Kitap satıcılarının bir süredir şüphelendiği durum, bir Airtag takibiyle kanıtlandı. 404 Media'nın raporuna göre Amazon, yapay zeka modellerini eğitmek amacıyla toplu olarak satın aldığı nadir kitapları taradıktan sonra imha ediyor.

Bir kitap satıcısı aracılığıyla toplu sipariş edilen nadir bir kitaba gizlenen Airtag, izleme sonucunda Amazon'un Las Vegas'taki yapay zeka eğitim tesisine ulaştı. Tesis bünyesindeki ekiplerin, kitapların ciltlerini sökerek sayfaları taradığı ve ardından kitapları kullanılamaz hale getirdiği belirtiliyor. Söz konusu depoda yer alan ve bir T-rex'in kitap yediğini gösteren logonun, bu yıkıcı işlem sürecini simgelediği kaydedildi.

ISBN Odaklı Sistematik Tarama Süreci

Araştırma, yapay zeka firmalarının dünyadaki tüm basılı kitapları metodik bir şekilde tarama stratejisi izlediğini ortaya koydu. Amazon çalışanlarının çevrimiçi forumlardaki paylaşımları, kitapların taranmadan önce barkodlarının veya ISBN numaralarının kontrol edildiğini gösteriyor. Bu yöntemle, eğitim veri setlerinde mümkün olan en yüksek hacimde benzersiz eserin yer alması hedefleniyor.

Veri Açlığı ve Kaynak Kıtlığı

Amazon, veri setlerini genişleterek rakipleriyle rekabet etmeyi amaçlarken, zaman zaman taranacak kitap konusunda ciddi sıkıntılar yaşadığı bildirildi. Bazı çalışanların, bu yılın başlarında kitap arzının tamamen tükendiği ve bu durumun tesisin kapanma riskini oluşturduğu yönündeki iddiaları gündeme geldi. Amazon ise konuyla ilgili yaptığı açıklamada, ürün ve hizmetlerini geliştirmek amacıyla ticari kanallar üzerinden kitap satın aldıklarını belirterek yapay zeka eğitimine özel bir detay vermedi.

Ne anlama geliyor?

Dijitalleştirme süreçlerinde kullanılan iki farklı yöntem bulunmaktadır. Birincisi eserlerin fiziksel yapısını koruyarak görüntülenmesi, ikincisi ise sayfaların koparılarak yüksek hızda taranmasıdır. İkinci yöntem, işlem hızını artırsa da fiziksel eserin yok olmasına neden olur. Veri madenciliği süreçlerinde, dijital ortama aktarılmış hazır metinler yerine fiziksel kaynakların taranması, sistemin daha önce görmediği özgün bilgilere ulaşmasını sağlar.

Bu durum, fiziksel arşivlerin dijital veri setlerine dönüştürülmesi sırasında karşılaşılan bir kaynak yönetimi sorunudur. Özellikle standart tanımlayıcı kodlar üzerinden yapılan seçimler, veri setindeki tekrarları önleyerek modelin daha geniş bir bilgi yelpazesine sahip olmasını amaçlar. Kullanıcı açısından bu süreç, kullanılan dijital araçların daha derin ve spesifik bilgiye erişebilmesini sağlarken, fiziksel kültürel mirasın azalmasıyla sonuçlanan bir mekanizmadır.