Amazon, एकेकाळी ऑनलाइन पुस्तकविक्रेते, AI मॉडेल्सचे प्रशिक्षण देण्यासाठी दुर्मिळ पुस्तके नष्ट करत आहेत

ॲमेझॉन अनेक दुर्मिळ पुस्तके खरेदी करत आहे, त्यांचे मणके कापत आहे आणि AI प्रशिक्षणासाठी स्कॅन करत आहे. 404 मीडियाज्याने दुर्मिळ पुस्तकात ट्रॅकिंग डिव्हाइस ठेवले जे शेवटी लास वेगासमधील ऍमेझॉन सुविधेवर पोहोचले.

VGT3 नावाने ओळखली जाणारी ही सुविधा स्वतःची ओळख पटवलेल्या डायनासोरच्या चिन्हाने करते. ॲमेझॉनने 404 मीडियाला एका निवेदनात सांगितले की ते “ग्राहक वापरत असलेली उत्पादने आणि सेवा सुधारण्यासाठी व्यावसायिक चॅनेलद्वारे पुस्तके खरेदी करते.”

Amazon सारख्या कंपन्यांना त्यांच्या LLM ला प्रशिक्षित करण्यासाठी मोठ्या प्रमाणात मजकूराची आवश्यकता असते, ज्यांनी इंटरनेटवरून (आणि, अँथ्रोपिकच्या बाबतीत, बेकायदेशीरपणे पायरेटेड पुस्तके) आधीच अंतर्भूत केले आहेत. दुर्मिळ पुस्तके, विशेषत: मुद्रित किंवा इंटरनेटवर शोधणे अशक्य असलेली पुस्तके, प्रतिष्ठित प्रशिक्षण डेटाचा एक नवीन स्रोत देतात.

हे मजकूर विशेषतः मौल्यवान आहेत कारण 2022 पूर्वी प्रकाशित केलेली कोणतीही गोष्ट एलएलएमने लिहिली असण्याची शक्यता नाही. जेव्हा LLMs AI-व्युत्पन्न मजकूरावर प्रशिक्षण घेतात, तेव्हा त्यांना “मॉडेल कोलॅप्स” होण्याचा धोका असतो, जो खूप जास्त AI-जनरेट केलेला मजकूर खाल्ल्यानंतर LLM च्या आउटपुटची गुणवत्ता खालावते तेव्हा होऊ शकते.