Թարգմանչաց շարժման տեսադարանը

Ինչու՞ AI-ն փնտրում է այն գրքերը, որոնք ինտերնետում չկան.mp4

WEBVTT

00:00.000 --> 00:05.000
2026 թվականի ամռանը երկրորդ ձեռքի գրքերի վաճառողները սկսեցին նկատել մի շատ տարօրինակ գնորդի։

00:05.000 --> 00:08.000
Նա հարյուրներով և հազարներով գրքեր է գնել։

00:08.000 --> 00:15.000
Հին տեխնիկական տեղեկատուներ, գիտական ​​մենագրություններ, 70-80-ականների դասագրքեր, հրատարակություններ, որոնք վաղուց դուրս են եկել տպագրությունից։

00:15.000 --> 00:19.000
Ոմանք հազվադեպ էին, ոմանք ընդհանրապես գոյություն չունեին թվային տեսքով:

00:19.000 --> 00:23.000
Իսկ ամենատարօրինակն այն է, որ գրքերը ոչ մի կերպ կապված չեն եղել միմյանց հետ։

00:23.000 --> 00:29.000
Տարբեր հեղինակներ, տարբեր տարիներ, բոլորովին տարբեր բնագավառներ՝ ճարտարագիտությունից մինչև պատմություն և գիտություն։

00:29.000 --> 00:32.000
Գնորդին գրեթե չէր հետաքրքրում պատճենների վիճակը։

00:32.000 --> 00:35.000
Կոլեկցիոների համար դա շատ տարօրինակ տեսք ուներ:

00:35.000 --> 00:39.000
Ուստի լրագրողները որոշեցին պարզել, թե ով և ինչու է գնում այս գրքերը։

00:40.000 --> 00:44.000
Նրանք պատճեններից մեկում թաքցրել են AirTag-ը՝ փոքրիկ փարոս:

00:44.000 --> 00:49.000
Այս գրքի երթուղին նրանց տարավ մի տեղ, որտեղ պարզ դարձավ, որ հավաքածու գոյություն չունի:

00:49.000 --> 00:50.000
Ժամը 11.11 է։

00:51.000 --> 00:51.000
Բաժանորդագրվել.

00:51.000 --> 00:53.000
Թրեքերը շրջել է ամբողջ Ամերիկայով։

00:53.000 --> 00:55.000
Սկզբում Կալիֆոռնիան, հետո Վիսկոնսինը:

00:56.000 --> 00:58.000
Այնտեղ գիրքը պահվում էր պահեստում գրեթե երկու շաբաթ։

00:58.000 --> 00:59.000
Հաջորդը Կոլորադոն է:

00:59.000 --> 01:05.000
Երթուղու վերջում AirTech-ը կանգ առավ Լաս Վեգասում՝ Amazon-ի հսկայական պահեստային համալիրի տարածքում։

01:05.000 --> 01:11.000
Այնտեղ գրքերն ապամոնտաժվել են, ողնաշարերը կտրվել, էջերն առանձնացվել են և անցել արդյունաբերական սկաների միջով։

01:11.000 --> 01:14.000
Սրանից հետո պատճենն այլևս սովորական գիրք չի դառնա։

01:14.000 --> 01:22.000
Amazon-ը լրագրողներին հաստատել է, որ գրքեր է գնում առևտրային ալիքի միջոցով՝ զարգացնելու և բարելավելու իր ապրանքներն ու ծառայությունները:

01:22.000 --> 01:30.000
Մի ընկերություն, որը ժամանակին սկսել էր գրքեր վաճառել առցանց, այժմ հետ էր գնում թղթե գրքերը՝ դրանք թվային ֆայլերի վերածելու համար:

01:30.000 --> 01:34.000
Պատճառը պարզ է՝ արհեստական ​​ինտելեկտին անհրաժեշտ է տվյալներ սովորելու համար։

01:34.000 --> 01:35.000
Շատ տվյալներ.

01:36.000 --> 01:39.000
Այս ամենի համար հասանելի ինտերնետն աստիճանաբար այլեւս չի բավականացնում։

01:39.000 --> 01:43.000
Լեզվի մոդելը սովորում է տեքստում օրինաչափություններ գտնելով:

01:43.000 --> 01:49.000
Ինչ բառեր են սովորաբար կանգնած միմյանց կողքին, ինչպես են կառուցվում նախադասությունները, ինչպես են մարդիկ բացատրում ֆիզիկան կամ գրում կոդ:

01:49.000 --> 01:53.000
Եվ որքան շատ լավ օրինակներ է նա տեսնում, այնքան ավելի շատ նման օրինաչափություններ է նա սովորում:

01:53.000 --> 01:56.000
Սկզբում թվում էր, թե նյութը երկար կտևի։

01:56.000 --> 02:04.000
Մարդկությունն արդեն ուներ ինտերնետ, միլիարդավոր էջեր, Վիքիպեդիա, ֆորումներ, փաստաթղթեր, մարդկանց կողմից գրված տասնամյա տեքստեր։

02:04.000 --> 02:07.000
Մարզումների մասշտաբները սկսեցին շատ արագ աճել, և դա պարզ դարձավ.

02:08.000 --> 02:12.000
Հսկայական ինտերնետը և վերապատրաստման համար բարձրորակ տվյալների հսկայական մատակարարումը երկու տարբեր բաներ են:

02:13.000 --> 02:20.000
Համացանցը լի է սպամով, կրկնօրինակներով, ինքնաբերաբար ստեղծվող էջերով, որոշ կայքեր փակ են, իսկ որոշ նյութերի համար պետք է վճարել։

02:20.000 --> 02:23.000
Ինչ-որ բան չի կարող օգտագործվել հեղինակային իրավունքի պատճառով:

02:23.000 --> 02:25.000
Զտելուց հետո շատ բան չի մնում։

02:26.000 --> 02:34.000
Եվ ուսումնական հավաքածուների աճի ներկայիս տեմպերով, ըստ նրանց հաշվարկների, այս մատակարարումը կարող է ավարտվել ինչ-որ տեղ 2026-ից 2032 թվականների միջև։

02:35.000 --> 02:36.000
Հաշվարկները պարզ են.

02:36.000 --> 02:41.000
Դուք կառուցում եք տվյալների կենտրոններ, ավելացնում էներգիայի հզորությունը, բայց դա չի աշխատի մարդկային տեքստերի հետ:

02:42.000 --> 02:46.000
Ոչ մի տեղ չկա պատվիրելու երկրորդ ինտերնետը, որը գրվել է մարդկանց կողմից վերջին տասնամյակի ընթացքում:

02:46.000 --> 02:49.000
Այդ պատճառով ընկերությունները սկսեցին նյութեր փնտրել սովորական ցանցից դուրս:

02:49.000 --> 02:56.000
2025 թվականին ամերիկյան դատարանը քննարկում էր գրողների հայցն ընդդեմ Anthropic ընկերության, որը ստեղծեց Կլոդին։

02:56.000 --> 03:00.000
Գործի նյութերից հայտնի դարձավ, թե ինչպես է ընկերությունը հավաքել իր գրադարանը։

03:00.000 --> 03:03.000
Գրքերի մի մասը ներբեռնվել է ծովահեն գրադարաններից:

03:03.000 --> 03:05.000
Մենք խոսում էինք միլիոնավոր ֆայլերի մասին։

03:05.000 --> 03:07.000
Դրանցից մի քանիսը ձեռք են բերվել թղթային տեսքով։

03:07.000 --> 03:11.000
Գրքերը բերվեցին, կապանքը կտրվեց, էջերը սկանավորվեցին, տեքստը պահպանվեց։

03:11.000 --> 03:14.000
Ընկերության ներսում նախագիծը կոչվում էր Project Panama:

03:14.000 --> 03:19.000
Փաստաթղթերը պարունակում էին աշխարհի բոլոր գրքերը կործանարար կերպով սկանավորելու ձևակերպում։

03:19.000 --> 03:22.000
Anthropic-ը, իհարկե, չի ոչնչացրել աշխարհի բոլոր գրքերը։

03:22.000 --> 03:23.000
Առայժմ։

03:23.000 --> 03:28.000
Ձևակերպումը պարզապես ցույց է տալիս գրադարանի մասշտաբը, որը ընկերությունը ցանկանում էր հավաքել:

03:28.000 --> 03:34.000
Ինչու՞ անհանգստանալ բեռնատարներով թղթե գրքերով, կտրել դրանք, սկանավորել դրանք էջ առ էջ, երբ դուք ինտերնետ ունեք:

03:34.000 --> 03:40.000
Պատճառը կայանում է նրանում, որ հին թղթե գիրքը կարող է դա անել, իսկ սովորական վեբ էջը՝ ոչ:

03:40.000 --> 03:44.000
Վերցնենք 1986 թվականին փոքր տպաքանակով տպագրված մի մասնագիտացված գիրք։

03:45.000 --> 03:46.000
Եվ երբեք թվայնացված:

03:46.000 --> 03:48.000
Այն կարող է ընդհանրապես գոյություն չունենալ ինտերնետում:

03:48.000 --> 03:54.000
Ներսում երկար կապակցված տեքստ է՝ խմբագրված նեղ թեմայի վերաբերյալ տեղեկություններով:

03:54.000 --> 03:55.000
Եվս մեկ մանրամասն.

03:55.000 --> 04:04.000
Եթե ​​գիրքն իրականում հրատարակվել է 1986 թվականին, ապա դրա բովանդակությունը հայտնվել է GPT Chat-ից և ստեղծված բովանդակության ողջ ընթացիկ հոսքից շատ առաջ:

04:04.000 --> 04:14.000
Սա կարևոր է այսօր, քանի որ նույն ինտերնետը, որից մի քանի տարի առաջ վերցվել էին մարդկային տեքստեր ուսուցման համար, այժմ աստիճանաբար լցվում է հենց արհեստական ​​ինտելեկտի կողմից ստեղծված նյութերով:

04:14.000 --> 04:16.000
Ստեղծված տեքստերն արդեն ամենուր են։

04:17.000 --> 04:19.000
Մոդելները գրում են կոդ և օգնում գիտական ​​տեքստեր ստեղծել:

04:20.000 --> 04:22.000
Դրա մի մասը հայտնվում է բաց ինտերնետում:

04:22.000 --> 04:29.000
Որոշ ժամանակ անց մեկ այլ տվյալների հավաքող է գալիս էջեր և վերցնում նրանց նոր ուսումնական հավաքածուն:

04:29.000 --> 04:37.000
Որքան շատ է նման բովանդակությունը կուտակվում, այնքան ավելի դժվար է դառնում հրապարակման մեկ փաստից հասկանալ, թե որտեղից է տեքստը, նկարը կամ ծածկագիրը:

04:37.000 --> 04:47.000
2024-ին Nycha-ում հրապարակվեց մի հոդված այն մասին, թե ինչ է տեղի ունենում, եթե մոդելներին նորից ու նորից վարժեցնեք նախորդ մոդելների կողմից ստեղծված տվյալների վրա:

04:48.000 --> 04:48.000
Սխեման այսպիսին է.

04:49.000 --> 04:53.000
Առաջին մոդելը սովորում է իրական մարդկային տվյալներից և ստեղծում է իր տեքստը:

04:53.000 --> 04:57.000
Երկրորդ մոդելը վերապատրաստված է այս տեքստի վրա, և այն ինքնուրույն ինչ-որ բան է ստեղծում:

04:57.000 --> 05:00.000
Սա անցնում է երրորդի համար մարզվելու, և այսպես՝ շրջանով:

05:00.000 --> 05:09.000
Մի փորձի ժամանակ մոդելին սովորեցրել են գրել անգլիական եկեղեցական ճարտարապետության մասին, իսկ հետո 9 սերունդ անընդմեջ նրան վարժեցրել են սեփական պատասխաններով:

05:09.000 --> 05:15.000
Շղթայի վերջում մոդելը, որը հարցրեց միջնադարյան աշտարակների մասին, պատրաստեց նապաստակի ցեղատեսակների մոլեգին ցուցակ:

05:15.000 --> 05:21.000
Սկզբնական տվյալների հազվագյուտ մանրամասներն այդ պահին անհետացել էին, և մոդելը խրված էր պատահական աղմուկի վրա:

05:21.000 --> 05:27.000
Այս էֆեկտը կոչվում է մոդելի փլուզում, այդ իսկ պատճառով մարդու անձեռնմխելի տվյալները հատկապես արժեքավոր են։

05:27.000 --> 05:30.000
Սա նույն բնօրինակն է, որից պատճենը դեռ չի արվել։

05:30.000 --> 05:40.000
Միևնույն ժամանակ, մոդելները հիանալի պատրաստված են արհեստականորեն ստեղծված տվյալների վրա, ստեղծում են հազվագյուտ իրավիճակներ, որոնք հազվադեպ են սովորական տվյալների մեջ և ստեղծում են միլիոնավոր մաթեմատիկական խնդիրներ՝ ստուգելի պատասխաններով:

05:41.000 --> 05:47.000
Նապաստակի պատմության խնդիրն այն էր, որ սինթետիկները նորից ու նորից տարածվում էին առանց թարմ տվյալների հոսքի:

05:48.000 --> 05:56.000
Նույն ուսումնասիրության մեջ Nature-ն ասում է, որ սկզբնական իրական տվյալների մի մասի պահպանումը յուրաքանչյուր քայլում զգալիորեն նվազեցնում է դեգրադացիան:

05:56.000 --> 06:00.000
Եկեք հասնենք այն գրքին, որին լրագրողները հետևում էին AirTech-ի միջոցով։

06:00.000 --> 06:03.000
Գնորդին գրեթե չի հետաքրքրել նմուշների վիճակը։

06:03.000 --> 06:10.000
Դրանց թվում էին հին դասագրքեր, տեխնիկական տեղեկատուներ, հազվագյուտ շենքեր և գրքեր, որոնք վաղուց արդեն սպառվել էին:

06:10.000 --> 06:13.000
Պատճառը բավականին պարզ է՝ ընկերությանը տեքստ էր անհրաժեշտ։

06:13.000 --> 06:19.000
Յուրաքանչյուր այդպիսի գիրք տրամադրում էր ևս մի քանի հարյուր էջ մարդկային նյութ, որը հասանելի չէ ինտերնետում։

06:19.000 --> 06:24.000
26-ի ամռանը Եվրոպայում օգտագործված գրքերի դիլերները նկատեցին նմանատիպ գնորդներ։

06:24.000 --> 06:27.000
Սա հավաքածու չէր, սկաների համար նախատեսված դատարկ:

06:27.000 --> 06:28.000
Ինչ-որ մեկը դրա համար գումար է վճարել։

06:29.000 --> 06:31.000
Գնված գրքի սկանավորումը երկար գործ է:

06:32.000 --> 06:36.000
Բացեք էջը, ուղղեք այն, վերցրեք շրջանակ, շրջեք այն և այլն հարյուրավոր անգամներ։

06:36.000 --> 06:37.000
Ավելի հեշտ է կտրել արմատը:

06:38.000 --> 06:45.000
Հետո գիրքը վերածվում է առանձին թերթիկների կույտի, և արդյունաբերական սկաները հաշված րոպեների ընթացքում կուլ է տալիս թերթերը։

06:45.000 --> 06:49.000
Ուստի նման գրքի ծագումը դարձավ առանձին դատավարության առարկա։

06:49.000 --> 06:59.000
Anthropic-ի դեմ գործով դատավորը դիտարկել է տեքստի երկու աղբյուր՝ ընկերության կողմից ձեռք բերված գրքերը թղթային ձևով և 7 միլիոնից ավելի ֆայլեր՝ ներբեռնված ծովահեն գրադարաններից:

06:59.000 --> 07:05.000
Դատարանը գրքերի օգտագործմամբ մոդելի ուսուցումը ճանաչեց որպես օրինական օգտագործում՝ անկախ նրանից, թե որտեղից է գիրքը:

07:05.000 --> 07:11.000
Բայց պիրատական ​​օրինակների զանգվածային ներբեռնումը հանուն մշտական ​​թվային գրադարանի, նման պաշտպանության տակ չէր:

07:11.000 --> 07:15.000
Anthropix-ը դրա համար վճարել է գրեթե 1,5 միլիարդ դոլար:

07:15.000 --> 07:21.000
Սա ԱՄՆ պատմության մեջ հեղինակային իրավունքի գործով հանրությանը հայտնի ամենախոշոր մրցանակն է:

07:22.000 --> 07:26.000
Գնված գիրքը ընկերությանը տվեց մի բան, որը ծովահենային ֆայլը չէր կարող ապահովել:

07:26.000 --> 07:27.000
Մաքուր ծագում.

07:28.000 --> 07:30.000
Ինչո՞ւ է որսը շարունակվում։

07:30.000 --> 07:39.000
Ընկերությունը փնտրում է մի բան, որը դեռևս ոչ մի մրցակից չունի՝ փակ արխիվներ, հին գրքեր, լուսանկարներ, ձայնագրություններ, որոնք ոչ ոք չի թվայնացրել։

07:39.000 --> 07:42.000
Որքան հազվադեպ է աղբյուրը, այնքան բարձր է դրա արժեքը:

07:42.000 --> 07:51.000
Գիրքը, որի համար 2026 թվականին ուղարկվել էր «Արտեքը», հազվադեպ էր՝ իր կազմով, հեղինակով, տառատեսակով և հին թղթի հոտով։

07:51.000 --> 07:55.000
Նրա ճանապարհորդությունն ավարտվեց Լաս Վեգասի պահեստում:

07:55.000 --> 07:58.000
Ողնաշարը կտրվել է, և էջերը անցել են արդյունաբերական խաբեբաի միջով:

07:59.000 --> 08:07.000
Գնորդը վերցրել է այս հազվագյուտ օրինակը ոչ թե ընթերցանության համար, այլ պարզապես թուղթը ծածկագրի վերածելու և ալգորիթմի մաս դարձնելու համար։

08:07.000 --> 08:11.000
Իսկ նույն գրքերից քանիսն են հենց հիմա նույն պահեստի ճանապարհին: