ИИ-индустриясы кітаптар мен жүздерді сатып алуда: неге машиналарға әлі де адам қажет
113 млн баспа басылымның метадеректерін біріктіретін ISBNdb сервисі ИИ-зертханаларына ерекше қызмет ұсынды: миллион данаға дейінгі партиялармен кітап сатып алып, кейіннен цифрландыру және жою. Бұл схема журналистердің назарына іліккеннен кейін, компания сипаттамасы бар бетті асығыс жойып, бұл тек «нарықтық сұранысты тексеру» болғанын және ешқандай мәміле жасалмағанын мәлімдеді.
Сонымен қатар, ActID және New Claw сияқты платформалардың басқа сегментінде адамдарға сериалдар мен жарнамадағы ИИ-кейіпкерлер үшін өз беттерін лицензиялауға $15-тен $700-ге дейін ұсынылады. Неліктен зертханалар «органиканы» аулауға мәжбүр екенін және машиналарға тағы қандай адамдық ресурстар қажет болатынын қарастырайық.
Синтетиканың қарғысы
«Модель коллапсы» термині басқа нейрожелілер генерациялаған деректерге оқытылатын ИИ-жүйесінің деградациясын сипаттайды. Әр цикл сайын нәтижелер барған сайын орташаланып, болжамды болады және LLM көрсетуі тиіс шындықпен байланысын жоғалтады. Бұл құбылысты алғаш рет 2023 жылдың мамырында Илья Шумайловтың жетекшілігімен халықаралық зерттеушілер тобы формализациялап, Nature журналында «Рекурсия қарғысы» атты еңбек жариялады. Олар математикалық тұрғыда дәлелдеді: синтетиканы үнемі араластырған кезде модель алдымен сирек оқиғалар мен нәзік заңдылықтарды ұмытады, содан кейін қателерді жинақтап, жауаптардың әртүрлілігін төмендетеді.
Мәселенің ауқымын сандар растайды. 2025 жылдың сәуірінде Ahrefs аналитиктері Google іздеуіндегі 900 000 жаңа бетті тексеріп, контенттің 74%-дан астамында автогенерация белгілері барын анықтады. Epoch AI бағалауы бойынша, интернеттегі оқытуға жарамды барлық мәтін 2026–2032 жылдары аяқталуы мүмкін. 2022 жылға дейін жарияланған кітаптар ИИ-компаниялары үшін синтетикалық қоқыстан және енгізілген тұзақтардан кепілді түрде таза болатын аздаған көздердің біріне айналуда. Кейбір авторлар тіпті деректерді «уландыруға» жүгініп, мәтінге жасырын командалар тығады. Британдық ИИ қауіпсіздігі институты, Anthropic және Оксфордтың зерттеуі көрсеткендей: LLM-ді бар болғаны 250 «уланған» құжат арқылы зиянды үлгілерге байқаусыз үйретуге болады.
Кітаптар пышақ астында
2024 жылдың тамызында үш американдық автор Anthropic-ке қарсы ұжымдық талап қойып, компанияны Claude модельдерін оқыту кезінде авторлық құқықты бұзды деп айыптады. Іс материалдарына сәйкес, Anthropic Panama жобасына ондаған миллион доллар салған: баспа кітаптардың тираждарын анонимді түрде сатып алып, мұқабаларын кесіп, өнеркәсіптік ауқымда сканерлеп, кейін жойып отырған. 2025 жылдың маусымында судья Уильям Алсуп заңды түрде сатып алынған кітаптарды тілдік модельдерді оқыту үшін цифрландыру адал пайдалану доктринасына жататынын шешті. Енді чекті сақтау жеткілікті — деректердің шығу тегі құжаттық түрде расталады.
Бұл тәжірибе жеке стартаптардың шегінен шығып кетті. Жиырма жылдан астам уақыт бойы баспа кітаптардың ең ірі метадеректер базасы ретінде жұмыс істейтін ISBNdb тираждарды сатып алу мен жоюды толық циклді қызметке айналдырды. 2026 жылдың 21 шілдесінде журналист Эмануэль Майберг компания сайтынан ИИ-зертханаларына арналған промо-бөлімді тапты:
- 2022 жылға дейін шыққан кітаптарды 1000-нан 1 млн данаға дейінгі партиялармен сатып алу;
- ИИ-слоп пен уландыру алгоритмдерінен «тазалық» кепілдігі;
- NDA арқылы құқықтық қорғау және қайталама нарықтағы сатып алулардың заңдылығы.
Платформа басшылығы тікелей мәлімдеді: «Қабылдау мәселесі нақты. „ИИ-компания екі миллион кітапты жойды“ — бұл қоғамның жанашырлығын тудыратын тақырып емес». Тәуелсіз букинистердің сауалнамасы 2026 жылдың сәуірінен бастап аномальды сатып алуларды растады: бір сатушының сатылымы аптасына жиырма данадан бірнеше жүзге дейін өсті. Сатып алушыларды жанр да, құндылық та қызықтырмады — тек ISBN болуы ғана маңызды болды. Бірегей басылымдар кітап сөресіне емес, сканер астына жіберіліп, қайтарымсыз жоғалады.
Тергеу жарияланғаннан кейін ISBNdb промо-бетті жойып, ешқандай мәміле жасалмағанын жоққа шығаратын мәлімдеме жасады. Алайда шикізат құны мен дайын өнім арасындағы алшақтық айғақты: қайталама нарықтағы $2–5 тұратын кітап миллиардтаған долларға бағаланатын модельге айналады.
Беттер тауар ретінде
Қытайда соңғы үш жылда соттар ИИ көмегімен сыртқы келбетті заңсыз пайдалану туралы шамамен 700 іс қарады. 2026 жылдың наурызында Пекин соты бұрын-соңды болмаған шешім шығарды: рұқсатсыз дипфейктерде басқа адамның бетін пайдалану, тіпті сурет өзгертілген болса да, заңсыз. Бұл ИИ-контенттің өркендеуін көрсетеді: 2026 жылдың алғашқы үш айында шыққан 128 000 ИИ-минидораманың 95%-дан астамы жасанды интеллект көмегімен жасалған. ActID және New Claw сияқты платформалар маркетплейс ретінде ұйымдастырылған: компаниялар адамдарға суреттерін лицензиялау үшін $15-тен $700-ге дейін төлейді, ал пайдаланушылар арнайы студияларда түсірілген фотосуреттерді өздері жүктейді. Категориялар — «көрші қыз»-тан «бруталды» және «супермодельге» дейін.
Мәлімделген мақсат — адамдарды ByteDance-тің Hongguo платформасында болған оқиғадан қорғау, онда екі инфлюенсер компанияны беттерін ұрлады деп айыптап, 40 млн қаралым жинаған сериалды жоюға тура келді. 2026 жылдың басынан бастап ByteDance басқа адамдардың беттері мен дауыстарын рұқсатсыз пайдаланған 85 000-нан астам роликті жойды. Алайда бақылау әлсіз болып қалуда. Аватарларына құқықтарды Synthesia стартапына сатқан британдық азаматтар олардың цифрлық клондары Венесуэла мен Буркина-Фасо диктаторларын қолдайтын үгіт-насихат роликтерінде пайдаланылғанын анықтады. Актерлердің Equity кәсіподағы енді цифрлық келбетке бақыланбайтын құқықтарды беруге заңнамалық тыйым салуды талап етуде.
Тек кітаптар мен беттер емес
Роботтарға табиғи қозғалыстардың мысалдары қажет. Қазіргі физикалық симуляциялар жетілмеген, ал роботтарға арналған синтетикалық деректер де коллапс мәселесіне тап болады. 2025 жылы гуманоидтарды әзірлеуге $6 млрд-тан астам инвестиция салынды, ал Scale AI және Encord сияқты компаниялар тұрмыстық қозғалыстарды жазу үшін операторларды жалдайды. Tesla адамдарға Optimus-ты оқыту үшін қозғалыс түсіру костюмдерінде күнделікті әрекеттерді қайталайтындарға сағатына $48-ге дейін төлейді.
Тасымалдаушыдағы айырмашылықты — мәтіндер, беттер, дауыстар, қозғалыстар — ескермесек, схема барлық жерде бірдей. Бұрын деректерді рұқсатсыз алатын: мұрағаттарды сканерлейтін, фотосуреттерді скрейпилейтін, ашық қолжетімді дауыстарға оқытатын. Енді бұл үшін төлейді. Бірақ мәміле құрылымы өзгермейді: актив иесінің бақылауынан қайтарымсыз кетеді, тек енді түбіртекпен.
Менің пікірім: Біз түбегейлі өзгерісті байқап отырмыз: ИИ-индустриясы деректерді паразиттік тұтынудан оларды заңды, бірақ кем емес жыртқыштық сатып алуға көшуде. Нарық лицензияланған активтерді пайдалануды ұзақ мерзімді бақылау тетіктерін әзірлемейінше, иелері — авторлар немесе модельдер болсын — бірдей мәміленің кепілінде қалады: біржолғы төлем шексіз бақылауды жоғалтуға қарсы.