شرکت «آنتروپیک» (Anthropic)، سازنده مدل هوش مصنوعی «کلاود»، در یک اقدام جنجالی برای تأمین دادههای باکیفیت جهت آموزش مدلهای خود، میلیونها جلد کتاب چاپی خریداری کرد.
این شرکت با استفاده از روش «اسکن تخریبی» (جدا کردن شیرازه و اسکن صنعتی)، این کتابها را به نسخههای دیجیتال تبدیل کرده و سپس نسخههای کاغذی را نابود کرده است.
این رویکرد به دو دلیل اصلی اتخاذ شد: نخست، کتابها به دلیل ویرایش دقیق، ساختار زبانی منسجم و کیفیت بالا، منابع بهتری نسبت به دادههای پراکنده و گاه بیکیفیت اینترنت هستند.
دوم، نگرانی از «فروپاشی مدل» (Model Collapse) بر اثر تغذیه هوش مصنوعی با دادههای تولیدشده توسط خودش، شرکتها را به سمت منابع اصیل انسانی سوق داده است.
دادگاه در ژوئن ۲۰۲۵ این اقدام را در خصوص کتابهای خریداریشده قانونی («استفاده منصفانه») دانست، اما همچنان درباره استفاده از نسخههای غیرقانونی و دزدی، پرونده این شرکت مفتوح است.
این ماجرا نشان میدهد که «دادههای باکیفیت» به طلای سیاه عصر هوش مصنوعی بدل شدهاند.
