ИИ-компании скупают старые книги миллионами, сканируют их и уничтожают

Бумажные издания режут на отдельные страницы, превращают в цифровые данные для обучения нейросетей, а остатки отправляют на переработку. Звучит как антиутопия..

В июле издание 404 Media рассказало о новом всплеске спроса на старые и вышедшие из печати книги. Компании, работающие с искусственным интеллектом, заказывают их огромными партиями - иногда через посредников, которые даже не раскрывают имена покупателей.

Книги нужны не для корпоративных библиотек. Их разрезают, сканируют и уничтожают.

Обычное сканирование занимает слишком много времени. Чтобы ускорить процесс, у книги промышленным резаком удаляют корешок. Получившуюся стопку отдельных страниц пропускают через высокоскоростной сканер.

Текст распознают с помощью OCR, очищают от ошибок и добавляют в цифровую библиотеку. Сами страницы после этого обычно отправляют на переработку.

Такая оцифровка называется разрушающей. Она позволяет быстро обработать миллионы изданий, но сохранить бумажный экземпляр уже невозможно.

О масштабах этой практики стало известно из судебного дела писателей против Anthropic - разработчика нейросети Claude.

В 2024 году компания запустила закрытую программу Project Panama. Anthropic покупала книги у крупных продавцов подержанной литературы, включая Better World Books и World of Books.

По данным судебных документов, речь шла о миллионах экземпляров. Компания использовала промышленные резаки и потоковые сканеры, а после оцифровки уничтожала бумажные оригиналы.

Project Panama курировал Том Тёрви, ранее занимавшийся партнёрствами в Google Books. Перед ним поставили почти буквальную задачу: получить для Anthropic «все книги мира».

Скачать проще. Anthropic так и делала.

До запуска проекта компания получила более семи миллионов пиратских копий книг из LibGen и других теневых библиотек. Часть произведений использовали для обучения Claude, другие хранились в центральной базе компании.

Именно способ получения книг стал главной проблемой в суде.

В июне 2025 года судья Уильям Олсап признал обучение нейросетей на книгах трансформативным использованием. Но он разделил законно купленные и пиратские экземпляры.

Если Anthropic покупала бумажную книгу, делала одну внутреннюю цифровую копию и уничтожала оригинал, суд счёл такую замену формата допустимой. Компания не продавала и не раздавала полученные файлы.

Скачивание миллионов книг с пиратских сайтов такой защиты не получило. Позже Anthropic заключила с авторами мировое соглашение на $1,5 млрд.

Получилась странная, но юридически понятная схема: физическую книгу нужно сначала купить, затем уничтожить, чтобы на её месте осталась одна закрытая цифровая копия.

Книги - качественный материал для обучения языковых моделей. В них есть длинные связные тексты, сложная структура, профессиональная редактура и знания, которых нет на обычных веб-страницах.

Особенно ценятся издания, опубликованные до массового распространения генеративного ИИ. В них гарантированно нет текста, созданного ChatGPT, Claude или другими современными моделями.

Интернет всё сильнее заполняется автоматически созданными статьями, отзывами, комментариями и описаниями товаров. Поэтому компаниям становится сложнее отличать человеческие тексты от синтетических.

Это не означает, что интернет уже непригоден для обучения или что нейросети немедленно начнут деградировать. Но старые печатные книги дают разработчикам большой массив проверенного человеческого текста без примеси современной генерации.

Именно на этом сейчас строит своё предложение ISBNdb - компания, которая помогает ИИ-разработчикам искать и закупать печатные издания. Она прямо предупреждает клиентов, что публично уничтожение миллионов книг выглядит плохо, поэтому готова скрывать имена заказчиков.

Здесь громкие заголовки опережают доказательства.

Букинисты действительно сообщают о необычно крупных заказах на старые, малоизвестные и давно не переиздававшиеся книги. Посредники могут закупать издания целыми партиями по спискам ISBN, не оценивая культурную ценность каждого экземпляра.

Поэтому риск уничтожения редкой книги существует. Особенно если у неё был небольшой тираж и нет цифровой копии.

Но подтверждений, что ИИ-компании целенаправленно уничтожают уникальные фолианты или последние экземпляры книг, пока нет. Неизвестны и имена большинства покупателей, стоящих за свежими заказами.

После новой волны обсуждений Илон Маск написал, что попросил команду SpaceXAI сохранять редкие книги и сканировать их без срезания корешков. Но это заявление касается только редких изданий, а не всей литературы.

ИИ-компаниям нужны не сотни и даже не тысячи произведений. Им нужны миллионы.

Получить отдельную цифровую лицензию на каждую книгу, найти правообладателя и согласовать условия часто сложнее и дороже, чем купить подержанный бумажный экземпляр.

Поэтому индустрия, которая строит будущее на цифровых данных, вернулась к грузовикам с книгами, складам и промышленным резакам.

Сегодня компании скупают в основном обычные книги. Но сама логика процесса заставляет задуматься: если самым ценным ресурсом становятся тексты, созданные человеком до появления ИИ, то однажды спрос может дойти и до редких экземпляров. Доказательств, что это уже происходит, пока нет.