Amazon скупает старые печатные книги, срезает корешки и сканирует страницы для обучения искусственного интеллекта. Бумажные экземпляры после оцифровки уничтожают. Конвейер обнаружили с помощью AirTag, спрятанного в одной из примерно 1000 редких книг. Метка привела журналистов на склад компании в Лас-Вегасе. Amazon подтвердила закупку книг, но не назвала модели или сервисы, которым предназначены полученные тексты.
Расследование провёл Эмануэль Майберг , журналист и сооснователь 404 Media. В июле продавец редких и подержанных книг получил через Biblio заказ примерно на 1000 изданий. Площадка скрывает личности покупателей, а подборка выглядела подозрительно: неизвестный заказчик собрал мало связанные между собой книги, включая малотиражные и труднодоступные работы. Редакция передала продавцу AirTag, который спрятали внутри одного тома. Имя участника расследования не раскрыли из-за опасений за книжный бизнес, а Biblio не ответила на вопросы журналистов.
Метка вылетела из Калифорнии в Милуоки, провела две недели на распределительном складе возле Кеноши в Висконсине, а затем поехала на запад. После ночной остановки в Гранд-Джанкшене в Колорадо груз прибыл на склад Amazon LAS8 в северной части Лас-Вегаса.
LAS8 в основном печатает книги по требованию, поэтому адрес сначала не объяснял странную закупку. AirTag подал сигнал из северной части здания, занятой отдельным подразделением VGT3. На входе размещен логотип с тираннозавром, держащим раскрытую книгу. Судя по сообщениям работников , сотрудники VGT3 принимают крупные партии книг, считывают штрихкоды, срезают переплеты и сканируют страницы. Некоторые работники прямо описывали VGT3 как площадку, где занимаются только книгами.
Удаление корешка позволяет быстро пропускать отдельные листы через промышленные сканеры, но восстановить книгу после обработки уже нельзя. Названия попавших в заказ изданий 404 Media не раскрыла. Слово «редкие» не обязательно означает дорогие первые издания. Речь идет о книгах, которых осталось мало в продаже, включая небольшие тиражи и литературу на языках с малым числом носителей. Уничтожение каждого экземпляра дополнительно сокращает доступное количество таких работ.
Amazon подтвердила , что покупает книги через обычные коммерческие каналы для разработки и улучшения продуктов и сервисов. Компания не сообщила количество приобретенных экземпляров, дату запуска программы, назначение отсканированных текстов и правила отбора редких книг. Amazon также не подтвердила передачу материалов моделям семейства Nova, поэтому конкретного получателя данных пока установить нельзя.
Подозрительные закупки могли начаться задолго до нынешнего расследования. В сентябре 2024 года один продавец получил 68 заказов от одного покупателя с доставкой на склад LAS8. Другой магазин обнаружил 48 заявок, оформленных около четырех часов утра исключительно на книги университетских издательств. Представитель Amazon проверил операции и подтвердил продавцам подлинность заказов. Прямых доказательств участия VGT3 в закупках 2024 года пока нет.
Старые печатные издания дают разработчикам качественные человеческие тексты, которых может не быть в интернете. Книги, выпущенные до массового распространения генеративного ИИ, также не содержат материалы, созданные современными языковыми моделями. При многократном обучении на машинных текстах алгоритмы постепенно теряют редкие языковые конструкции и начинают выдавать более однообразные результаты. Подобное ухудшение исследователи продемонстрировали на нескольких типах генеративных моделей.
Запас качественного общедоступного человеческого текста оценивается примерно в 300 трлн токенов . При сохранении прежних темпов крупнейшие языковые модели могут полностью использовать доступный объем с 2026 по 2032 год. Редкие книги и неоцифрованная литература превращаются в ценный источник новых данных, недоступный конкурентам.
В июле 404 Media обнаружила на сайте библиографической базы ISBNdb предложение собирать для разработчиков ИИ от 1000 до миллиона физических книг за один заказ. Сервис обещал искать издания по ISBN, исключать повторы и не раскрывать личности покупателей. Через девять дней ISBNdb удалила страницы и заявила, что только проверяла интерес рынка, но не покупала, не сканировала и не продавала книги для обучения моделей. Доказательств участия ISBNdb в поставке Amazon журналисты не нашли.
Необычные заказы замечают продавцы далеко за пределами США. Магазины Великобритании, Ирландии, Австралии и континентальной Европы получают заявки на сотни случайно подобранных изданий. Один британский продавец обработал заказы на 6000 книг с начала 2026 года. Покупатели редко торгуются и часто отправляют несвязанные по тематике книги на один адрес. Подтверждений передачи всех партий разработчикам ИИ пока нет.
Похожую схему ранее использовала Anthropic. В 2024 году разработчик Claude запустил Project Panama и потратил десятки миллионов долларов на покупку миллионов подержанных книг. Подрядчики срезали переплеты гидравлическими машинами, сканировали страницы на промышленном оборудовании и отправляли бумагу на переработку. Один план предусматривал обработку от 500 000 до двух миллионов книг за шесть месяцев.
В июне 2025 года американский суд признал добросовестным использованием обучение моделей Anthropic на книгах и замену законно купленного бумажного экземпляра одной цифровой копией. Одновременно суд отказался защитить библиотеку из более чем семи миллионов книг, скачанных с пиратских ресурсов. В июле 2026 года власти окончательно утвердили соглашение Anthropic с авторами на полтора миллиарда долларов. Компенсации охватывают более 482 000 произведений и составят примерно по $3000 за книгу .
Решение по делу Anthropic вынес один окружной суд, поэтому универсального разрешения на использование любых книг для коммерческого обучения ИИ в США не появилось. Бюро авторского права США оценивает каждый случай отдельно с учетом происхождения материалов, целей копирования и влияния модели на рынок оригинальных произведений.
Срезать переплет для оцифровки необязательно. Internet Archive фотографирует страницы камерами и сохраняет книги целыми , хотя бережный процесс сложнее и медленнее автоматизировать. Amazon выбрала более быстрый способ. Расследование пока не установило количество уничтоженных книг, названия изданий и наличие среди них уникальных экземпляров.