Tehisintellekti arendajad on asunud kokku ostma ja hävitama miljoneid enne 2022. aastat trükitud raamatuid, et päästa oma mudeleid „digitaalse saastumise“ eest. Samal ajal kui tehnoloogiahiiud lõikavad puruks füüsilist ajalugu, kasutavad riigiarhiivid tehisintellekti miljonite hääbuvate dokumentide päästmiseks, luues terava kontrasti teadmiste tarbimise ja säilitamise vahel.

Kusagil Las Vegase servas asub ladu, mis on otsekui mälestusmärk hetkele, kus tehisintellekt põrkub kokku füüsilise maailmaga. Sellesse hoonesse sisenevad raamatud ja sealt väljuvad andmed. Kuid see pole tavaline raamatukogu digiteerimisprojekt, kus habrast paberit käsitletakse kinnastega. Siin võetakse raamatud osadeks.

Tööstuslikud masinad lõikavad raamatute seljad maha, nii et lehed jäävad lahtiselt vedelema. Seejärel söödetakse need kiirskanneritesse tempos, mida ükski terve köide üle ei elaks. See operatsioon kuulub Amazonile ja meeskonda, kes seda juhib, kutsutakse nimega VGT3.

Siin on veider osa. VGT3 üksusel on logo. See on koomiksilik dinosaurus, kes hoiab raamatu nurka lõugade vahel. Kes iganes selle logo kujundas, oli kas väga eneseteadlik või kogemata aus viisil, mis peaks meid kõiki murelikuks tegema. See dinosaurus ei loe raamatut. Ta hoiab seda kinni nii, nagu kiskja hoiab oma saaki.

See pilt Nevada laohoone uksel on ehk kõige siiram näide praeguse tehisintellekti-ajastu olemusest. Lugu ise hakkas hargnema mitte Las Vegases, vaid antikvariaatide tagatubades. Raamatumüüjad üle Ameerika märkasid midagi kummalist: tundmatud ostjad hakkasid tegema hiiglaslikke hulgiaidoste. Nad otsisid haruldasi trükiseid, võõrkeelseid teoseid ja kõike, mis oli trükitud enne viimaste aastate digitaalset müra.

Loogika on brutaalselt lihtne. Füüsiline raamat, mis on trükitud enne 2022. aastat, on tehisintellekti arendaja jaoks midagi haruldast ja puhast: see on inimese kirjutatud tekst, mida ükski keelemudel pole puudutanud. Internet on muutumas prügimäeks, täitudes sünteetilise sisuga, mis saastab uute mudelite treeningandmeid. Selgub, et paber on puhas.

Miks internet „puhastest sõnadest“ tühjaks sai?

Siin on veider osa. Internet, mis tundus kunagi lõputu inimliku eneseväljenduse allikana, on hakanud iseennast mürgitama. Iga kord, kui tehisintellekt genereerib teksti, mis jõuab veebi, saastab see basseini, millest järgmine mudel jooma peab.

Uurijad kutsuvad seda mudeli kollapsiks (model collapse). See on mandumisring, kus iga uus põlvkond treenib oma eelkäijate vigade ja hallutsinatsioonide peal, võimendades neid nagu tsivilisatsiooni mastaabis mängitav „tõlkemäng“. Signaal hääbub. Müra võidab.

Seepärast on 2022. aasta muutunud tehisintellekti ringkondades maagiliseks numbriks. Enne seda aastat ilmunud raamatutes on garantii: seal pole ühtegi lauset, mille oleks kirjutanud generatiivne tehisintellekt. Iga lõik on tõestatavalt inimlik.

Nüüd aga peatu hetkeks. See tarneahel on teadlikult hämar. Teenused nagu ISBNdb tegutsevad vahendajatena, lubades tehnoloogiaettevõtetel osta anonüümselt miljoneid köiteid. Müüja peidab end, raamatud liiguvad, köited lõigatakse puruks. Füüsiline arhiiv on saanud uue hinnalipiku. Kui varem hindas raamatukoguhoidja teost selle harulduse või märkmete põhjal, siis nüüd loeb vaid üks: kui palju puhast, sünteetikavaba teksti see sisaldab?

Seadus, mis lubab hävitada seda, mis sulle kuulub

Siin on veider osa. Kogu seda protsessi kaitseb juriidiline põhimõte, mis loodi algselt selleks, et sina saaksid oma vana krimka maha müüa. Nn esmamüügi doktriin ütleb, et kui oled füüsilise objekti ostnud, kuulub see sulle täielikult. Sa võid selle edasi müüa, täis sirgeldada või tööstuslikust hakklihamasinast läbi lasta.

USA kohtulahendid on läinud veelgi kaugemale, liigitades raamatute hävitava skaneerimise tehisintellekti treenimiseks „ausa kasutuse“ (fair use) alla. See on kaalukas lause. Aus kasutus on säte, mis lubab kriitikul tsiteerida romaani või õpetajal paljundada luuletust. See loodi hariduse ja kultuuri jaoks.

Kuid siin on mastaap teine – miljonid köited töödeldakse tööstuslikul kiirusel ja originaalid visatakse pärast skaneerimist minema. Tekib olukord, mida seaduseandjad ei osanud ette näha: korporatsioon valdab raamatu ainsat säilinud kvaliteetset digikoopiat, samal ajal kui füüsiline algupärand on hävitatud.

Arhiiv, mis neelab kaks miljonit faili

Kujutage ette arhiivitöötajat, kes istub esmaspäeva hommikul laua taha ja avab kausta. Selles on kaks miljonit dokumenti. Tal on aega üks tööelu.

Tal pole vähimatki lootust.

See pole teoreetiline harjutus. USA Rahvusarhiiv (NARA) seisab silmitsi „pimearhiivi“ probleemiga: hiiglaslikud kogud on digiteeritud, kuid need on nähtamatud, sest kellelgi pole olnud aega lisada metandmeid, mis muudaksid dokumendi leitavaks. Märgendita dokument on nagu raamat, mis on riiulisse pandud selg vastu seina.

NARA lahendus on Azure OpenAI, mis närib hetkel läbi umbes kahte miljonit digitaalset kirjet, genereerides märgendeid tempos, milleks inimestel kuluks põlvkondi.

Siin on veider osa. Sama pilvetaristu, mis toidab kommertsiaalset tehisintellekti, teeb nüüd ka tänamatut, kuid hädavajalikku tööd avaliku mälu säilitamiseks. Arhiivitöötaja ei pea enam valdama keerulisi otsingukoode, vaid võib lihtsalt küsida: „Leia kõik kirjad, mis puudutavad 1962. aasta raketikriisi.“ Ja masin vastab.

Suurbritannia rahvusarhiiv on läinud veelgi kaugemale, nimetades end oma uues strateegias „elavaks digitaalseks arhiiviks“. Tehisintellekt pole seal eksperiment, vaid osa asutuse selgroost. Kontrast Las Vegasega on rabav. Need asutused ei tarbi pärandit, vaid kasutavad tehisintellekti, et päästa ajalugu, mis muidu upuks omaenda küllusesse.

Masinad õpivad lugema surnute käekirja

Suurem osa kirjutatud ajaloost on arvuti jaoks pelk müra. Tavaline tekstituvastus jookseb kokku, kui kohtab 19. sajandi kirillitsat või kloostriürikuid, kus tint on pleekinud vana tee värvi. Need dokumendid pole otseselt kadunud, kuid need on masinatele loetamatud.

Seda kuristikku püüab ületada projekt ArchXAI (2025–2028). See on rahvusvaheline koostöö, et õpetada masinaid lugema 19. ja 20. sajandi käsikirjalist kirillitsat. Siin ongi see suur vastand: kui üks seltskond söödab raamatuid masinasse, et saada treeningandmeid, siis teine teeb aeglast ja rasket tööd, et päästa tekste, mida keegi varem õpetada ei osanud.

Briti Loodusmuuseum jälgib oma kogusid juba enam kui 50 anduriga, mis söödavad andmed tehisintellektile, et reguleerida niiskust ja temperatuuri molekulaarsel tasemel. Samal ajal suudavad AI-põhised hoidlad vähendada arhiivi pindala 90 protsendi võrra. See kõlab võiduna, kuni küsime: mis kaob siis, kui kaovad riiulitevahelised rännakud? Efektiivsus ja avastamisrõõm pole kunagi käinud ühte jalga.

Üks asutus säilitab, teine põletab. Mis edasi?

Projekt FRAIM, kus osalevad Briti raamatukogu ja teised partnerid, proovib praegu kirja panna eetika reegleid, mis oleksid pidanud olemas olema juba enne, kui esimene raamatuselg purustajasse lendas. Reeglid saabuvad pärast hävitustööd, mitte enne seda.

Lõhe on ületamatu. Rahvusarhiivid kasutavad tehisintellekti kui hooldusvahendit, et miljonid kirjed jääksid ellu ja oleksid leitavad. Tehisintellekti korporatsioonid aga kasutavad füüsilist arhiivi kui ühekordset toorainet – nad söövad sisu ära ja viskavad kesta minema.

Mõlemad pooled väidavad, et nad „säilitavad teadmisi“. Kuid ainult üks neist säilitab objekte.

Siin on veider osa. Me ei tea, kui palju unikaalseid raamatuid on VGT3 masinate vahel oma lõpu leidnud. Me ei tea, kas füüsiline hävitamine on lepinguline nõue või lihtsalt kiireim viis andmete kättesaamiseks. Need vastused ei pruugi kunagi pinnale tulla.

Küsimus pole selles, kas tehisintellekt kuulub arhiivi. Ta on seal juba ammu ja paljudes kohtades teeb ta imetlusväärset tööd. Küsimus on selles, kes otsustab, millised raamatud selle kohtumise üle elavad – ja kas keegi vastutab nende eest, mis ei elanud.