Amazon koopt volgens onderzoek grote aantallen zeldzame boeken, haalt de ruggen eraf en scant de pagina’s om ze te gebruiken als trainingsmateriaal voor kunstmatige intelligentie.

Een journalistiek team van 404 Media plaatste een klein volgtraject in een zeldzaam boek. Het spoor leidde naar een Amazon‑locatie in Las Vegas met de naam VGT3. Die locatie gebruikt een herkenbaar symbool: een dinosaurus die een boek vasthoudt. Amazon vertelde tegen 404 Media dat het boeken via gewone commerciële kanalen koopt om zijn producten en diensten te verbeteren.

Wat is er precies gebeurd?

404 Media volgde één zeldzaam boek door er een tracker in te verstoppen. Het boek eindigde uiteindelijk bij het Amazon‑pand VGT3 in Las Vegas. Volgens het onderzoek koopt Amazon stapels van dit soort boeken, verwijdert de boekruggen en scant de pagina’s zodat de tekst digitaal beschikbaar wordt voor gebruik door AI.

In het bericht van 404 Media staat niet dat dit de enige manier is waarop Amazon aan tekst komt, maar het laat zien dat fysieke boeken een bron zijn geworden voor trainingsdata.

Waarom zijn zeldzame boeken interessant voor AI?

Zeldzame en uitverkochte boeken zijn waardevol voor bedrijven die taalmodellen trainen om beter teksten te begrijpen en te maken. Redenen:

• Ze zijn vaak niet online terug te vinden, waardoor de teksten nieuw zijn voor de dataset.

• Veel van deze boeken zijn ouder of uit eerdere drukken, dus de teksten zijn zeker niet door AI bedacht.

• Modellen hebben enorme hoeveelheden tekst nodig; zodra het internet is uitgekamd, zoeken bedrijven naar bronnen die nog niet eerder gebruikt zijn.

Een extra punt is dat teksten van vóór 2022 met grote zekerheid niet door AI gegenereerd zijn. Dat is belangrijk omdat modellen die te veel AI‑gegenereerde tekst gebruiken het risico lopen op kwaliteitsverlies: de uitgangen kunnen minder origineel of nauwkeurig worden als ze vooral van andere AI’s leren.

Wat zegt Amazon en waarom is dit een probleem voor sommige mensen?

Amazon gaf aan dat het commerciële kanalen gebruikt om boeken te kopen en die data te gebruiken om zijn producten te verbeteren. Dat is een korte uitleg, maar er blijven vragen over:

• Eigendom en toestemming: werden de boeken gekocht van verkopers die wisten dat de inhoud gescand en verwerkt zou worden voor AI?

• Culturele en wetenschappelijke waarde: sommige zeldzame boeken zijn van belang voor onderzoekers, bibliotheken en verzamelaars. Het versnipperen van fysieke exemplaren door de ruggen eraf te halen kan die waarde schaden.

• Juridische en ethische kant: eerder zijn bedrijven betrapt op het zonder toestemming gebruiken van boeken als trainingsmateriaal. Daarmee rijst de vraag of het scannen van aangeschafte fysieke boeken zonder expliciete licentie ook problematisch is.

Daarnaast staat vast dat bedrijven enorme hoeveelheden tekst nodig hebben. Sommige organisaties gingen in het verleden zelfs zover dat er illegaal gekopieerde boeken gebruikt zijn voor training, wat leidde tot rechtszaken en boetes.

Conclusie

Het onderzoek van 404 Media laat zien dat fysieke, zeldzame boeken een bron zijn geworden voor AI‑training. Amazon bevestigt dat het boeken via gewone kanalen koopt, maar concrete details en antwoorden op juridische en ethische vragen ontbreken.

Vooralsnog staat vast dat het knippen en scannen van zeldzame exemplaren spanningen oplevert: het levert waardevolle tekstdata op voor AI, maar kan tegelijkertijd eigendom, cultuurhistorische waarde en vertrouwen schaden.