В англотвиттере уже несколько дней бушует скандал: опять всплыла история про то, как ведущие AI-компании массово скупают редкие бумажные книги для обогащения своих тренировочных датасетов.
Видите ли: всё, что есть в интернете, уже нейронками многократно пережевано и переварено – а для воспитания следующих поколений умных моделей нужно больше новых вкусных данных. Кроме того, в интернете значительная часть буквенных массивов представлена шедеврами типа «пыщь-пыщь, упячка попячся онотоле!», которые не сильно помогают в повышении интеллектуального уровня нейронок. А вот у настоящих напечатанных книг большое преимущество в том, что при их написании кто-то реально подумал (да еще и редактор, поди, проверил).
Так вот, возмущение общественности вызывает конкретный способ, который используют AI-лабы: они заказывают миллионы книг – а потом их массово-поточно сканируют, отрезая корешки для удобства. Более того, после успешной диджитизации изнасилованная тушка книги еще и уничтожается.
Авто-репост. Читать в блоге >>>
















