Tweedehands boeken zijn trainingsmateriaal voor AI

Duizenden boeken uit Nederlandse tweedehandsboekenwinkels worden besteld vanuit Amerika, waar ze uit hun kaft worden gesneden, ingescand en daarna versnipperd. De ingescande teksten vormen trainingsdata voor grote AI-bedrijven. Dat blijkt uit een artikel in NRC. De boekhandelaren noemen het ‘barbarij’, juridisch lijkt dit toegestaan.

Sabina Posthumus is freelance redacteur. Meer van deze auteur

Boeken met ruggen naar voren op een tafel, boekenplank met boeken op de achtergrond. — Rij boeken op een tafel met een boekenplank op de achtergrond in een bibliotheek.

© CC0 - Pixabay

Boekhandelaren die ineens grote bestellingen krijgen uit Shanghai, Canada of de Verenigde Staten, boekhandel De Slegte die wordt gevraagd om een Excel-bestand van hun totale voorraad te mailen naar Zoom Books omdat ze duizenden boeken willen kopen: signalen die NRC-redacteur Jorit Verkerk is gaan onderzoeken. In zijn artikel beschrijft hij waar deze ongewone boekbestellingen vandaan komen: bedrijven die de boeken inscannen om de teksten als trainingsmateriaal te gebruiken voor AI-modellen.

Kookboek, lesboek, geschiedenisboek

De verklaring: in die oudere, tweedehands boeken staan teksten die niet online te vinden zijn. Non-fictie, zoals geschiedenisboeken, kookboeken, boeken over topografie en lesboeken lijken de voorkeur te hebben, volgens een expert omdat ze duidelijk zijn gestructureerd en goed geredigeerd. Bovendien zijn boeken van voor 2022 zeker niet door AI geschreven, schrijft de Belgische VRT. Sommige boekhandelaren vertellen aan NRC dat ze de boeken hebben opgestuurd, anderen hadden hun twijfels of hebben de bestellingen genegeerd.

Verzendkosten geen bezwaar

Een antiquariaat in Hendrik-Ido-Ambacht vertelt in het artikel dat er vier- tot vijfduizend boeken zijn verkocht aan Canadese en Amerikaanse bedrijven. De bestellingen komen ’s nachts binnen, van enkele exemplaren tot vijftien boeken tegelijk. Verzendkosten worden zonder bezwaar betaald. Een actieve koper is Zoom Books uit Canada. Onderzoeksplatform 404 Media ontdekte door een airtag in een boekenbestelling te verstoppen, dat de boeken via Zoom Books bij een trainingsfaciliteit van Amazon werden bezorgd.

Vernietigen? Zelf weten

In juni sloegen boekhandelaren ook alarm, schrijft BNR. Die website geeft aan dat er juridisch geen probleem is: uit een rechtszaak tegen Anthropic, het bedrijf achter onder andere Claude, bleek dat het inscannen en daarna kapotmaken van boeken volgens een Amerikaanse rechter valt onder ‘fair use’. ‘Als jij een boek koopt en je wilt het vernietigen, moet je dat zelf weten, daar komt het op neer. Zolang je maar een fysiek boek echt bezit. Vandaar de vraag van AI-bedrijven naar oude Europese boeken, die ongetwijfeld met containers tegelijk naar Amerika worden verscheept, ter verwerking’, aldus BNR.

'Sprakeloos'

De boekhandelaren zijn niet blij dat hun boeken trainingsmateriaal zijn voor AI. NRC: ‘Toen Pieter de Vries van Antiquariaat De Vries & de Vries in Haarlem hoorde over die praktijk, die ‘destructief scannen’ wordt genoemd, was hij wel „even sprakeloos”, zegt hij telefonisch. Hij vindt het een vorm van „barbarij”. Edwin van der Leij, eigenaar van antiquariaat Van Hoorn in Nijmegen, zegt om die reden niet op een aanbod van een Singaporees AI-bedrijf te zijn ingegaan. Ook hij is tegen de manier waarop hij vermoedt dat ‘ze’ met boeken omgaan.’