Amazon compra libri rari, taglia i dorsi e li scansiona a Las Vegas
Testo scritto con l’intelligenza artificiale a partire da fonti pubbliche, senza revisione umana prima della pubblicazione.
Un libro tracciato da 404 Media è finito nella struttura VGT3, identificata dal simbolo di un dinosauro con un libro, usata per acquisire testi per l'addestramento di modelli AI.
404 Media ha nascosto un tracker in un libro raro acquistato da Amazon. Il volume è arrivato all’impianto VGT3 di Las Vegas, riconoscibile da un dinosauro che stringe un libro nel logo. TechCrunch riferisce che lì si tagliano i dorsi e si scansionano “tonnellate” di libri rari per alimentare modelli di intelligenza artificiale.
Amazon, in una dichiarazione a 404 Media, afferma di “acquistare libri attraverso canali commerciali per migliorare i prodotti e i servizi che i clienti usano”.
Secondo TechCrunch, le aziende hanno bisogno di quantità “inconcepibilmente grandi” di testo per addestrare modelli linguistici. Hanno già assorbito quanto era disponibile online. I libri rari, soprattutto fuori catalogo o assenti dal web, offrono una nuova fonte di dati per l’addestramento.
C’è anche un vantaggio temporale. I testi pubblicati prima del 2022 non includono scrittura generata da IA. Addestrare modelli su testo prodotto da altri modelli può causare “collasso del modello”, con degrado della qualità degli output. I libri precedenti all’ondata di IA generativa aiutano a evitare questo rischio.
Il collegamento tra libri rari e addestramento emerge dalla sequenza ricostruita: acquisto, arrivo a VGT3, taglio del dorso, scansione. Il tracciamento di 404 Media lega un singolo volume a una struttura Amazon e a una pratica industriale di digitalizzazione. TechCrunch inserisce il caso in un quadro più ampio in cui i dataset attingono a materiali raccolti dal web e, in alcuni casi, a libri piratati da parte di un’altra azienda citata come esempio del settore.
Nel contesto descritto, gli archivi cartacei non digitalizzati diventano una risorsa. Colmano ciò che internet non offre più: testi rari, fuori stampa, non disponibili online. Per le aziende che vogliono addestrare modelli sempre più grandi, questa riserva rappresenta un bacino che integra il materiale già rastrellato in rete.
Amazon non ha fornito dettagli ulteriori oltre alla finalità generale di migliorare prodotti e servizi. Non indica modalità di selezione dei titoli, né volumi coinvolti. L’informazione concreta è il percorso del libro tracciato fino a VGT3 e la prassi, riportata da TechCrunch, di tagliare i dorsi per velocizzare la scansione.
Se il web non basta più, gli scaffali fisici entrano nella catena di approvvigionamento dei dati. Resta la domanda operativa: per quanto tempo il cartaceo potrà sostenere la fame di testo dei modelli prima che anche questa sorgente si assottigli?
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate nel pezzo. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.