Интернет всё хуже подходит для обучения ИИ. В нём становится больше автоматически созданных текстов, ошибок и повторов. Поэтому разработчики нейросетей ищут другие источники качественного контента — в том числе в старых бумажных книгах, изданных до массового распространения генеративного ИИ. Для индустрии такие тома ценны как массивы человеческого текста, который ещё не успел смешаться с нейросетевым контентом.
Схема проста и беспощадна к печатным экземплярам. Компании выкупают книги у реселлеров крупными партиями, механически отделяют страницы от переплёта и пропускают их через промышленные сканеры. В материалах судебного разбирательства Anthropic упоминалось гидравлическое оборудование для срезания корешков. Так компания переводила бумажные книги в цифровой массив для обучения моделей. Суд признал такое сканирование трансформативным использованием, поскольку книги не распространялись заново в виде копий.
На этом вырос отдельный рынок посредников. Например, сервис ISBNdb, прежде работавший с библиотеками, дистрибьюторами и книжными магазинами, предлагает ИИ‑компаниям оптовые закупки объёмом от 1 000 до 1 млн книг за заказ и обещает конфиденциальность покупателям. Продавцы уже замечают резкие всплески спроса на случайные книги с ISBN, включая иностранные, антикварные и отсутствующие в переизданиях. Проблема в том, что для нейросети редкая книга — это просто строка в датасете, а для библиотек, читателей и коллекционеров — иногда один из последних сохранившихся экземпляров.
