Het lijkt paradoxaal, LLM-aanbieders (OpenAI, Anthropic, Meta, Google) die massaal fysieke boeken van vóór 2022 opkopen, maar het is volstrekt logisch. De drijvende kracht achter het opkopen van fysieke boeken door AI-bedrijven is de urgente behoefte aan hoogwaardige, door mensen geschreven teksten van vóór de grootschalige beschikbaarheid van LLM’s (eind 2022). Het Internet vult zich sindsdien in toenemende mate met door AI geïnfecteerde inhoud (AI-slop). Wanneer een LLM wordt getraind op deze content dan treedt er kwaliteitsverlies op in de output van LLM’s (model collapse). Fysieke boeken van vóór 2022 bieden content voor trainingsdoeleinden zonder dit risico. Bovendien proberen LLM-aanbieders hiermee ook juridische risico’s rondom digitale piraterij te omzeilen door boeken legaal in bulk aan te schaffen, maar laat ik me eerst richten op de opkooppraktijk.

(meer…)