Tekoäly-yhtiöiden salainen operaatio: Miljoonia fyysisiä kirjoja ostetaan, skannataan ja tuhotaan – kulttuuriperintö vaarassa

Tekoälyn likainen salaisuus: miljoonia kirjoja tuhotaan koulutusdatan takia

Anthropic, OpenAI ja ainakin yksi nimeämätön kiinalainen tekoäly-yritys ovat ostaneet hiljaisesti miljoonia fyysisiä kirjoja – mukaan lukien harvinaisia, loppuunmyytyjä ja antiikkisia teoksia – ajaneet ne läpi nopeiden tuhoavien skannerien läpi, jotka leikkaavat selkämykset ja silppuavat sivut, ja lähettäneet jäänteet paperimassaksi. Käytäntö, joka paljastui oikeusasiakirjojen, 404 Media -tutkimuksen ja hollantilaisen antikvariaatin Pieter de Vriesin kokemuksen kautta, on herättänyt keskustelua kulttuuriperinnöstä, tekijänoikeuksista ja siitä, kuinka pitkälle tekoäly-yhtiöt ovat valmiita menemään puhtaan koulutusdatan saamiseksi.

Pieter de Vriesin tapaus: 3 001 kirjan tilaus, joka ei ollut roskapostia

Kesällä 2026 hollantilainen antikvariaatti Pieter de Vries, joka pitää De Vries & De Vries -kirjakauppaa Haarlemissa, sai sähköpostin Natalia-nimiseltä naiselta Singaporeen rekisteröidystä 2077AI-yrityksestä. Sähköpostissa pyydettiin ”melko suurta tilausta” kirjoja ja siihen oli liitetty taulukko, joka sisälsi yli 3 000 ISBN-tunnusta – kaikki olivat ennen vuotta 2022 julkaistuja, hankalasti löydettäviä teoksia . De Vries piti sitä aluksi roskapostina tai tietojenkalasteluyrityksenä . Myöhemmin hänelle selvisi, että sadat antikvariaatit ympäri maailman olivat saaneet samanlaisia yhteydenottoja yrityksiltä, jotka ostavat käytettyjä kirjoja tekoälyn koulutukseen – usein maksaen 3–5 kertaa markkinahinnan harvinaisista ennen 1800-lukua julkaistuista teoksista . Taulukossa listatut kirjat oli julkaistu pääosin vuosina 2020–2021, akateemisilta kustantajilta kuten Elsevier, Wiley, Routledge ja Oxford University Press . Aiheet vaihtelivat liiketaloudesta ja koulutuksesta tekniikkaan ja lääketieteeseen .

Anthropicin Project Panama: salainen suunnitelma skannata ”kaikki maailman kirjat”

Tammikuussa 2026 liittovaltion tekijänoikeusjutussa sinetistä poistetut oikeusasiakirjat paljastivat Anthropicissa toimineen salaisen operaation, jonka koodinimi oli Project Panama ja joka käynnistyi vuoden 2024 alussa . Sisäisessä suunnitteluasiakirjassa hankkeen tavoite ilmaistiin suoraan: ”Project Panama on pyrkimyksemme tuhota ja skannata kaikki maailman kirjat” . Samassa asiakirjassa todettiin Boston Globen mukaan: ”Emme halua, että tiedetään, että työskentelemme tämän parissa” .

Operaation tavoitteena oli tuhota ja skannata jopa 2 miljoonaa kirjaa noin kuudessa kuukaudessa, ja se palkkasi ulkopuolisen toimittajan suorittamaan työn . Anthropic käytti kymmeniä miljoonia dollareita ostaakseen miljoonia fyysisiä kirjoja, leikkaamalla niiden selkämykset hydraulisella leikkurilla, syöttämällä sivut nopeiden skannerien läpi ja lähettämällä jäänteet kierrätykseen . Projektia johti Tom Harvey, entinen Google Books -insinööri . Oikeusasiakirjoissa mainitut toimittajien tarjoukset osoittavat, että yhtiö etsi skannauskapasiteettia 500 000–2 miljoonalle teokselle . Lopullinen luku on yhä peitetty, mutta asiakirjoissa puhutaan miljoonista .

Oikeuden linjaus: Fair use laillisesti ostetuille kirjoille, vastuu piraattikopioista

Fair use -päätös: Yhdysvaltain piirituomari William Alsup päätti, että Anthropicin laillisesti ostettujen fyysisten kirjojen tuhoava skannaus oli tekijänoikeuslain mukaan fair use -oikeuden piirissä. Kesäkuun 2025 määräyksessään Alsup kuvasi tekoälyn koulutusta ”erittäin transformatiiviseksi” ja vertasi prosessia ”tilan säästämiseen” formaatin muutoksen kautta . Päätös perustui kolmeen seikkaan: Anthropic oli ostanut kirjat laillisesti, tuhosi jokaisen kappaleen skannauksen jälkeen ja piti digitaalitiedostot sisäisessä käytössä levittämättä niitä .

1,5 miljardin dollarin sovintoratkaisu: 20. heinäkuuta 2026 liittovaltion tuomari hyväksyi 1,5 miljardin dollarin tekijänoikeussovinnon, joka koski piraattikirjoja, jotka Anthropic oli hankkinut ja tallentanut ilman lupaa – tämä oli erillinen linja fyysisten kirjojen skannausohjelmasta . Tapaus paljasti, että ennen laillisiin ostoihin siirtymistä Anthropicin perustajajäsen Ben Mann oli ladannut itse miljoonia piraattikirjoja . Tuomari Alsup veti selkeän rajan: laillisesti ostetut kirjat, jotka skannataan sisäiseen koulutukseen = fair use; piraattidigitaalikopiot = vastuu . Sovinto kattaa yli 91 prosenttia oikeutetuista kirjailijoista Anthropicin mukaan .

ISBNdb-putki: ”Maailman paras tekoälyn koulutusdata on hyllyssä”

ISBNdb, yritys, joka väittää ylläpitävänsä maailman suurinta kirjatietokantaa (yli 111 miljoonaa luetteloitua teosta), toimii nyt välittäjänä tekoäly-yhtiöiden fyysisten kirjojen bulkkihankinnoissa . ISBNdb:n tarjous tekoälylaboratorioille on suora: ”Maailman paras tekoälyn koulutusdata on hyllyssä” – ja sen palvelu järjestää tilauksia, joiden koko vaihtelee 1 000:sta 1 miljoonaan kirjaan per sitoumus, tiukkojen salassapitosopimusten turvin .

Yritys mainostaa nimenomaan ennen vuotta 2022 julkaistuja kirjoja ihanteellisina, koska ne ovat vapaita tekoälyn tuottamasta tekstistä . Kirjat, ISBNdb sanoo, ovat ”tiiviitä, toimitettuja, arvovaltaisia” . ISBNdb myöntää, että ”optiikkaongelma on todellinen” – ostajat kieltäytyvät tyypillisesti paljastamasta, mitä laboratoriota he edustavat, ja toimitusketju on suunniteltu hämärtämään loppuasiakas . Change.org-sivustolla on käynnistetty vetoomus, joka vaatii ISBNdb:tä lopettamaan harvinaisten ja loppuunmyytyjen teosten välittämisen tuhottavaksi .

Kulttuurillinen hinta: ainutlaatuiset painokset katoavat pysyvästi

Hollantilaiset antikvariaatit raportoivat, että tekoäly-yhtiöt ostavat ja tuhoavat ennen 1800-lukua julkaistuja harvinaisia kirjoja – mukaan lukien 1700-luvun hollantilaisia lakikokoelmia ja 1600-luvun latinankielisiä teologisia käsikirjoituksia – 3–5 kertaa markkinahintaa vastaan . Kauppiaat pelkäävät, että ainutlaatuiset säilyneet kappaleet hankalista tieteellisistä ja alueellisista teoksista menetetään pysyvästi. Toisin kuin massamarkkinoiden pokkarit, monet näistä teoksista ovat olemassa vain kourallisena kappaleita maailmanlaajuisesti .

Prosessi on teollinen: kirjat saapuvat lavoittain, ne syötetään selkämyksen leikkaaviin skannereihin, jotka voivat käsitellä tuhansia niteitä päivässä, ja fyysiset jäänteet lähetetään paperimassaksi – ilman että kirjasto tai arkisto saa kopiota . Koska tuhoava skannaus tapahtuu salassa ja alkuperäiset kappaleet tuhotaan, sitä, mitä on menetetty, ei ole julkista rekisteriä, minkä vuoksi kulttuurillista kokonaistappiota on mahdoton arvioida . Kauppiaat ja arkistonhoitajat väittävät, että läpinäkyvyyden puute tekee vahingosta näkymätöntä ja korjaamatonta .

Keskeiset havainnot

• Laajuus: Anthropicin Project Panama pyrki tuhoamaan ja skannaamaan jopa 2 miljoonaa kirjaa kuudessa kuukaudessa kymmenien miljoonien dollareiden kustannuksella .
• Lakiasiat: Liittovaltion tuomari päätti, että laillisesti ostettujen kirjojen tuhoava skannaus on fair use -oikeutta, mutta piraattikopiot maksoivat Anthropicille 1,5 miljardia dollaria sovintoratkaisussa .
• Toimitusketju: ISBNdb välittää nyt 1 000–1 miljoonan kirjan bulkkitilauksia tekoälylaboratorioille tiukkojen salassapitosopimusten turvin .
• Kulttuurinen menetys: Harvinaisia kirjoja, mukaan lukien ennen 1800-lukua julkaistuja ainutlaatuisia painoksia, tuhotaan 3–5 kertaa markkinahintaan, eikä menetetystä ole julkista rekisteriä .