- Tekoäly-yhtiö Anthropic skannasi miljoonia kirjoja tekoälyn kouluttamiseen. Kirjojen selät leikattiin ja kirjat tuhoutuivat. Salainen hanke paljastui alkuvuodesta.
- Eurooppalaiset antikvariaatit ovat saaneet kesän aikana joukkotilauksia tuhansista kirjoista. Niiden epäillään päätyvän tekoälyn koulutusmateriaaliksi.
- Ilmiö ei toistaiseksi näy Suomessa, mutta Ylen haastattelemat kirjakauppiaat eivät täysin tyrmää ajatusta fyysisten kirjojen haalimisesta tekoälyn kouluttamiseen.
- Tekijänoikeuksiin liittyvä lainsäädäntö on EU:ssa epäselvä.
Tekoäly-yhtiö Anthropicilla oli kaksi vuotta sitten kunnianhimoinen hanke.
Tavoitteena oli skannata ”tuhoavasti” kaikki maailman kirjat, todettiin mahtipontisesti yhtiön sisäisessä suunnitteluasiakirjassa keväällä 2024.
Noin vuoden aikana Anthropic käytti kymmeniä miljoonia dollareita hankkiakseen miljoonia kirjoja. Kirjojen selät leikattiin irti, jotta sivut saataisiin skannattua nopeammin. Alkuperäiset kirjat tuhoutuivat.
Anthropic piti kirjoja arvokkaana koulutusmateriaalina – laadukkaasta tekstistä tekoäly oppisi parempaa kieltä, jäsenneltyä tietoa ja mukaansatempaavaa kerrontaa.
Salainen hanke paljastui alkuvuodesta, kun Washington Post uutisoi Anthropicia vastaan käydyn tekijänoikeusjutun asiakirjoista.
Tekijänoikeuksien valvojat ovat kehityksestä huolissaan. Sosiaalisessa mediassa kirjojen silppuaminen on herättänyt raivoa.
Anthropicin hanke nousi tänä kesänä uudestaan julkisuuteen, sillä Euroopan kirjamarkkinoilla tapahtuu nyt kummallisuuksia, joiden epäillään liittyvän samaan ilmiöön.
Avaa kuvien katselu
Euroopassa useat antikvariaatit ovat kertoneet saaneensa omituisia kirjatilauksia. Suomeen ilmiö ei vaikuta vielä levinneen. Kuva on Kampintorin antikvaarisesta kirjakaupasta Helsingistä. Kuva: Mikko Koski / Yle
Epäilyttäviä kirjatilauksia ympäri Eurooppaa
Useat eurooppalaiset antikvariaatit ovat kertoneet saaneensa yhteydenottoja jopa tuhansien kirjojen joukkotilauksista.
Kirjakauppiaat ovat epäilleet, että kirjat päätyvät tekoälyn koulutusmateriaaliksi. Ainakin yksi tilauksia tehneistä yrityksistä linkittyy suoraan tekoälyteollisuuteen.
Avaa kuvien katselu
Yksi verkossa toimiva palvelu mainosti hankkivansa kerrallaan jopa miljoona kirjaa tekoälyn kouluttamiseen. Kuva: Mikko Koski / Yle
Verkosta löytyy myös toimijoita, jotka ovat suoraan mainostaneet tällaista palvelua.
Esimerkiksi valtavaa kirjojen kaupallista tietokantaa ylläpitävä ISBNdb mainosti verkkosivuillaan palvelua, jossa se lupasi hankkia tekoälyn käyttöön jopa miljoona kirjaa per tilaus.
Sisältö on sittemmin poistunut. Kun asiasta uutisoitiin, yritys puolustautui sanomalla, ettei se koskaan toteuttanut palvelua.
Kauppiaat eivät tyrmää ajatusta
Suomalaiset antikvariaatit kertovat Ylelle, etteivät ne ole ainakaan vielä saaneet vastaavia joukkotilauksia ulkomailta.
Eräs tapaus on kuitenkin jäänyt kirjakauppias Timo Surojeginin mieleen keväältä. Hän pitää Kampintorin antikvaarista kirjakauppaa Helsingissä.
Suomalainen mies osti häneltä kaksi kassillista suomenkielistä kirjallisuutta ja kertoi suoraan skannaavansa ne verkkoon tekoälyä varten.
– Ensimmäinen ajatus oli ihmetys, että näinkö se toimii. Mutta täytyy myöntää, että kauppiaana olin ihan tyytyväinen – hän oli päivän ylivoimaisesti paras asiakas, Surojegin sanoo.
Kirjakauppias Timo Surojegin pitää aiheesta kirvonnutta keskustelua osin ylilyöntinä:
Myös antikvariaatti ja kirjakauppa Finlandia kirjan yrittäjä Matti Pietilä näkee asian moniulotteisena.
– Toki on ikävää, jos käyttökelpoisia kirjoja tuhotaan, mutta kotimaiselle kirjallisuudelle voi olla hyvä, että teoksille löytyy uudenlaista kysyntää.
Pietilä ei usko, että Suomeen pienenä kielialueena kohdistuu samanlaista kiinnostusta kuin isompiin Euroopan maihin. Suomalainen kulttuuriperintökään tuskin olisi uhattuna.
– Hyvin pieni osa kirjoista on määrällisesti sellaista, joista pitäisi olla huolissaan. Suurimmasta osasta on ylitarjontaa.
Avaa kuvien katselu
Tekoälyjättien epäillään haalivan kirjoja antikvariaateista ympäri Eurooppaa. Kuva: Mikko Koski / Yle
Kirjat ruokkivat tekoälyjättien datannälkää
Tekoälyasiantuntija, professori Teemu Roos Helsingin yliopistosta huomauttaa, ettei kirjojen käyttäminen tekoälyn kouluttamiseen ole uusi asia.
– Internetistä löytyy jo valmiiksi erilaisia kokoelmia kirjojen sisällöistä, ja niitä on aina käytetty.
Fyysisten kirjojen massakäyttö vaikuttaa kuitenkin suhteellisen tuoreelta ilmiöltä. Taustalla ovat tekoälyjättien ankara kilpajuoksu ja niiden ehtymätön datannälkä.
Tavoitteena on etsiä sellaista dataa, jolla oma tekoälymalli voisi erottua kilpailijoista.
– Nyt ruvetaan kaivelemaan sieltä laarin pohjalta vaikeammin saatavilla olevia sisältöjä, jotta saataisiin kilpailuetua.
Ennen vuotta 2022 julkaistu kirjallisuus on tekoäly-yrityksille arvokasta, koska sisällön on tehnyt ihminen eikä tekoäly.
Videolla Teemu Roos kertoo, miksi vuotta 2022 pidetään käännekohtana:
Se, millaista selvää hyötyä työläästä ja kalliista skannausoperaatiosta olisi esimerkiksi tekoälyn käyttäjien näkökulmasta, jää Roosin mukaan epäselväksi.
Yksi selitys voi liittyä tyylillisiin tarpeisiin. Vanhoista kirjoista löytyy tietyn aikakauden ilmaisua ja ajattelutapaa, jota internetistä ei välttämättä löydy.
Tekoäly on saatu toistamaan opetusmateriaaliaan
Kauppiaiden silmin ilmiössä voi olla hyötyjä, mutta monelle kirjailijalle asia on toinen.
Kaikki eivät halua antaa tekstiään tekoälyn käyttöön, ja osa on sen teoksessaan jo kieltänytkin.
Yhdysvalloissa tuomari totesi, ettei Anthropic rikkonut tekijänoikeuksia, kun se skannasi laillisesti hankittuja kirjoja tekoälyn käyttöön.
Avaa kuvien katselu
Suomessa satoja vuosia vanhaa kirjallisuutta on markkinoilla hyvin vähän. Tämä latinankielinen kirja on 1500-luvulta. Kuva: Mikko Koski / Yle
Euroopassa tilanne on epäselvä, kertoo toiminnanjohtaja Niina Vettensola kirjallisuuden tekijänoikeusjärjestö Sanastosta.
EU:ssa vuonna 2019 hyväksytty sääntely antaa kirjailijoille oikeuden kieltää teostensa käyttö tekstin- ja tiedonlouhintaan. On kuitenkin epäselvää, miten sääntelyä sovelletaan tekoälyn kouluttamiseen.
– Silloin kun sääntelyä laadittiin, ei ollut olemassa sitä generatiivista tekoälyä, jota tänä päivänä käytetään. Lain valmistelussa ei pystytty täysin varautumaan tällaiseen tilanteeseen, Vettensola sanoo.
Euroopassa tekoälyyn liittyviä tekijänoikeusjuttuja on puitu vasta paikallisissa alioikeuksissa. Korkeimmilta oikeuksilta ei ole vielä saatu linjauksia, joten sääntelyn tulkinta ei ole vakiintunut.
Avaa kuvien katselu
Euroopassa on epäselvää, voiko kirjailija käytännössä kieltää kirjansa käytön tekoälyn kouluttamiseen. Kuva: Mikko Koski / Yle
Huolestuttavaa on, että tekoälymallien on havaittu toistavan tekijänoikeussuojattua materiaalia, vaikka niiden ei pitäisi.
Saksassa tekoälymusiikkipalvelu Suno AI sai heinäkuussa tuomion tekijänoikeuksien rikkomisesta, kun se koulutti malliaan suojatulla musiikilla ja suolsi alkuperäisten kappaleiden kaltaisia teoksia.
Sanaston linja on selvä: tekijällä täytyisi olla oikeus päättää, antaako hän teoksiaan tekoälyn käyttöön.
– Ja jos tekijä päättää antaa omia teoksiaan tekoälyn koulutusmateriaaliksi, hänellä tulisi olla oikeus asianmukaiseen korvaukseen.