Un AirTag caché révèle qu'Amazon détruit des livres rares en vrac pour former l'IA

Selon une enquête de Novara Media, un AirTag d'Apple caché a révélé qu'Amazon achetait et détruisait systématiquement des livres rares en vrac pour former ses systèmes d'intelligence artificielle. La découverte a été faite après que des journalistes d'investigation de 404 Media aient persuadé un libraire d'intégrer le dispositif de suivi dans un lot de livres commandés anonymement par Amazon. L'expédition a été retracée vers VGT3, un centre de formation Amazon AI situé à Las Vegas, où les livres sont traités avant d'être jetés. À l'intérieur de l'installation, les livres sont dépouillés de leurs épines pour permettre la numérisation de page par page, un processus essentiel pour alimenter les données dans les modèles d'IA.

L'entrée de l'entrepôt présente un panneau affichant un dinosaure prêt à consommer un livre, une métaphore visuelle de la destruction qui a lieu à l'intérieur. Cette pratique s'aligne sur des tendances plus larges de l'industrie où les entreprises d'IA recherchent des livres plus anciens, qui sont plus susceptibles d'être écrits par des humains et donc moins enclins à contenir du contenu généré par l'IA qui pourrait potentiellement corrompre les données de formation. Selon les rapports, Anthropic, la société derrière le modèle Claude AI, a investi des dizaines de millions de dollars dans l'acquisition de millions de livres pour répondre à sa demande de textes écrits par des humains.

Plus tôt cette année, le Washington Post a détaillé comment de telles acquisitions sont de plus en plus courantes parmi les développeurs d'IA à la recherche de matériel de formation de haute qualité.

À un moment donné, des inquiétudes ont surgi parmi le personnel concernant la fermeture potentielle de l'installation si l'offre de matériel imprimé diminuait, bien que l'opération se poursuive sans relâche, comme l'a noté Ars Technica. En réponse à ces allégations, Amazon a publié une déclaration affirmant qu'il acquiert des livres par le biais de canaux commerciaux pour améliorer et affiner les produits et services utilisés par ses clients. La société n'a pas fourni de plus amples détails sur le rôle spécifique de ces livres dans ses processus de développement de l'IA ni sur les implications de leur élimination. L'exposition des pratiques d'Amazon souligne l'intersection croissante entre les formats de médias traditionnels et les technologies émergentes.

À mesure que les modèles d'IA deviennent plus sophistiqués, la demande pour des ensembles de données diversifiés et étendus continue d'augmenter. Cela a conduit à une poussée d'intérêt des entreprises technologiques pour les textes historiques et rares, qui offrent des modèles linguistiques uniques et des contextes culturels absents dans le contenu numérique moderne. L'implication de journalistes indépendants dans la découverte de cette activité souligne le rôle essentiel du journalisme d'investigation dans la responsabilisation des grandes entreprises. En tirant parti de la technologie telle que l'AirTag, les journalistes ont pu retracer le mouvement des marchandises et exposer des opérations qui, autrement, resteraient cachées.

Cet incident rappelle le débat en cours sur les considérations éthiques de la collecte de données et l'impact environnemental des activités de traitement de l'information à grande échelle.

Le sort des livres traités dans des installations telles que VGT3 reste un point central dans ce discours en évolution, leur destruction représentant à la fois une perte de patrimoine culturel et un pas en avant dans la recherche de capacités avancées d'apprentissage automatique.