Az eredeti cikk 2026. július 29-én jelent meg. Frissítve: 2026. augusztus 2.; legutóbb frissítve: 2026. augusztus 23.
Frissítés: egy könyvszállítmány egy Amazon-szkennerhez vezetett
Új részletek érkeztek arról, miért vásárolnak ismeretlen vevők nagy tételben régi könyveket. A Wall Street Journal beszámolója szerint amerikai antikváriusok olyan rendeléseket kaptak, amelyekben egymáshoz alig kapcsolódó, ritka vagy egyszerűen nehezen eladható címek szerepeltek. A vásárlók nem alkudoztak, a csomagokat pedig gyakran köztes raktárakon keresztül kérték.
James Payne brooklyni könyvkereskedőnél a szokatlan rendelések miatt nagyjából megduplázódott a bevétel az előző év azonos időszakához képest. A könyvek között voltak olyan, szűk szakmai témájú kötetek is, amelyekre egy hagyományos gyűjtő aligha vadászna. Több eladó ezért arra gyanakszik, hogy a háttérben AI-modellekhez gyűjtenek tiszta, ellenőrizhető szöveget. Ez azonban a rendelési mintákból levont következtetés, nem minden egyes vevőre és csomagra külön bizonyított tény.
A beszámoló szerint a vásárlók feltűnően ragaszkodtak az ISBN-számmal azonosítható kiadásokhoz. Egy csendes-óceáni partvidéken dolgozó eladó két csomagba nyomkövetőt rejtett: az egyik útja egy illinoisi könyvszkennelő központ közelébe vezetett, a másik pedig Las Vegas, majd Mexikó felé indult. Az útvonal önmagában nem bizonyítja, mi történt a könyvekkel, de megmutatja, miért lett a kereskedőknek fontos kérdés a végső felhasználó kiléte.
Egy külön 404 Media-nyomozás már egy másik, nagyjából ezer könyvből álló szállítmányt követett le egy Amazonhoz tartozó, Las Vegas-i VGT3 egységig. A lapnak nyilatkozó dolgozók szerint ott a könyvek gerincét levágják, hogy a lapokat gyorsabban be lehessen szkennelni. Ez nem azt jelenti, hogy minden furcsa rendelés ugyanoda kerül, de az eddigi legerősebb közvetlen bizonyíték arra, hogy legalább egy ilyen ipari folyamat valóban működik.
Az Amazon azt közölte, hogy kereskedelmi csatornákon vásárol könyveket az ügyfelek által használt termékek és szolgáltatások fejlesztéséhez. A vállalat nem nevezte meg, hogy a konkrét szállítmányokat melyik AI-rendszerhez használják. Az Anthropic ezzel szemben azt állítja, hogy egyik adatbeszerzési programja sem vásárol és semmisít meg ritka vagy antikvár könyveket. A nyilvános információk alapján ezért az biztos, hogy az AI-képzéshez fizikai könyveket is beszereznek, az viszont nem, hogy minden ritka kötetet ugyanaz a cég vagy ugyanaz a módszer érint.
A korábbi történet így már nem csak arról szól, hogy az AI-cégek felvásárolják a régi, ember által írt szövegeket. Az is kérdés lett, hogy egy ritka vagy dedikált példány meddig marad könyv, ha egy ipari szkennerben végzi. A kereskedők most már nemcsak azt mérlegelik, mennyit ér egy kötet, hanem azt is, ki veszi meg, és mi történik vele a csomag feladása után.
Frissítés: ausztrál antikváriusoknál is megjelent a furcsa rendelési hullám
Azóta Ausztráliából is befutott egy újabb darab a történethez. A Guardian augusztus 2-i riportja szerint több használtkönyv-kereskedő kapott szokatlanul nagy, látszólag minden rendszer nélküli rendeléseket a kanadai Zoom Bookstól. Az egyik eladó három doboznyi, nagyjából 30-40 könyvet küldött el egyszerre. Egy másiknál talajmechanikai kézikönyv, új-zélandi kerékpárosokról szóló kötet, korai ausztrál verseket gyűjtő könyv és egy melbourne-i városrész helytörténete került ugyanabba a rendelésbe.
A minta feltűnően hasonlít ahhoz, amelyről az eredeti cikkben írtunk: sok, egymáshoz nem kapcsolódó cím fogy el rövid idő alatt, a vásárló pedig nem különösebben érzékeny az árra. Ettől még nem bizonyított, hogy ezeket a példányokat AI-modellek tanításához vették, és az sem, hogy a könyveket a szkennelés után megsemmisítették. Az ausztrál kereskedők csak a szokatlan megrendeléseket látják, a könyvek további útját nem.
A Zoom Books azt közölte a Guardiannel, hogy a használt könyveket sértetlenül értékesíti tovább, nem digitalizálja őket, a már nem eladható példányokat pedig újrahasznosítja. A cég az ügyfeleit titoktartási kötelezettségre hivatkozva nem nevezte meg, így arra sem adott választ, hogy szállít-e könyveket olyan vállalatoknak, amelyek megsemmisítő szkennelést alkalmaznak.
Az Anthropic külön is reagált. A vállalat szerint soha nem vásárolt a Zoom Bookstól, és egyik adatbeszerzési programja sem vesz vagy semmisít meg ritka, illetve antikvár könyveket. Azt ugyanakkor elismerte, hogy a fizikai könyvek beszerzése elterjedt módszer a nagy nyelvi modellek tanításánál.
Az ausztrál beszámolók tehát megerősítik, hogy a régi könyvek iránti nagy tételű kereslet nem egyetlen országban jelent meg. Azt viszont továbbra sem tudjuk, kik a végső vásárlók, és pontosan mi történik a kötetekkel. Ez a különbség most fontosabb, mint maga a gyanú.
Az AI-cégek éveken át úgy kezelték az internetet, mint egy kifogyhatatlan tanítóadat-raktárt. Most ott tartunk, hogy már a saját termékeik miatt keresnek tisztább forrást. Az ISBNdb régi, nyomtatott könyveket kínál nagy tételben modellfejlesztőknek, mert a 2022 előtt megjelent kötetekben még biztosan nincs generatív AI-val írt szöveg. A szolgáltatásra a 404 Media július 21-i cikke hívta fel a figyelmet.
A helyzet abszurditása elég erős: az internetet elöntő AI-szöveg már azoknak is gond, akik az AI-t fejlesztik. Ha egy új modellt korábbi modellek válaszain tanítanak, a hibák, az ismétlődő fordulatok és a kitalált állítások is bekerülhetnek a következő körbe. Ezt szokták adatszennyezésnek nevezni. A súlyosabb, több generáción át felhalmozódó romlást gyakran modell-összeomlásként írják le, bár nem minden szintetikus adat káros, és ellenőrzött példákkal célzottan is lehet tanítani.
Ezer könyvnél kezdődik a bevásárlás
Az ISBNdb ajánlata nem néhány ritka kötet felkutatásáról szól. A szolgáltatásról szóló beszámolók szerint az alsó határ ezer könyv, a felső pedig akár egymillió. A megrendelő megadhat témát, nyelvet, kiadási évet és más bibliográfiai feltételeket, a közvetítő pedig használtkönyv-kereskedőktől szerzi be az állományt. A vevők kilétét szigorú titoktartás védi.
Ez utóbbi miatt fontos a fék: abból, hogy egy kereskedőnél szokatlanul nagy vagy furcsán összeválogatott rendelés jelenik meg, még nem bizonyítható, melyik AI-cég áll mögötte. Spanyol és német antikváriusok is beszámoltak hirtelen felvásárlásokról, de a végső megrendelő nevét ők sem látták. Maga az üzleti modell valós, a mostani névtelen vásárlók azonosítása viszont egyelőre következtetés.
A kereskedők beszámolóiban ugyanaz a minta tér vissza: rövid idő alatt sok, egymástól látszólag független cím fogy el, a vevő pedig kevéssé érzékeny az árra. Ez nem a hagyományos gyűjtői viselkedés, mert egy gyűjtő rendszerint szerzőt, kiadást vagy állapotot keres. Egy adatkészlethez viszont maga a szöveg számít. A különbség azért fontos, mert a készletmozgás gyanússá teheti a vásárlást, de a háttérben álló céget továbbra sem nevezi meg.
A könyv azért értékes, mert szerkesztett és datálható
Egy nyomtatott kötetnél ismert a szerző, a kiadó és a megjelenés éve. A szöveg általában átesett szerkesztésen, egy szakkönyv pedig olyan szűk területet is részletesen lefedhet, amelyről kevés jó minőségű weboldal készült. A kisebb nyelvek, helytörténeti munkák, régi kézikönyvek és kifutott szakkönyvek ezért különösen érdekesek lehetnek egy fejlesztőnek. A 2022 előtti dátum közben egyszerű eredetjelző: ezek a könyvek még a ChatGPT nyilvános rajtja előtt jelentek meg.
A fizikai példányok feldolgozása ipari méretben kevésbé romantikus. A gyors szkenneléshez gyakran levágják a gerincet, majd külön lapokként etetik be az oldalakat a gépbe. Az eredeti kötet ezt nem éli túl. A módszer nem puszta feltételezés: a Project Panama periratai szerint az Anthropic milliós nagyságrendben vásárolt, szétszedett és digitalizált könyveket a Claude tanításához.
Az Anthropic-ügyben a bíróság a jogszerűen megvett könyvek ilyen digitalizálását átalakító felhasználásnak tekintette. Ez nem általános engedély minden AI-s tanításra. A kalózforrásból származó könyvtárak, a szerzői engedély és a modellekben használt másolatok kérdése külön jogi vita maradt. A mostani közvetítői szolgáltatás éppen azért vonzó, mert számlával igazolható fizikai példányból indul.
A tisztább adat ára eltűnő könyv is lehet
Egy gyakori tankönyv vagy filléres regény egyetlen példányának elvesztése aligha változtat meg egy könyvtári gyűjteményt. Más a helyzet a kis példányszámú szakmunkákkal, helyi kiadványokkal és olyan nyelvek könyveivel, amelyekből kevés példány maradt forgalomban. Az antikvárius azt látja, hogy valaki fizet; azt már nem feltétlenül, hogy a könyv egy raktárban végzi, vagy a gerincét levágják egy szkenner kedvéért.
Az ISBNdb a saját kommunikációjában is elismeri, hogy a könyvek megsemmisítésének rossz a megítélése, ezért a diszkréciót külön szolgáltatásként kezeli. Ettől a legérdekesebb kérdés még nyitva marad: mely cégek vásárolnak most, milyen könyveket keresnek, és mi történik a ritka példányokkal a digitalizálás után? Amíg a vevőket titoktartás fedi, erre nincs ellenőrizhető, név szerinti válasz.
A történet közben világosan mutatja az AI-adatéhség következő szakaszát. A könnyen elérhető webet már teleszórták a modellek saját mondatai, ezért felértékelődött minden, aminek biztosan emberi és dátumozható az eredete. A régi könyv így egyszerre lett kulturális tárgy és nyersanyag. Hogy a kettő közül melyik marad belőle, azt most többnyire olyan vevők döntik el, akik a nevüket sem adják a rendeléshez.
