anthropic и компенсация в 1,5 миллиарда долларов уже будут на столе, любая крупная ИИ-компания будет больше всего беспокоиться об одном: сможете ли вы доказать, откуда взяты данные.

Цена на покупку физической книги может быть очень низкой; объяснять в суде через несколько лет, откуда взялись миллионы обучающих материалов, может оказаться совсем не дешево.

Раньше индустрия ИИ привыкла воспринимать данные как неиссякаемый воздух в сети, теперь она учится платить за «источники».

Здесь необходимо разделять эмоции и факты.

Популярные бестселлеры, массово издававшиеся популярные издания и старые книги, которые все еще широко распространены на рынке, попадающие в систему переработки, сами по себе не являются культурной катастрофой. В прошлом индустрия вторичных и антикварных книг также практиковала разбор книг для продажи иллюстраций и утилизацию нераспроданных тиражей. Нельзя из-за появления ИИ внезапно притворяться, что каждая старая книга — уникальный экземпляр.

Проблема в том, что Amazon до сих пор не ответил, будет ли он распознавать редкие, устаревшие или специальные версии до сканирования на повреждения.

The book tracked by 404 Media was reported to be a rare book, and Inc. specifically asked Amazon whether it screened out rare or scarce editions before destroying them, but received no response.

Это оставляет уязвимость, которую нельзя просто игнорировать, ссылаясь на «уже потраченные деньги»: юридическое право собственности и культурная ценность сохранения — это совершенно разные вещи.

Текст книги можно отсканировать. Однако автографы, заметки читателей, книжные марки, особая обложка, информация об исправлениях, следы местной печати и даже физические следы, оставленные книгой за десятилетия обращения, не обязательно попадут в OCR и тем более не обязательно войдут в финальный обучающий набор.

Текст остался, но вещественные доказательства могут исчезнуть.

Эта обеспокоенность не ограничивается только США. В этом году несколько вторичных книжных магазинов в Великобритании и Ирландии сообщили газете The Guardian, что в последние месяцы появились крупные заказы на книги с совершенно не связанными между собой темами и низкой ценовой чувствительностью: кто-то закупает романы на эстонском языке, определенные издания произведений Бронте и старые журналы 1983 года; один книжный продавец заявил, что с начала года получил заказы на около 6000 подобных книг. Ранее в Австралии также сообщалось о необычно крупных заказах.

Но здесь также необходимо придерживаться границ фактов: нет открытых доказательств, что все эти зарубежные заказы исходят от AI-компаний. Сама статья The Guardian четко представляет их как предположения и опасения издателей, а не как подтвержденные закупки AI.

На самом деле, именно расследование 404 Media против Amazon было доведено до конкретного объекта с AI-сканированием с помощью отслеживаемого устройства.

Это как раз показывает, почему важна прозрачность.

Если компания считает такую закупку законной и обоснованной и действительно способной улучшить продукт, то несколько базовых вопросов не являются чрезмерными: какие типы книг попадут в разрушительное сканирование? Исключаются ли редкие, ценные, автографированные издания и версии, обладающие особой вещественной ценностью? Как обрабатываются бумажные копии после сканирования? Как долго сохраняются цифровые копии? Для каких продуктов или категорий моделей они в основном будут использоваться?

Конечно, компании не обязаны раскрывать все рецепты обучения.

Но «мы потратили деньги, поэтому можем молча отключить всё» — это не достаточно зрелый ответ.

Потому что он делает ставки на ИИ с беспрецедентной скоростью.

В феврале этого года Amazon заявила, что ожидает капитальные затраты за весь 2026 год на уровне около 200 миллиардов долларов США, с акцентом на такие возможности, как ИИ, чипы, робототехника и низкоорбитальные спутники. Во втором квартале выручка компании достигла 200,6 миллиарда долларов США, что на 20% выше прошлогоднего показателя; выручка AWS составила 42,2 миллиарда долларов США, увеличившись на 37% — это самый высокий темп роста за последние 18 кварталов. За последние 12 месяцев свободный денежный поток перешел в чистый отток в размере 7,6 миллиарда долларов США; Amazon прямо указала, что значительный рост закупок недвижимости и оборудования отражает инвестиции в искусственный интеллект. Годовой темп выручки от ИИ-бизнеса и чипового бизнеса AWS также превысил 25 миллиардов долларов США.

Более того, стоит отметить отношения между Amazon и Anthropic.

В апреле этого года Amazon объявила о дополнительных инвестициях в Anthropic в размере 5 миллиардов долларов США на фоне ранее сделанных инвестиций в 8 миллиардов долларов США, с возможностью дополнительных инвестиций до 20 миллиардов долларов США при достижении определенных коммерческих вех. В то же время Anthropic обязалась потратить более 100 миллиардов долларов США на технологии AWS в течение следующих десяти лет и получить доступ к максимальной мощности до 5 ГВт существующих и будущих вычислительных ресурсов Trainium.

Другими словами, Amazon теперь является как провайдером облачной инфраструктуры, так и инвестором в индустрию передовых моделей, а также управляет Nova, Alexa, Rufus и множеством корпоративных AI-сервисов.

Ему нужно больше, чем просто больше чипов.

Ему требуется больше качественных знаний, более широкое покрытие длинных хвостов, более надежные источники данных и более понятная цепочка прав на данные.

С учетом текущего масштаба капитальных затрат Amazon, массовая закупка подержанных книг явно не станет основным фактором, определяющим финансовое состояние компании. На самом деле важно само по себе это действие как сигнал: гигант, готовый ежегодно инвестировать около 200 миллиардов долларов в расширение технологической инфраструктуры, все еще готов расширить свои цепочки поставок в дисперсный, неэффективный рынок подержанных книг, где каждая книга оценивается индивидуально.

Почему?

Потому что некоторые данные действительно не имеют ярлыков.

Это то место, где конкуренция в области ИИ меняется. Раньше все соревновались, кто сможет спарсить больше веб-страниц, затем — кто обладает большим количеством GPU, а теперь всё больше зависит от того, кто владеет более чистыми, уникальными, легальными и трудно копируемыми данными.

Данные больше не являются просто набором «сырья» до начала обучения.

Оно превращается в актив, который необходимо приобретать, очищать, подтверждать права, отслеживать и аудировать.

Настоящим защитным барьером данных, возможно, является не то, кто владеет копией интернета, а кто обладает качественным контентом, который другие не могут получить, удержать или, получив, не осмеливаются использовать с уверенностью.

Я не считаю, что выводом должно быть «запретить компаниям ИИ сканировать печатные книги».

Цифровизация сама по себе может сохранить знания и вернуть утраченные материалы в системы поиска, исследований и машинного понимания. Для большинства обычных подержанных книг разрушительное сканирование не может быть хуже, чем их окончательная утилизация в виде макулатуры. Просто записать это как «ИИ сжигает книги» — эмоционально, но не фактически.

У настоящих границ две стороны.

Первое — это граница прав: покупка бумажной книги не означает приобретение всех авторских прав на это произведение, тем более что все действия по обучению, копированию и выводу не являются по умолчанию законными. Дело Bartz — это лишь важное решение одного из федеральных окружных судов США в рамках конкретных обстоятельств, а не бессрочный пропуск для всех мировых компаний, работающих с ИИ.

Второе — сохранение границ: если компания не может доказать, что способна распознавать и избегать редких, уникальных по изданию или обладающих особой исторической ценностью книг, то так называемое «эффективное сканирование» может превратить проблему обработки данных в необратимую культурную утрату.

На самом деле, то, что Amazon должен был ответить, — это не «зачем вам книги».

Этот ответ становится все более ясным: поскольку большое количество высококачественных знаний, накопленных человечеством за последние несколько столетий, существует не только в открытых интернет-ресурсах.

Настоящий вопрос в том, кто решает, что можно пожертвовать, а что нельзя, когда эти книги переходят с полок в конвейер обучения ИИ? Кто убедится, что компании получают содержание, а не случайно стирают историю за пределами содержания?

Это очень иронично.

Amazon в свое время стала одной из самых важных интернет-компаний, доставляя книги людям; сегодня она снова покупает книги, разбирает их и передает тексты машинам.

Технологии, конечно, могут изменить носитель знаний, но это не означает, что носитель не имеет никакой ценности.

ИИ нуждается в том, что написано людьми, и в этом нет ничего постыдного. Настоящая опасность заключается в том, что вся отрасль все больше полагается на «высококачественные тексты, оставленные людьми», но при этом скрывает процесс их получения в глубинах цепочки поставок, превращая авторские права, источник, редкость и ответственность за сохранение в второстепенные вопросы.

Модель может сжать книгу в токены, компания может превратить токены в параметры, но некоторые вещи, как только они будут разрезаны, не могут быть восстановлены при следующем обучении.

Цивилизация может быть оцифрована, но ответственность нельзя устранить с помощью "конвертации форматов".

1. Эмануэль Майберг. «Мы отслеживали отправку редких книг. Она закончилась на объекте по обучению ИИ Amazon.» 404 Media, 2026-08-17.
2. Джорджия Фирн. «Amazon покупает старые книги и уничтожает их после сканирования. Заказы восходят к 2024 году.» Inc., 2026-08-17.
3. Amazon.com, Inc. «Amazon.com объявила результаты второго квартала.» 2026-07-30.
4. Amazon. «Amazon и Anthropic расширяют стратегическое сотрудничество». 2026-04-20.
5. Окружной суд США, северный округ Калифорнии. Bartz против Anthropic PBC, постановление о добросовестном использовании и нарушении, 2025-06-23.
6. Reuters. «Судья США одобрил соглашение об урегулировании иска об авторских правах Anthropic на сумму 1,5 млрд долларов». 2026-07-20.
7. Пабло Вильялобос и др. «Сможем ли мы исчерпать данные? Ограничения масштабирования ИИ на основе данных, созданных людьми.»Epoch AI, 2024-06-06.
8. Дэн Милмо. «Продавцы подержанных книг в Великобритании и Ирландии подозревают компании, использующие ИИ, за «странные» оптовые заказы.» The Guardian, 2026-08-15.