Жасанды интеллектті оқыту нарығы тектоникалық өзгерісті бастан кешіруде. Біз LLM әзірлеу зертханаларының жаңа кезеңге — синтетикамен әсер етпеген «таза» деректерді үмітсіз іздеу кезеңіне өтіп жатқанын байқап отырмыз. Бұл енді жай техникалық мәселе емес, бүкіл индустрияға тән іргелі сын-қатер.
Модельдер коллапсы: ИИ өзін-өзі жұтып жатқанда
«Модель коллапсы» термині басқа ИИ-лер генерациялаған деректерге оқытылатын нейрожелінің деградациясын сипаттайды. Әрбір жаңа цикл нәтижелерді одан әрі орташаланған және болжамды етеді, шындықпен байланысты өшіреді. Бұл құбылысты алғаш рет 2023 жылдың мамырында Илья Шумайловтың жетекшілігімен халықаралық зерттеушілер тобы «рекурсия қарғысы» туралы жұмыс жариялап, ресми түрде сипаттады.
Мәселенің ауқымын сандар растайды: 2025 жылдың сәуірінде Ahrefs зерттеушілері Google іздеуіндегі 900 000 жаңа бетті тексеріп, материалдардың 74%-дан астамында автогенерация белгілері бар екенін анықтады. Epoch AI бағалауы бойынша, интернеттегі оқытуға жарамды барлық мәтін 2026–2032 жылдары таусылады. Дәл осы себепті 2022 жылға дейін жарияланған кітаптар стратегиялық ресурсқа айналуда — олар «машиналық қоқыстан» кепілді түрде таза.
ISBNdb жанжалы: «таза» деректер нарығы
113 млн басылымның метадеректерін біріктіретін ISBNdb сервисі ИИ-компанияларға ерекше қызмет ұсынды: миллион данаға дейінгі партиялармен кітап сатып алу, одан кейін цифрландыру және жою. Бұл схема туралы БАҚ жазғанда, компания қызмет сипаттамасы бар бетті алып тастауға асығып, ешқандай мәміле жасамағанын мәлімдеді. Оның өкілдерінің айтуынша, бұл тек «нарықтық сұранысты тексеру» болған.
Алайда тәуелсіз букинистер 2026 жылдың сәуірінен бастап аномальды сатып алуларды растады: бір сатушының сатылымы аптасына жиырма данадан бірнеше жүзге дейін өсті. Сатып алушыларды жанр немесе құндылық қызықтырмады — тек ISBN кодының болуы ғана маңызды болды. Бірегей басылымдар бұл кезде қайтарымсыз жоғалады.
Құқықтық прецедент және деректерді «уландыру»
2025 жылдың маусымында судья Уильям Алсуп заңды түрде сатып алынған баспа кітаптарын тілдік модельдерді оқыту үшін цифрландыру әділ пайдалану доктринасына жататынын шешті. Бұл шешім Anthropic компаниясының Panama жобасында қолданған тәжірибесін заңдастырды, онда кітап тираждары анонимді түрде сатып алынып, кейін сканерленіп, жойылатын.
Кейбір авторлар қарсы шараға — деректерді «уландыруға» жүгінді, мәтінге модель жасырын командалар ретінде түсіндіретін таңбаларды жасырды. Британдық ИИ қауіпсіздігі институты мен Anthropic бірлескен командасының зерттеуі LLM-ді небәрі 250 «уландырылған» құжат арқылы зиянды паттерндерге байқаусыз үйретуге болатынын дәлелдеді.
Беттерді жалға беру: цифрлық аватарлардың жаңа нарығы
Кітаптармен қатар адам келбетін лицензиялау нарығы да дамуда. ActID және New Claw платформалары адамдарға өз беттерін ИИ-сериалдар мен жарнама кейіпкерлерінің негізі ретінде пайдалану құқығы үшін $15-тен $700-ге дейін төлеуге дайын. Қытайда 2026 жылдың алғашқы үш айында шығарылған 128 000 ИИ-минидораманың 95%-дан астамы жасанды интеллект көмегімен жасалған.
Алайда цифрлық келбетті бақылау нәзік болып шығады. Өз аватарларына құқықтарды Synthesia стартапына сатқан британдық азаматтар өздерінің «клондарын» диктаторларды қолдайтын үгіт-насихат роликтерінде тапты. Бұл Equity актерлер кәсіподағын цифрлық келбетке бақыланбайтын құқықтарды беруге заңнамалық тыйым салуды талап етуге итермеледі.
Сарапшылық пікір
Біз парадоксальды экономиканың қалыптасуын байқап отырмыз: құны $2–5 болатын кітап, сканерленгеннен кейін жойылып, миллиардтаған доллар тұратын модельдің бөлігіне айналады. Бұл мәміледе шикізат пен дайын өнім құны арасындағы алшақтықты пропорционалды деп атау қиын. Индустрия адамның барлық деректерін — мәтіндерден қимылдарға дейін — толық лицензиялауға қарай жылжуда. Роботтарға қазірдің өзінде табиғи қимылдардың үлгілері қажет, ал Tesla Optimus-ты оқыту үшін қимылдарды түсіруге сағатына $48-ге дейін төлейді. Мәселе тек адамзаттың жай деректерді емес, өзінің бірегейлігін сатып жатқанын қашан түсінетінінде.