در نگاه اول عجیب به نظر میرسد؛ چرا یک شرکت میلیونها دلار صرف خرید کتابهای چاپی کند، تنها برای اینکه چند روز بعد آنها را از هم جدا کرده، اسکن کند و دور بیندازد؟
این دقیقاً همان کاری است که اسناد دادگاهی در پرونده شرکت آمریکایی «آنتروپیک» (Anthropic)، سازنده چتبات کلاود، از آن پرده برداشتهاند. اسنادی که نشان میدهند این شرکت برای آموزش مدلهای هوش مصنوعی خود میلیونها جلد کتاب چاپی را خرید، شیرازه آنها را جدا کرد، صفحات را با اسکنرهای صنعتی دیجیتالسازی کرد و سپس نسخههای کاغذی را کنار گذاشت.
آگهی
آگهی
اما چرا؟
دلیل اول: کتابها هنوز بهترین منبع آموزش هوش مصنوعی هستند
مدلهای زبانی مانند کلاود، جمینای یا چت جی پی تی، برای یادگیری به حجم عظیمی از متن نیاز دارند. اما همه متنها کیفیت یکسانی ندارند.
کتابهای منتشرشده معمولاً چند مرحله ویرایش، بازبینی و کنترل کیفی را پشت سر گذاشتهاند. از همین رو، از نظر ساختار زبانی، دقت نگارشی و انسجام، کیفیت بسیار بالاتری نسبت به بخش بزرگی از محتوای اینترنت دارند. به همین دلیل، برای آموزش مدلهای هوش مصنوعی منبعی ارزشمند به شمار میروند.
دلیل دوم: اینترنت دیگر مثل گذشته قابل اعتماد نیست
یکی از چالشهای جدید صنعت هوش مصنوعی، افزایش سریع محتوای تولیدشده با خود هوش مصنوعی است.
اگر نسلهای جدید مدلها عمدتاً با متنهایی آموزش ببینند که خودِ هوش مصنوعی تولید کرده است، کیفیت خروجی آنها ممکن است به مرور کاهش یابد؛ پدیدهای که برخی پژوهشگران از آن با عنوان «فروپاشی مدل» (Model Collapse) یاد میکنند.
در چنین شرایطی، کتابهای چاپی به یکی از معدود منابع بزرگِ متنهای انسانی و باکیفیت تبدیل شدهاند.
چرا کتابها را نابود کردند؟
پاسخ کوتاه، سرعت و هزینه است.
در اسکن معمولی، کتاب باید سالم بماند و هر صفحه جداگانه تصویربرداری شود؛ فرآیندی زمانبر و پرهزینه.
اما در روش موسوم به «اسکن تخریبی»، ابتدا شیرازه کتاب بریده میشود، صفحات از هم جدا میشوند و سپس اسکنرهای صنعتی میتوانند هزاران صفحه را در مدت کوتاهی دیجیتال کنند.
به گفته قاضی پرونده، آنتروپیک یا پیمانکارانش پس از جدا کردن شیرازه، صفحات را اسکن و نسخههای کاغذی را دور میریختند و تنها نسخه دیجیتال را در پایگاه داده داخلی شرکت نگه میداشتند.
آیا این کار قانونی بود؟
پاسخ به این سؤال ساده نیست.
در حکمی که ژوئن ۲۰۲۵ صادر شد، قاضی ویلیام آلساپ اعلام کرد دیجیتالسازی کتابهایی که آنتروپیک بهطور قانونی خریده بود و استفاده از آنها برای آموزش مدل هوش مصنوعی، در این پرونده مصداق «استفاده منصفانه» (Fair Use) محسوب میشود.
اما همین قاضی همزمان تأکید کرد که نگهداری میلیونها نسخه دیجیتالِ بهدستآمده از منابع غیرقانونی و نسخههای دزدی، مشمول این حمایت نیست و آنتروپیک همچنان باید درباره آن بخش از پرونده در دادگاه پاسخگو باشد.
بنابراین، رأی دادگاه به معنای قانونی بودن همه روشهای جمعآوری داده برای آموزش هوش مصنوعی نیست، بلکه میان کتابهای خریداریشده و نسخههای غیرقانونی تفاوت قائل شده است.
آیا کتابهای کمیاب هم از بین رفتهاند؟
تا اینجا، هیچ مدرک معتبری نشان نمیدهد که آنتروپیک کتابهای نادر یا آثار منحصربهفرد کتابخانهها را نابود کرده باشد.
اسناد دادگاه و گزارشهای منتشرشده نشان میدهد کتابها عمدتاً از بازار کتابهای دستدوم و فروشندگان عمده خریداری شدهاند. همچنین شواهدی وجود ندارد که این نسخههای دیجیتال در اختیار عموم قرار گرفته باشند؛ آنها در کتابخانه داخلی شرکت نگهداری میشدند.
چرا این پرونده اهمیت دارد؟
ماجرای آنتروپیک فقط درباره نابودی میلیونها کتاب نیست؛ بلکه نشان میدهد رقابت بر سر «دادههای باکیفیت» وارد مرحله تازهای شده است.
در سالهای گذشته تصور میشد اینترنت بزرگترین منبع دانش برای آموزش هوش مصنوعی باشد. اما اکنون، با افزایش حجم محتوای تولیدشده توسط خودِ هوش مصنوعی و تشدید اختلافهای حقوقی بر سر حق نشر، شرکتهای فناوری بیش از گذشته به سراغ منابعی رفتهاند که پیش از این کمتر مورد توجه بودند؛ از کتابهای چاپی گرفته تا آرشیو روزنامهها و مجموعههای دانشگاهی.
به این ترتیب، کتابهایی که زمانی صرفاً برای خوانده شدن چاپ میشدند، امروز به یکی از ارزشمندترین منابع صنعت هوش مصنوعی تبدیل شدهاند.