Techbolag misstänks riva sönder böcker för att mata sina AI-modeller – medan ett skonsamt alternativ redan finns
Techbolag river sönder böcker för AI-träning – trots att ett skonsamt alternativ redan finns.
När snabbheten trumfar varsomheten
Det billigaste och snabbaste sättet att massdigitalisera böcker är, enligt Ars Technica, brutalt enkelt: riv loss ryggen, rycka ut sidorna, skanna och kasta. För bolag som vill digitalisera miljontals titlar på kortast möjliga tid är det en lockande genväg. Resultatet är träningsdata till AI-modeller – och en hög med skräp där det en gång låg ett bokband.
Bokälskare och bibliotekarier fruktar att detta sker i en utsträckning som vida överstiger vad som hittills kommit fram i ljuset. Och oron är inte obefogad. AI-industrins behov av högkvalitativ text är enormt och växer för varje ny modellgeneration. Trycket att skaffa mer data, snabbare, är strukturellt inbyggt i hur branschen fungerar.
Men det behöver alltså inte gå till på det sättet.
Googles patent och dess begränsningar
Google tog redan 2009 patent på en skanningsteknik som bevarar boken intakt. Tekniken är elegant i teorin: boken hålls öppen i en vinkel, kameror fotograferar sidorna och mjukvara rättar till den rundning som uppstår längs ryggen. Men i praktiken är den inte felfri. Sidrundningen kan förvränga text, sidor kan missas, och framför allt – metoden är för långsam och för kostsam för den som vill bearbeta miljontals titlar i industritakt.
Där stannar tyvärr intresset för varsam digitalisering hos de flesta storbolag. Hastighet och skalbarhet vinner över hänsyn till objekten.
Internet Archive och konsten att vända sidor
Internet Archive har länge rört sig i en helt annan tradition. Organisationen hjälper bibliotek att bevara åldrande samlingar och har byggt upp en gedigen kompetens kring hur man hanterar skört och sällsynt material.
I ett inlägg från 2021, som Ars Technica lyfter fram, beskrivs hur bokskannern Eliza Zhang – som arbetat hos Archive sedan 2010 – hanterar även de mest ömtåliga volymerna utan att skada dem. Metoden är metodisk och tålmodig: hon lyfter försiktigt skannerglaset med en fotpedal för varje sida, justerar bokens läge och arbetar sig igenom verket med händernas lyhörda precision.
Archive testade visserligen automatiserade skannrar med vakuumdrivna bladvändningsarmar. Men slutsatsen var nedslående enkel: de fungerade dåligt för just de böcker som bibliotekspartnerna oftast ville digitalisera – de ömtåliga, de sällsynta, de som faktiskt behöver bevaras. Rena, torra mänskliga händer visade sig vara det bästa verktyget.
Det är en lärdom som säger något viktigt om gränsen mellan vad som går att automatisera och vad som kräver omdöme.
En etisk fråga om prioriteringar
Det som gör den här berättelsen intressant är inte enbart tekniken – det är vad valen avslöjar om värderingar. Internet Archive och de bolag som misstänks förstöra böcker för träningsdata har i grunden olika svar på frågan: vad är böcker värda?
För Archive är en gammal volym ett kulturarv som förtjänar omsorg. För ett techbolag i jakt på träningsdata riskerar samma bok att reduceras till en råvara – ett medel för ett annat mål.
Det är en konflikt vi lär se mer av. Ju större AI-modellerna blir, desto mer data behöver de. Och ju mer data som efterfrågas, desto starkare blir incitamenten att ta genvägar. Utan tydliga regler eller branschnormer för hur digitalisering av fysiskt material får gå till, är det svårt att se vad som håller tillbaka de mest kortsiktiga lösningarna.
Samtidigt vill jag inte fastna i dysterin. Det faktum att Internet Archive faktiskt löst det tekniska problemet – att skanna varsamt, i stor skala, med gott resultat – visar att detta inte är en fråga om kapacitet. Det är en fråga om vilja och prioritering. Teknikoptimisten i mig ser det som ett hoppingivande bevis: goda alternativ finns, och de fungerar. Nu handlar det om att skapa de strukturer som gör dem till norm snarare än undantag.
Vår analys
Den här frågan är ett tidigt och tydligt exempel på en konflikt som AI-utvecklingen kommer att väcka i allt fler sammanhang: hur hanterar vi begränsade, oersättliga resurser när en ny industri hungrar efter dem i industriell skala?
Böcker är i det här fallet en konkret och gripbar symbol – men samma logik gäller arkivmaterial, inspelningar, konstnärliga verk och andra former av kulturarv. AI-industrins behov av träningsdata är reellt och växande, och utan tydliga spelregler riskerar kortsiktiga ekonomiska incitament att styra beteendet.
Det positiva är att Internet Archive bevisar att varsamma alternativ inte bara är fromma önskningar – de är fullt genomförbara. Utmaningen är att flytta dem från undantag till branschstandard. Det kräver troligen en kombination av lagstiftning, upphandlingskrav från bibliotek och arkiv, samt ett ökat tryck från det civila samhället. Teknikutvecklingen väntar inte – men kulturen behöver inte offras längs vägen.