בזמן שחברות הבינה המלאכותית משקיעות מיליארדים במודלים, שבבים ומרכזי נתונים, אחד המשאבים המבוקשים במרוץ לפיתוח AI מתקדם מגיע דווקא מהעולם הישן: ספרים מודפסים. בשנים האחרונות רכשו חברות טכנולוגיה כמויות עצומות של ספרים לצורך אימון של מודלי השפה. אבל מתברר שהתהליך מסתיים בצורה הרבה פחות רומנטית – כריכת הספר נחתכת, העמודים נסרקים במהירות, והעותק הפיזי מושמד. כאשר מדובר בספרים מודרניים בייצור המוני, הנזק מוגבל. הבעיה מועצמת כאשר מדובר בספרים ישנים ונדירים.
היקף התופעה החל להתבהר בעקבות תביעה שהגישו סופרים נגד Anthropic. אלפי עמודים של מסמכים משפטיים שנחשפו במסגרת ההליך גילו כי החברה הפעילה החל מ-2024 מבצע פנימי שכונה Project Panama, שבמסגרתו רכשה מיליוני ספרים פיזיים לצורך אימון המודלים שמאחורי Claude. לפי המסמכים, Anthropic השקיעה עשרות מיליוני דולרים ברכישת הספרים ובסריקתם.
התהליך היה תעשייתי לחלוטין. החברה נעזרה בין היתר במוכרי ספרים משומשים כמו Better World Books ו-World of Books ורכשה ספרים בקבוצות שהגיעו לעשרות אלפי עותקים. ספק סריקה שעבד עם Anthropic תיאר הצעה לעיבוד של 500 אלף עד שני מיליון ספרים בתוך שישה חודשים בלבד: מכונה הידראולית חותכת את שדרת הספר, העמודים מופרדים ונסרקים באמצעות סורקים תעשייתיים מהירים, ולאחר מכן החומר שנותר מועבר למחזור.
אחד המסמכים הפנימיים תיאר את השאיפה של הפרויקט בצורה שקשה להתעלם ממנה: לסרוק באופן הרסני את כל הספרים בעולם. המספר המדויק של הספרים שנסרקו במסגרת הפרויקט לא פורסם, אך מסמכי בית המשפט מראים שמדובר היה במאמץ רחב היקף שנועד לבנות מאגר טקסט עצום ואיכותי עבור מודלי החברה.
ה-AirTag שהוביל למחסן של Amazon
Anthropic אינה החברה היחידה. באוגוסט פרסם אתר הטכנולוגיה העצמאי 404 Media תחקיר שניסה לברר מי עומד מאחורי הזמנות הענק שמקבלים מוכרי ספרים. מוכר של ספרים נדירים, שקיבל הזמנה של כמעט 1,000 ספרים פיזיים, הסכים לאפשר לעיתונאים להחביא Apple AirTag בתוך אחד מהם ולראות לאן המשלוח יגיע.
הספר יצא מקליפורניה והמשיך במסלול ברחבי ארצות הברית, עד שהגיע ליעדו הסופי: מתקן של Amazon בלאס וגאס, נבדה, המכונה VGT3. עובדים במקום סיפרו ל-404 Media כי עבודתם כוללת קבלת משלוחים גדולים של ספרים, חיתוך הכריכות וסריקת העמודים. הספר הפיזי נהרס בתהליך. אפילו הלוגו של הצוות במקום נראה כמעט כמו בדיחה שחורה על מטרת המתקן: דינוזאור חושף שיניים כשספר בידיו.
והנקודה שהופכת את הסיפור להרבה יותר מעניין ובעייתי היא שלא מדובר רק ברבי-מכר שאפשר לקנות שוב בכל חנות. התחקיר העלה חשש שגם ספרים נדירים, ישנים וכאלה שאזלו מהדפוס מגיעים למערכי הסריקה האלה – ובחלק מהמקרים ייתכן שקשה למצוא תחליף לספר שהושמד.
למה דווקא ספרים מודפסים?
החזרה של חברות הטכנולוגיה למדפי הספרים נובעת משתי בעיות שהולכות ומחריפות ככל שמודלי ה-AI גדלים: זכויות יוצרים ואיכות המידע שעליו הם מתאמנים. בשנים הראשונות של פיתוח מודלי השפה, חברות AI הסתמכו במידה רבה על כמויות עצומות של טקסטים שנאספו מהאינטרנט. אלא שהשימוש בספריות פיראטיות ובמאגרים המכונים ״shadow libraries״ חשף אותן לשורה של תביעות מצד סופרים ובעלי זכויות יוצרים.
רכישת עותק פיזי מציעה מסלול משפטי אחר. ביוני 2025, במסגרת התביעה נגד Anthropic, קבע שופט פדרלי כי השימוש בספרים שנרכשו כחוק לצורך אימון מודלי AI יכול להיחשב ״שימוש הוגן״ טרנספורמטיבי. בית המשפט הבחין בין הספרים שנרכשו באופן חוקי לבין מיליוני ספרים שהחברה הורידה קודם לכן ממאגרים פיראטיים – וקבע שהשאלה המשפטית לגבי העותקים הפיראטיים שונה.
אבל יש סיבה נוספת לכך שספר מודפס הפך פתאום לנכס יקר עבור חברות שבונות את הטכנולוגיה של העתיד: הוא מספק מקור ברור לטקסט שנכתב על ידי בני אדם. ככל שהאינטרנט מתמלא בתוכן שנוצר באמצעות ChatGPT, Claude ומודלים אחרים, קשה יותר לדעת אם טקסט שנאסף מהרשת הוא יצירה אנושית מקורית או תוצר של AI. ספרים שפורסמו לפני הפריצה של כלי ה-AI הגנרטיבי מספקים לחברות מאגר גדול של תוכן שקדם לתופעה הזאת.
עבור מודלי שפה, יש לספרים גם יתרונות שקשה למצוא בחלק גדול מהתוכן המקוון: טקסטים ארוכים וקוהרנטיים, מבנים נרטיביים מורכבים, טיעונים שמתפתחים לאורך עשרות או מאות עמודים ותוכן שעבר בדרך כלל תהליכי כתיבה ועריכה אנושיים. במילים אחרות, בזמן שהאינטרנט הופך בעצמו לתוצר של המכונות שחברות ה-AI מנסות לאמן, הספר המודפס הופך למעין מאגר של האינטרנט שלפני ה-AI.
מיליוני ספרים הושמדו
על השאלה הזו אין כרגע תשובה. מסמכים שנחשפו בתביעה נגד Anthropic הראו כי בחוזה אחד בלבד תוכנן לסרוק בין 500 אלף לשני מיליון ספרים בתוך שישה חודשים, בעוד מקורות ששוחחו עם 404 Media תיארו הזמנות שנעו מאלף ועד מיליון ספרים בכל פעם. מוכרי ספרים משומשים בארה״ב, בריטניה ואירופה דיווחו גם הם על הזמנות חריגות של מאות ואלפי כותרים – לעיתים ללא היגיון ברור שמחבר ביניהם.
הבעיה שמטרידה כעת סופרים, היסטוריונים, ארכיונאים ואספנים אינה רק הכמות. אם עותק של רב-מכר מודרני נהרס בתהליך הסריקה, קיימים בדרך כלל עוד אלפים כמוהו. כשמדובר במהדורה נדירה, ספר שאזל מהדפוס או טקסט שמעולם לא עבר דיגיטציה, ההשמדה עלולה להיות בלתי הפיכה. וכך נוצר אחד הפרדוקסים המוזרים של מרוץ ה-AI: כדי לבנות מערכות שאמורות להכיל חלק הולך וגדל מהידע האנושי, חברות הטכנולוגיה פונות לאחד המאגרים הפיזיים הגדולים ביותר של אותו ידע – ולעיתים משמידות את העותק שממנו למדו.
הוויכוח סביב הפרקטיקה הזו כנראה רק בתחילתו. מבחינה משפטית, רכישה חוקית של ספר מעניקה לבעליו מרחב רחב לעשות בעותק הפיזי כרצונו, ובתי המשפט כבר הכירו במקרים מסוימים בשימוש בספרים שנרכשו כחוק לאימון AI כשימוש הוגן. אך השאלה שמעלה התופעה רחבה יותר מהחוק: ככל שהמרוץ אחר חומרי אימון איכותיים מתרחב גם לספרים נדירים וכאלה שאזלו מהדפוס, הגבול בין שימור הידע האנושי לצורך בניית הטכנולוגיה הבאה לבין אובדן המקורות הפיזיים שעליהם היא נשענת – הופך דק יותר.
