Jeszcze kilka lat temu stare książki zalegające w antykwariatach miały wartość przede wszystkim dla czytelników, kolekcjonerów i badaczy. Dziś mogą być cennym surowcem dla zupełnie innej branży.
Sztuczna inteligencja potrzebuje tekstu.
Ale coraz bardziej potrzebuje tekstu, którego nie napisała wcześniej inna sztuczna inteligencja.
To zmienia sposób patrzenia na książki wydane przed 2022 rokiem. Nie dlatego, że wszystko, co napisano później, nagle stało się gorsze. Rok 2022 nie jest przecież granicą ludzkiej twórczości. Jest jednak symboliczną granicą epoki, w której generatywna AI weszła do masowego użycia.
Od tego momentu coraz trudniej odpowiedzieć na proste pytanie:
kto właściwie napisał tekst, który właśnie czytamy?
Człowiek? Maszyna? Człowiek przy pomocy maszyny? A może model wygenerował pierwszą wersję, człowiek ją poprawił, a później inny model ją wygładził?
Dla czytelnika może nie mieć to większego znaczenia.
Dla twórców kolejnych modeli sztucznej inteligencji — ma ogromne.
Książka sprzed ChatGPT ma jedną niezwykłą zaletę
Weźmy książkę wydaną w 1986, 1999 albo 2017 roku.
Może być znakomita albo przeciętna. Może zachwycać stylem albo usypiać po trzech stronach.
Ale jednego możemy być niemal pewni:
nie napisał jej ChatGPT.
Nie poprawiał jej Claude. Nie streszczał Gemini. Nie została wcześniej złożona z tysięcy podobnych zdań wygenerowanych przez dużego model językowy.
Jej tekst jest produktem człowieka.
Dzisiaj ta oczywistość zaczyna mieć wymierną wartość.
W sierpniu 2026 roku media opisują gwałtowny wzrost hurtowych zakupów starych, używanych i trudno dostępnych książek. Antykwariusze otrzymują zamówienia obejmujące tysiące egzemplarzy, nierzadko tytułów, które przez lata nikogo specjalnie nie interesowały. Część książek trafia następnie do zakładów, w których odcina się ich grzbiety, skanuje strony, a papierowe egzemplarze przestają istnieć.
To nie jest już wyłącznie teoria.
Dokumenty sądowe dotyczące Anthropic ujawniły program nazwany „Project Panama”. Firma kupowała miliony książek, odcinała ich grzbiety i skanowała strony, aby stworzyć cyfrowy zbiór wykorzystywany przy rozwoju modeli AI. Według ujawnionych materiałów ambicję projektu wewnętrznie określano jako destrukcyjne zeskanowanie ogromnej części światowego zasobu książek.
Powstaje więc pytanie:
dlaczego gigant technologiczny potrzebuje papierowej książki, skoro internet zawiera biliony stron tekstu?
Odpowiedź prowadzi do jednego z ciekawszych problemów współczesnej sztucznej inteligencji.
Maszyna zaczyna czytać samą siebie
Modele językowe uczą się na ogromnych zbiorach tekstu.
Przez lata znaczną część takich danych można było pozyskiwać z internetu. Były to artykuły, książki, fora, dokumenty, Wikipedia, strony firmowe, blogi, dyskusje i miliony innych tekstów tworzonych przede wszystkim przez ludzi.
Tyle że internet się zmienia.
Coraz większą część zawartości sieci tworzą lub współtworzą modele generatywne.
Teksty SEO.
Opisy produktów.
Wpisy blogowe.
Posty.
Komentarze.
Materiały marketingowe.
Streszczenia.
Informacje prasowe.
A nawet kolejne strony internetowe produkujące tekst tylko po to, żeby wyszukiwarka miała co indeksować.
Powstaje więc osobliwa pętla.
AI uczy się na internecie.
Następnie produkuje internet.
A kolejna AI uczy się już częściowo na produkcji poprzedniej AI.
Brzmi jak technologiczne perpetuum mobile.
Niestety niekoniecznie działa jak perpetuum mobile.
Kserokopia kserokopii
W 2024 roku w „Nature” opublikowano badanie dotyczące zjawiska określanego jako model collapse — załamanie modelu.
Badacze sprawdzali, co dzieje się, kiedy kolejne generacje modeli uczą się na danych wytworzonych przez wcześniejsze modele.
Wynik jest ważny.
Przy bezkrytycznym wykorzystywaniu syntetycznych danych kolejne modele stopniowo tracą część informacji o rzeczywistym rozkładzie danych. Szczególnie szybko znikają elementy rzadkie i nietypowe — to, co statystycznie znajduje się na obrzeżach języka.
Autorzy badania podkreślają, że w świecie coraz bardziej wypełnianym treściami generowanymi przez LLM dostęp do rzeczywistych danych wytwarzanych przez ludzi będzie stawał się coraz cenniejszy.
Można to porównać do robienia kserokopii.
Pierwsza wygląda niemal jak oryginał.
Kopiujemy kopię.
Potem kopię kopii.
Po kilku kolejnych generacjach tekst nadal możemy odczytać, ale drobne szczegóły zaczynają ginąć.
W języku tymi szczegółami mogą być właśnie rzeczy najciekawsze.
Nietypowe słowa.
Regionalizmy.
Dawna składnia.
Błędy.
Idiomy.
Indywidualny rytm autora.
Absurdalne skojarzenia.
Nieoczywiste metafory.
Sposób mówienia charakterystyczny dla określonego zawodu, środowiska albo regionu.
To językowe odstępstwa, których człowiek często nawet nie zauważa.
Dla modelu mogą być bardzo cennymi danymi.
AI nie potrzebuje książek tylko po to, żeby poznać nowe słowa
Popularne wyjaśnienie mówi, że sztuczna inteligencja skanuje książki, ponieważ dzięki nim „poznaje nowe słowa”.
To prawda tylko w bardzo ograniczonym sensie.
Znacznie ważniejszy jest kontekst.
Model nie uczy się słownika tak, jak uczeń zapisujący w zeszycie:
„słowo — definicja”.
Uczy się relacji.
Jak słowa występują obok siebie.
Jak zbudowane jest zdanie.
Jak wygląda argumentacja.
Jak człowiek prowadzi narrację przez kilkadziesiąt stron.
Jak zmienia ton.
Jak tworzy dialog.
Jak opisuje emocje.
Jak buduje żart.
Jak używa specjalistycznej terminologii.
Jak jedno pojęcie wynika z drugiego.
Dlatego wielostronicowa książka jest czymś zupełnie innym niż tysiąc przypadkowych postów z internetu.
Książka została zazwyczaj napisana jako spójna całość, zredagowana, poprawiona i osadzona w konkretnym kontekście.
To bardzo dobre dane treningowe.
Najcenniejsze mogą być książki, których Google nie zna
I tutaj dochodzimy do jeszcze ciekawszego elementu całej historii.
Największej wartości dla firmy AI nie musi mieć kolejny egzemplarz „Lalki”, „Krzyżaków” czy światowego bestsellera, który od dawna istnieje w wielu wersjach cyfrowych.
Znacznie ciekawsze mogą być publikacje, których nigdy nie zdigitalizowano.
Stare monografie.
Pamiętniki.
Lokalne kroniki.
Wydawnictwa regionalne.
Publikacje naukowe o niewielkim nakładzie.
Książki branżowe.
Literatura fachowa.
Materiały wydane przed kilkudziesięciu laty w kilkuset egzemplarzach.
Dialekty.
Słowniki regionalne.
Publikacje stowarzyszeń.
Małe wydawnictwa.
Dla człowieka może to być zakurzona książka stojąca od dwudziestu lat na półce antykwariatu.
Dla firmy budującej model językowy jest to potencjalnie zbiór danych, którego konkurencja jeszcze nie posiada.
Stare książki zaczynają więc przypominać niewydobyte złoże.
Rok 2022 nie dzieli literatury na dobrą i złą
Trzeba jednak uważać na efektowną, lecz fałszywą konkluzję.
Nie jest prawdą, że książki napisane po 2022 roku są mniej wartościowe.
Nie są też automatycznie „syntetyczne” ani pozbawione oryginalności.
Człowiek nadal pisze świetne książki.
Może napisać genialną powieść w 2030 roku i fatalną w 1990.
Problem jest inny.
Po 2022 roku coraz trudniej potwierdzić pochodzenie tekstu.
Czy autor rzeczywiście napisał go sam?
Czy wykorzystał model tylko do korekty?
Czy wygenerował fragmenty?
Czy wydawnictwo przepisało część tekstu za pomocą AI?
Czy materiały źródłowe również były syntetyczne?
Granica zaczyna się zacierać.
Natomiast w przypadku książki z 1975 roku dyskusja właściwie nie istnieje.
Jest analogowym świadectwem języka sprzed epoki generatywnej AI.
Powstaje nowy rodzaj surowca: tekst napisany przez człowieka
Przez dekady problemem było znalezienie informacji.
Internet go w dużej części rozwiązał.
Teraz pojawia się problem odwrotny.
Informacji jest za dużo.
I coraz trudniej ustalić ich pochodzenie.
Może się więc okazać, że w świecie zalanym treścią najbardziej wartościowa nie będzie informacja rzadka.
Najbardziej wartościowa będzie informacja, o której potrafimy udowodnić:
stworzył ją człowiek.
Już dzisiaj można sobie wyobrazić oznaczenia przypominające te, które znamy z innych dziedzin:
„human written”.
„human authored”.
„AI free”.
Coś, co jeszcze kilka lat temu brzmiałoby absurdalnie.
Przecież jeżeli tekst został napisany, to oczywiste było, że napisał go człowiek.
Ta oczywistość właśnie znika.
Paradoks: AI potrzebuje naszej niedoskonałości
I być może najciekawszy paradoks całej historii jest właśnie tutaj.
Od modeli AI wymagamy, żeby były coraz lepsze.
Żeby poprawiały nasze teksty.
Usuwały błędy.
Ujednolicały styl.
Porządkowały argumentację.
Skracały zdania.
Dobierały właściwe słowa.
Robiły wszystko szybciej i sprawniej.
Tyle że język człowieka nigdy nie był idealny.
I właśnie dlatego jest tak bogaty.
Człowiek napisze zdanie, którego statystycznie nie powinien napisać.
Wymyśli dziwaczne porównanie.
Popełni błąd, który stanie się charakterystyczną cechą jego stylu.
Zmieni znaczenie słowa.
Stworzy slang.
Połączy dwa pojęcia, których wcześniej nikt ze sobą nie zestawiał.
Maszyna uczy się z takich przypadków.
Jeżeli jednak będziemy ją coraz częściej karmić tekstami wytworzonymi przez inne maszyny, może zacząć brakować tego, czego nie da się wygenerować z przeciętnej.
Odstępstwa.
Papier, który miał umrzeć, może uratować cyfrowy język
Przez trzy dekady słyszeliśmy, że papierowa książka odchodzi.
Wszystko miało znaleźć się w internecie.
Biblioteki miały zostać zdigitalizowane.
Książki miały zamienić się w e-booki.
Papier wydawał się reliktem.
Tymczasem historia wykonała zaskakujący obrót.
Papierowa książka może być dzisiaj szczególnie cenna właśnie dlatego, że nie była częścią internetu.
Nie została zeskanowana.
Nie została skopiowana.
Nie przeżuł jej wcześniej algorytm.
Nie przerobił jej generator treści.
Leżała sobie przez trzydzieści lat na półce.
I nagle technologiczny gigant może uznać, że znajduje się w niej coś bardzo wartościowego.
Nie papier.
Nie okładka.
Nie nawet sama historia.
Czysty ślad ludzkiego języka.
To może być największa ironia epoki sztucznej inteligencji.
Maszyna, która miała zastępować człowieka w pisaniu, zaczyna przemierzać świat w poszukiwaniu tekstów z czasów, kiedy jeszcze nikt nie podejrzewał, że człowiek będzie musiał udowadniać, iż naprawdę napisał je sam.
Czytaj dalej
Ten temat ma ciąg dalszy
Wybraliśmy teksty, które naturalnie prowadzą czytelnika dalej.
