Perusahaan AI Menghancurkan Buku Langka

• Perusahaan AI membeli buku dalam jumlah besar, lalu memotong punggung buku langka untuk memindainya dengan kecepatan tinggi dan menghancurkan naskah aslinya
• ISBNdb mendukung pesanan hingga 1 juta eksemplar, anonimitas pembeli, dan NDA, serta menyarankan pelanggan menyebut proses ini sebagai “pelestarian digital”
• Terbitan sebelum 2022 dinilai sangat berharga karena merupakan data yang tidak tercampur teks buatan AI, dan Anthropic juga mendorong akuisisi buku secara luas
• Hakim federal menilai praktik menghapus naskah asli sehingga hanya tersisa satu salinan pada satu waktu sebagai penggunaan wajar, tetapi buku dengan jumlah eksemplar yang masih ada sangat sedikit pun ikut menjadi target pemrosesan
• Salinan terakhir buku abad ke-18 yang masih ada tidak dapat digantikan setelah dihancurkan, sehingga putusan legal dapat mempercepat kerusakan yang tidak dapat dipulihkan

---

Proses buku langka berubah menjadi data pelatihan

• Perusahaan AI membeli buku dalam jumlah besar, lalu memotong punggung bukunya untuk pemindaian berkecepatan tinggi dan menghancurkan naskah aslinya
• ISBNdb memfasilitasi pesanan hingga 1 juta eksemplar sambil menyembunyikan identitas pembeli
  • Menawarkan NDA sebagai fitur layanan
  • Menyarankan pelanggan menyebut pekerjaan ini sebagai “pelestarian digital”
  • Di situs webnya sendiri, mereka menyatakan bahwa frasa “perusahaan AI menghancurkan 2 juta buku” bukanlah tajuk yang akan mengundang simpati
• Terbitan sebelum 2022 diperlakukan sebagai data premium karena tidak mengandung teks buatan AI
• Anthropic merekrut mantan kepala kemitraan Google Books untuk mendapatkan “semua buku di dunia”

Ketidakpulihan yang ditinggalkan putusan penggunaan wajar

• Hakim federal menilai praktik ini sebagai penggunaan wajar dengan logika bahwa jika naskah asli dihilangkan, hanya ada satu salinan pada satu waktu
• Seorang pihak dari toko buku mengatakan kepada 404 Media bahwa buku langka yang hampir tidak memiliki salinan tersisa pun masuk ke proses tersebut
• Situs web dapat diunggah kembali dan buku terlaris dapat dicetak ulang, tetapi buku botani abad ke-18 yang hanya tersisa tiga eksemplar tidak dapat digantikan setelah dihancurkan
• Berbeda dengan scraping internet, torrent perpustakaan, atau pengambilan musik tanpa izin, penghancuran naskah asli tidak dapat dibalik, dan bisnis semacam ini dapat makin cepat setelah putusan legal

[GN⁺]

Opini Hacker News

• Saya tidak terlalu bersimpati kepada penerbit. Mereka membiarkan buku tetap terikat dalam status tidak dicetak lagi sampai hak ciptanya habis, sehingga buku yang sebenarnya baik-baik saja menjadi barang langka, dan bahkan untuk buku yang masih dijual pun sering kali hanya tersedia kertas yang mengeriting karena lembap dan jilid lem yang akan lepas menjadi lembaran terpisah dalam beberapa tahun
  Untuk buku yang sudah dinyatakan tidak dicetak lagi oleh penerbit, penerbit lain seharusnya boleh menerbitkannya tanpa memberi kompensasi ke penerbit asli, tetapi dapat menegosiasikan ulang royalti dengan penulis. Jika penerbit juga tidak mengeluarkan edisi hardcover dengan kertas tahan lama dan jilid jahit, maka undang-undang hak cipta harus diubah agar penerbit lain bisa membuat edisi premium

  • Menurut saya, hak cipta harus berakhir saat penulis atau pasangannya meninggal. Tidak adil ketika label rekaman memonetisasi bahkan video analisis musik berdurasi beberapa detik yang jelas merupakan fair use, lalu mengambil pendapatan kanal kecil yang sudah menghabiskan banyak waktu dan biaya
    Streamer kecil juga tidak punya kemampuan untuk melawan secara hukum. Kanal yang dimaksud adalah https://www.youtube.com/@diggingthegreats/videos
  • Pada abad ke-17 hingga ke-18, sudah umum bagi penerbit untuk tidak menjilid buku, dan pembeli memesan khusus ke penjilid independen; bahkan seluruh perpustakaan pribadi kadang mengikuti gaya sampul seragam milik pemiliknya
    Saat itu, buku adalah barang mewah yang tidak mampu dibeli kebanyakan orang, dan aksesibilitas meningkat ketika jilid produksi massal yang murah mulai tersebar luas. Sampai sekarang pun masih ada pasar pengrajin yang membongkar buku komersial lalu membuat jilid dan sampul khusus berkualitas tinggi
  • Buku abad ke-17 hingga ke-18 yang masih tampak bertahan hingga kini mungkin bertahan justru karena sejak awal dibuat dengan baik. Ada survivorship bias karena buku yang dibuat dengan buruk sudah lenyap dan tidak bisa kita lihat lagi
  • Jika penerbit harus membuat semua buku dengan jilid premium dan menumpuknya di gudang sementara konsumen hanya membeli edisi murah, tidak ada alasan bagi mereka menanggung biaya tambahan itu; ini adalah respons terhadap permintaan pasar
    Lebih sederhana menganggap bahwa penerbit tahu dari data penjualan bahwa edisi seperti itu tidak akan laku, daripada mengira mereka sengaja mengabaikan permintaan tersembunyi untuk edisi premium. Jika tujuannya pelestarian, yang perlu dibangun bukan kewajiban memakai kertas yang sedikit lebih baik, melainkan arsip digital yang tangguh, bukan gudang stok atau rak kolektor
  • Saya bahkan lebih tidak bersimpati kepada operator LLM yang mencuri kekayaan intelektual dibanding kepada penerbit

• Saya sedang menerbitkan ulang buku-buku lama setelah memeriksa status hak ciptanya. Semua buku yang diterbitkan sebelum 1930 termasuk sasaran, dan bergantung pada apakah pemilik hak memperbaruinya, cukup banyak buku hingga 1964 atau 1973 juga bisa dipakai
  Dengan pemotong khusus, punggung buku dipotong lalu lembar-lembar lepasnya dimasukkan ke plastik tersegel untuk penyimpanan permanen, dan file asli tanpa kompresi juga disimpan di disk magnetik untuk berjaga-jaga jika perlu pemindaian ulang. Saya juga mencari buku langka setelah 1931 lebih awal agar bisa diterbitkan begitu hak ciptanya habis, tetapi belum pernah ada perusahaan AI yang meminta izin untuk melatih model dengan hasil pindai lengkapnya

  • Saya penasaran siapa yang dimaksud dengan ‘kami’ di sini, dan apakah plastik tersegel itu cocok untuk pelestarian jangka panjang. Perlu dipastikan apakah lingkungan dengan kontrol suhu dan kelembapan aktif tidak lebih baik, karena penguraian kimia dapat menyebabkan kelembapan atau uap korosif menumpuk di dalam
  • Buku yang sangat tua bisa menimbulkan bias ke arah gaya bahasa lama, dan bahkan pengetahuan yang berharga pun sering dibahas lebih mendalam dan rinci dalam literatur modern, sehingga nilainya sebagai data pelatihan AI cenderung rendah
    Naskah kuno itu sendiri menarik dan sangat layak dilestarikan, tetapi kurang berguna jika hanya dicampurkan ke dalam kumpulan data pelatihan yang sangat besar
  • Perlu sumber dan latar belakang agar jelas apakah ini organisasi nirlaba beranggotakan dua orang, atau perusahaan pra-IPO dengan valuasi 1 triliun dolar
  • Saya bertanya-tanya apakah memotong punggung buku tidak akan membuat yang tersisa hanya lembaran lepas seperti Dead Sea Scrolls yang kehilangan provenance-nya

• Jika yang dipindai hanya buku yang masih dilindungi hak cipta, aneh mengapa buku botani abad ke-18 ikut masuk. Tindakan memindai buku yang dimiliki sendiri seharusnya legal secara hak cipta, dan tidak seharusnya sampai mensyaratkan penghancuran
  Untuk karya yang sudah terbit lebih dari 50 tahun lalu dan berisiko dilupakan, ketentuan karya yatim/piatu seharusnya diterapkan, sehingga pemegang hak harus membuktikan bahwa karya itu dilestarikan di berbagai perpustakaan dan semacamnya, atau mengizinkan salinan tambahan, atau melepaskan hak ciptanya

  • Jika buku dibongkar menjadi lembaran lepas sebelum dipindai, prosesnya lebih cepat dan murah, dan karena pelatihan AI adalah soal volume, cara ini menguntungkan. Setelah pemindaian, lembaran yang tak lagi berguna didaur ulang menjadi pulp, jadi bahkan tanpa isu hak cipta pun kemungkinan besar pemindaian destruktif akan tetap menjadi arus utama
    Alasan OpenAI tidak bisa begitu saja membeli edisi digital buku tahun 2018 di Amazon dan langsung memakainya adalah karena selain melanggar lisensi, ada juga DMCA yang melarang pembobolan DRM
  • Buku abad ke-18 sudah habis masa hak ciptanya, jadi memindainya sambil tetap melestarikan salinan aslinya bukan tindakan ilegal
  • Alasan buku yang tak tergantikan dihancurkan bukanlah hak cipta, melainkan penghematan biaya dari pemindaian destruktif: https://www.404media.co/ai-companies-are-buying-tons-of-old-...
  • Buku langka kuno yang salinannya tersisa hanya satu digit harus mendapat perlindungan nilai warisan budaya seperti koleksi museum. Negara seharusnya punya hak beli prioritas ketika pemilik hendak merusak atau membuangnya
  • Buku yang sudah dihancurkan juga punya keuntungan karena pesaing tidak bisa memindainya lagi

• Jika Archive.org tidak digugat hanya karena meminjamkan buku fisik yang mereka miliki, hasil seperti ini mungkin bisa dihindari. Penerbit seharusnya lebih hati-hati memikirkan konsekuensi dari apa yang mereka inginkan

  • Archive.org awalnya meminjamkan buku yang mereka miliki secara fisik dan pindai sendiri dengan DRM dan batas 1 orang per 1 eksemplar secara bersamaan, tetapi saat pandemi mereka menghapus batas itu dan mengizinkan peminjaman serentak tanpa batas, dan dari situlah konflik dengan penerbit dimulai
  • Ketika satu buku dihancurkan, nilai salinan lain dan stok yang belum terjual naik, jadi tidak bisa dibilang penerbit pasti membencinya
  • Bisa juga dikatakan bahwa pendekatan ceroboh Archive.org justru melemahkan ruang legitimasi kegiatan pelestarian yang sah

• Penerbit berharap bisa menggugat perusahaan AI yang melatih model dengan bahan dari shadow library demi meraih kontrak konten bernilai besar, tetapi perusahaan AI memanfaatkan celah analog. Membeli buku bekas seharga 5 dolar dan menghabiskan 25 dolar untuk pemindaian destruktif jauh lebih murah daripada membayar royalti hak cipta
  Namun sasarannya bukan naskah kuno, melainkan buku yang masih dilindungi hak cipta, dan tua tidak otomatis berarti berharga. Buku-buku itu bisa didapat murah oleh perusahaan pemindai karena perpustakaan membuang buku yang tidak ada permintaan dan hanya menambah biaya penyimpanan

  • Bagi perusahaan AI, buku-buku itu bernilai, jadi mereka harus membayar kompensasi yang adil
  • Literatur modern juga akan menjadi literatur kuno seiring waktu, jadi tidak bisa dinilai hanya dari nilai fisiknya saat ini
  • Bahkan jika memasukkan keausan peralatan, tenaga kerja untuk mengeluarkan kertas yang macet, dan biaya daur ulang, biaya pemindaian destruktif mungkin lebih dekat ke 0,25 dolar daripada 25 dolar per buku
  • Jika informasi dari banyak pembeli diubah dan bahan sumbernya dihancurkan, informasi yang keliru akan tetap tertinggal di dalam LLM, jadi membenarkannya terdengar lebih seperti propaganda

• Ini lebih mirip pabrik ‘hancurkan lalu pindai’ dalam 《Rainbows End》 karya Vernor Vinge daripada 《Fahrenheit 451》 karya Bradbury

  • Vernor Vinge sangat piawai memprediksi masa depan dekat, dan menggambarkan pemindaian dengan penghancuran sebagai metode yang dipakai penjahat untuk sementara sebelum beralih ke pemindaian non-destruktif. Dalam jangka panjang, salah satu hal terbaik yang bisa dilakukan demi umat manusia adalah mendukung Anna’s Archive
  • Meski berbeda dari makna yang biasa dilekatkan publik, ini juga cukup dekat dengan maksud yang diinginkan penulis 《Fahrenheit 451》

• Sambil mendigitalkan buku langka, kerugian dari Authors Guild v. Google juga bisa dipulihkan. Pemindaian oleh perusahaan AI dapat diizinkan, tetapi salinan digital wajib dipublikasikan, dan bisa diberi masa tenggang beberapa tahun demi keuntungan pihak yang pertama melakukan pemindaian: https://en.wikipedia.org/wiki/Authors_Guild,_Inc._v._Google,...

  • Menghancurkan satu-satunya salinan buku tahun 1850 lalu mengurung isinya di dalam sistem komersial adalah bentuk perampasan sumber daya publik, seperti menambang sumber daya di tanah publik tanpa izin
    Sebaliknya, jauh lebih masuk akal jika buku itu didigitalkan dengan kualitas tinggi dan dibuka gratis selamanya, dapat diakses lewat LLM publik yang bisa dipakai gratis di perpustakaan maupun online, dan jika tidak ada salinan fisik lain yang tersisa, setelah verifikasi yang memadai diwajibkan untuk disimpan di arsip publik buku langka

• Jika ini adalah cara legal yang bisa dipilih perusahaan AI akibat hukum hak cipta yang bodoh, sulit untuk menimpakan seluruh tanggung jawab kepada mereka. Anda bisa mendukung shadow library lokal: https://annas-archive.pk/donate

• Dilihat hanya dari materi yang dikutip, bukti bahwa buku langka benar-benar sedang dihancurkan masih kurang. Memang ditambahkan contoh buku botani abad ke-18 yang tak tergantikan, tetapi itu tetap tidak menyingkirkan kemungkinan bahwa objek sebenarnya adalah buku yang sedang dijual atau buku yang umum

  • Semua buku abad ke-18 sudah kedaluwarsa hak ciptanya, jadi tidak ada alasan khusus untuk menghancurkannya

• Di sini, buku langka tampaknya bukan manuskrip abad pertengahan yang penting secara historis, melainkan buku yang relatif baru, masih dilindungi hak cipta, tetapi memiliki sedikit salinan fisik yang beredar. Menghancurkan satu eksemplar buku seperti ini untuk melestarikan isinya secara digital belum tentu buruk, dan nilai buku yang masih dilindungi hak cipta umumnya ada pada isinya, bukan pada media fisiknya

  • Bahkan manuskrip abad pertengahan yang penting secara historis pun makin banyak dibuka secara online, dan jika peneliti bisa langsung mengakses hasil pindai sumber asli, penelitian sejarah menjadi lebih cepat. Tentu dalam kasus ini metodenya non-destruktif
  • Ada juga buku yang media fisiknya sendiri bernilai, seperti edisi kolektor khusus dengan tanda tangan penulis atau hiasan emas, tetapi kecil kemungkinan perusahaan AI memakai edisi semacam itu
  • Bahkan untuk buku yang salinannya tersisa satu digit, saya bisa setuju pada pemindaian destruktif dengan syarat hasil pindai digital berkualitas tinggi itu dipublikasikan
  • Pertanyaan kuncinya adalah: untuk siapa pelestarian digital itu dilakukan
  • Sulit menyebut perubahan kecil pada bobot rantai Markov di suatu tempat sebagai pelestarian isi yang sesungguhnya, bukan?