Le aziende AI si rivolgono ai libri cartacei per addestrare i loro modelli

Pare che i colossi AI abbiano individuato una nuova fonte di dati per addestrare i propri modelli e tenere al minimo le controversie: i libri cartacei. Nello specifico, milioni di libri, acquistati sul mercato dell’usato tramite aziende intermediarie. Una recente indagine di 404 Media ha fatto luce su quello che, a detta della testata, è un fenomeno in grande crescita, e nasce da un problema fisiologico delle classiche fonti digitali online, e cioè che sono a loro volta state "contaminate" dalla Gen AI stessa.

Gran parte dei contenuti pubblicati online negli ultimi anni è stata prodotta o influenzata da sistemi AI, generando una massa crescente di testi, immagini e informazioni di qualità discutibile che rischia di compromettere lo sviluppo di nuove generazioni di modelli. I libri pubblicati prima dell’esplosione dell’AI generativa rappresentano una delle risorse più preziose, poiché contengono contenuti creati interamente da autori umani e non influenzati dai moderni sistemi automatici.

Non è necessariamente una strategia completamente inedita di questi mesi. Negli ultimi anni è emerso che diverse società del settore hanno investito milioni di dollari nella digitalizzazione di opere cartacee da utilizzare per l’addestramento dei modelli linguistici. Spesso i libri nemmeno sopravvivono: salta fuori che è più economico e veloce scansionare le pagine se preservarne l'integrità non è una priorità.

CLICCA QUI PER CONTINUARE A LEGGERE