- אמזון משתמשת בספרים נדירים וערכיים לאימון מודלי בינה מלאכותית, וזורקת את הפיזיים לאחר הסריקה. גוגל וחברות אחרות עושות דומה. מה המשמעות לעסקים שסומכים על נתונים יוניקיים?
אמזון פעם מכרה ספרים, היום היא משתמשת בהם כדי ללמד מכונות. הצד השני של הסטוריה: כמה מהספרים הנדירים שהיא מחסלת הם עותקים יחידים שלא קיימים בשום מקום אחר.
הסיפור: אמזון, שהחלה כמוכרת ספרים מקוונת, הופכת ספריות לדלק לבינה מלאכותית
זה אירוני: החברה שהחלה בהוצאת ספרים כדי להרוויח בשנות ה-90 כעת הורסת אלפים מהם לאימון מכונות. לפי TechCrunch, עובד של אמזון גילה (בעזרת AirTag שהטמין בספר) שהחברה סורקת ספרים נדירים לאימון מודלי בינה מלאכותית שלה, ואחר כך משליכה את העותקים הפיזיים לפסולת.
הפרט המעניין: הספרים הנדירים מכילים שפה, טרמינולוגיה היסטורית וידע שאינו קיים באינטרנט. אמזון בוחרת בהם דווקא מפני שהם נדירים, כלומר נתוני אימון בעלי ערך גבוה.
מדוע ספרים נדירים הם "זהב" לאימון בינה מלאכותית
למודלי שפה גדולים (LLM) רעבון גדול על נתונים ייחודיים. טקסטים מהאינטרנט כבר נשמשו לשנים, OpenAI (OpenAI), גוגל (Google), Meta (Meta) וכל השאר כבר "הוקצו" על ויקיפדיה, בלוגים ועוד.
ספרים נדירים, לעומת זאת:
- מכילים שפה מעידן אחר (למשל ספרי רפואה מהמאה ה-19)
- עשויים להיות בשפות שאין להן נתונים רבים בתשתית (כולל עברית)
- עשויים להכיל טרמינולוגיה תחומית או קניין רוחני
זהו בדיוק מה שהופך אותם לחזקים לאימון, וזו גם בדיוק הבעיה.
הצד המשפטי והאתי
השאלה המשפטית איננה ברורה, אך מתחדדת:
בארה"ב: "fair use" דומה עשוי להגן על אימון בינה מלאכותית, אך משפטנים עדיין דנים בכך. אין פסק דין סופי.
באירופה: תיקון 13 של הנחיית זכויות יוצרים בסביבה דיגיטלית (CDSM) מאפשר אימון בינה מלאכותית "רק אם לא מתערבים בדרך מסחרית עם העבודה המקורית". דרישה שאמזון כרגע לא עומדת לה.
בפרקטיקה: חברות כמו OpenAI, Google ו-Meta חתמו הסכמים עם הוצאות ספרים. אמזון לא כמעט.
מה זה אומר לעסק הישראלי
הנה שתי זוויות חשובות:
1. אם לכם יש נתונים ייחודיים
אם בעסק שלכם יש:
- בסיס ידע פנימי (מדריכים, מסמכים)
- ספרייה דיגיטלית
- קורפוס טקסטים בעברית
- ידע תחומי או טרמינולוגיה מיוחדת
הם כנראה כבר נסרקו על ידי חברות בינה מלאכותית כלשהן, ללא רשות. אם העברו דרך הענן (Google Drive, OneDrive), הם בוודאות נסרקו.
מה לעשות:
- תנו רשות מפורשת ובכתב אם בכלל רוצים שמודלים יוקצו על הנתונים שלכם
- אם בנתוניכם קנין קריטי, שמרו אותם בענן פרטי או בהצפנה
- הוסיפו "robots.txt" ו-"X-Robots-Tag: noindex" לא רק לאתר אלא לכל סורק בענן
- שקלו מעקב אחר דוגמאות בינה מלאכותית כדי לראות אם הטקסטים שלכם מצוטטים
2. אם אתם משתמשים בבינה מלאכותית
גם הזהירות צריכה להיות בכיוון השני. אם אתם בוחרים מודל בינה מלאכותית לעסק, שאלו:
- מהו מקור הנתונים שלו? (אם לא מסברים, יש בעיה אתית)
- האם יש הסכם עם בעלי זכויות?
- האם מודל זה מורשה לשימוש מסחרי בישראל ללא עמלות לצד שלישי?
סוגר: השיטה עצמה
אמזון סורקת ספרים מכיוון שאיננה יכולה לבנות מודל בגודל ChatGPT או Gemini ללא נתונים "טריים". מודלים בגודל כזה צורכים מיליארדים של דוגמאות. האינטרנט רווי. לכן החיפוש אחרי ספרים, תמלילים, מסמכים מוסדיים.
הבעיה: ספרים הם הטבעת האחרונה של המילון הייחודי.
אך תן לי להיות ישיר: גם בישראל יש מי שעושים כן. סטארטאפים שלנו סורקים מסמכים ממשלתיים או ספריות ללא רשות. זה לא ייחודי לאמזון, זה ייחודי לבינה מלאכותית.
שורה תחתונה: אם נתוניכם חשובים לכם, התחילו להגן עליהם כמו שמשפחה שומרת על מורשתה: בשקיפות, בבחינה זהירה, ובהסכם כתוב.
קורס במתנה עם ברכה אישית מכם, מסירה מיידית או בתאריך שתבחרו, וגישה לכל החיים.
קישורים רלוונטיים
שאלות נפוצות
יעקב צדק
מרצה AI מוביל בישראל, מטמיע בינה מלאכותית בארגונים מ-2021. מייסד LazySEO AI ומכללת צדק אקדמי, מוביל קהילות עם מעל 100,000 חברים. שותף רשמי של Meta, Google, Canva ו-TikTok.
עוד עליי ←