Når kunstig intelligens vender tilbake til bøkene

Vi har lenge tatt for gitt at digitaliseringen skulle gjøre papirboken mindre viktig. Derfor er det noe nesten paradoksalt over utviklingen som nå utspiller seg. Mens kunstig intelligens utvikles i rekordfart, har noen av verdens ledende teknologiselskaper begynt å vende tilbake til gamle, trykte bøker. Hva er det de leter etter – og hvorfor finnes det fortsatt noe i disse bøkene som den digitale verden ikke ser ut til å kunne erstatte?

Da fremtiden begynte å lete bakover

Vi har brukt flere tiår på å gjøre verden digital. Biblioteker er blitt skannet, avisarkiver gjort søkbare og millioner av bøker omgjort til digitale filer. Papiret skulle erstattes av skjermen, og stadig flere mente at den tradisjonelle bokhyllen en dag ville bli et minne fra en annen tid. Fremtiden var digital, og kunnskap skulle være tilgjengelig med noen få tastetrykk, uansett hvor i verden vi befant oss.

Utviklingen virket nesten uunngåelig. For hvert år ble datamaskinene kraftigere, internett raskere og lagringsplass billigere. Papir var fortiden. Data var fremtiden. Derfor er det lett å overse paradokset som utspiller seg akkurat nå.

Verdens mest avanserte teknologi har begynt å lete bakover. Ikke fordi den lengter etter fortiden, men fordi den ser ut til å trenge noe den moderne, digitale verden gradvis inneholder mindre av: ord, setninger, fortellinger og kunnskap skrevet av mennesker lenge før kunstig intelligens ble en del av hverdagen.

Det som i årevis ble betraktet som gammeldags, har plutselig fått en ny verdi. Gamle bøker. Ikke som samleobjekter eller nostalgiske minner, men som en ressurs. En ressurs som noen av verdens største teknologiselskaper nå er villige til å bruke enorme summer på å sikre seg.

Det høres nesten merkelig ut. Vi lever tross alt i en tid hvor det produseres mer tekst enn noen gang tidligere. Hvert eneste døgn publiseres millioner av artikler, blogginnlegg, rapporter, kommentarer og innlegg på sosiale medier, samtidig som språkmodeller skriver produktbeskrivelser, e-poster, programmeringskode og hele nettsider på sekunder. Likevel er ikke all tekst like verdifull.

En bok skrevet over flere år av en forsker, historiker eller romanforfatter bærer preg av noe ingen algoritme kan tilføre alene – erfaring, tvil, omarbeiding og en langsom tankeprosess hvor ideer får tid til å modnes. Det er nettopp derfor historien som nå utspiller seg, er så fascinerende. For samtidig som kunstig intelligens blir stadig bedre til å skrive som oss, ser den ut til å bli mer avhengig av tekster skrevet før den selv eksisterte.

Jakten på menneskets ord

Da de første store språkmodellene ble utviklet, handlet nesten all oppmerksomhet om datakraft. Hvem hadde de raskeste prosessorene? Hvem kunne bygge de største datasentrene? Hvilket selskap hadde den mest avanserte modellen? Det var lett å få inntrykk av at fremtidens kunstige intelligens først og fremst skulle avgjøres av kraftigere maskiner.

Men bak kulissene foregikk et annet kappløp – et kappløp som skulle vise seg å bli minst like avgjørende som datakraften selv. Det handlet om data.

En språkmodell lærer ikke språk av seg selv. Den må lese. Ikke hundre bøker eller tusen nettsider, men ufattelige mengder tekst. Hver setning den møter, blir en liten del av mønstrene den senere bruker når den svarer på spørsmål, skriver historier eller fører en samtale.

Internett ga utviklerne en fantastisk start. Aldri tidligere hadde så mye informasjon vært tilgjengelig. Likevel oppdaget de raskt at internett hadde en svakhet. Det er enormt, men det er også fullt av gjentakelser, reklame, automatisk innhold, kopierte tekster og sider skrevet mer for algoritmer enn for mennesker. Verdifull kunnskap finnes side om side med innhold som aldri har hatt som mål å informere, men bare å bli sett.

En bok er annerledes. Den er ofte resultatet av måneder eller år med arbeid. Den følger en sammenhengende tanke, har vært gjennom redaktører og korrektur, og representerer ofte den mest gjennomarbeidede formen for språk vi mennesker produserer. For en språkmodell er slike tekster uvurderlige.

Det var derfor bokhyllene igjen kom i søkelyset. Ikke bokhyllene hjemme hos folk, men brukthandlere, grossister, lagre og forhandlere med tilgang til enorme mengder fysiske bøker. Det var her en historie begynte å utspille seg som de færreste utenfor teknologibransjen hadde hørt om.

Project Panama

Offentligheten visste lenge lite om hvordan jakten på treningsdata faktisk foregikk. Først da rettsdokumenter begynte å bli tilgjengelige, åpnet det seg et sjeldent innblikk i en verden som til da hadde vært skjult bak lukkede dører.

Midt i dokumentene dukket et navn opp.

Project Panama.

Først senere ble det klart at prosjektet tilhørte selskapet Anthropic, kjent for språkmodellen Claude. Målet var å bygge opp et enormt digitalt bibliotek ved hjelp av fysiske bøker. Ikke noen tusen, men millioner.

Bøkene ble kjøpt inn fra forhandlere og distributører, fraktet til skanningsanlegg og gjort om til maskinlesbar tekst. For å gjøre prosessen rask nok ble mange av dem behandlet med det som kalles destruktiv skanning. Bokryggen ble skåret av, sidene separert og sendt gjennom høyhastighetsskannere som kunne digitalisere tusenvis av sider i timen. Da teksten var lagret digitalt, var den fysiske boken ikke lenger nødvendig.

Da denne praksisen ble kjent, var det først og fremst bildene av bøker som ble skåret i stykker som fanget oppmerksomheten. For mange virket det brutalt – nærmest som et symbol på en tid hvor papiret måtte vike for teknologien. Men hvis vi stopper ved bildene, overser vi den egentlige historien.

Den handler ikke om bøker som blir ødelagt. Den handler om hvorfor de plutselig ble så verdifulle.

For samtidig som Project Panama var under utvikling, kom det også frem at Anthropic tidligere hadde hentet millioner av digitale bøker fra såkalte «shadow libraries» – enorme piratbiblioteker med opphavsrettsbeskyttet materiale. Det ble starten på en juridisk konflikt som fortsatt er med på å forme grensene for hvordan kunstig intelligens kan utvikles.

Domstolene måtte ta stilling til spørsmål ingen tidligere hadde møtt. Kan et selskap bruke millioner av bøker til å lære opp en språkmodell? Hvor går grensen mellom å lese et verk og å bruke det som råstoff i et kommersielt produkt? Og hvem eier egentlig verdien som oppstår når århundrer med menneskelig kunnskap blir grunnlaget for en kunstig intelligens?

Det finnes ennå ikke endelige svar. Men rettssakene avslørte noe annet som kanskje er enda mer interessant.

Verdens mest avanserte språkmodeller er ikke bygget på kunstig intelligens alene. De er bygget på menneskelig kunnskap. Det er våre bøker, vår forskning, våre fortellinger og våre ord som har lært dem å skrive.

Og akkurat da mange trodde at internett hadde gjort bibliotekene overflødige, begynte teknologiselskapene å vende tilbake til dem. Ikke av nostalgi, men fordi de hadde oppdaget at noe var i ferd med å forandre seg.

For første gang siden den digitale revolusjonen var det ikke lenger bare fremtiden som hadde verdi.

Også fortiden var blitt en strategisk ressurs.

Og kanskje er det nettopp derfor historien om de gamle bøkene er så viktig. Den handler ikke om papir. Den handler om hva som skjer når menneskelig kunnskap blir den mest verdifulle råvaren i utviklingen av kunstig intelligens.

Da internett sluttet å være menneskelig

Da de første språkmodellene begynte å lære språk, var internett først og fremst et speil av menneskene som hadde skapt det. Millioner av artikler, forumdiskusjoner, forskningsrapporter og bøker fortalte historien om hvordan vi tenkte, diskuterte og forsøkte å forstå verden. Ingen hadde planlagt dette enorme biblioteket. Det vokste fram gjennom flere tiår, drevet av nysgjerrighet, fagkunnskap og ønsket om å dele.

Det var dette språkmodellene lærte av. De lærte hvordan mennesker argumenterer, hvordan vi forteller historier, hvordan vi beskriver verden, stiller spørsmål og forsøker å finne svar.

Men så skjedde noe historisk.

Maskinene begynte å skrive tilbake.

Det skjedde nesten uten at vi la merke til det. Først noen produktbeskrivelser. Så automatiske e-poster og kundeservice. Deretter blogginnlegg, reklame, programmeringskode og nyhetsoppsummeringer. På få år gikk kunstig intelligens fra å lese internett til også å bli en av dem som skrev det.

I dag møter vi KI-generert tekst nesten overalt, ofte uten å vite det. For de fleste av oss er dette en praktisk utvikling. Arbeid som tidligere tok timer, kan utføres på minutter. Språket blir mer tilgjengelig, informasjon lettere å oppsummere og innhold raskere å produsere.

Samtidig begynte forskere å stille et nytt spørsmål: Hva skjer når kunstig intelligens i stadig større grad lærer av tekst som tidligere kunstig intelligens selv har produsert?

Det finnes ennå ikke noe endelig svar. Men bekymringen er stor nok til at jakten på originale, menneskeskapte tekster har fått en helt ny betydning. Plutselig blir en bok fra 1985 noe mer enn en gammel bok. Den blir et dokument fra en tid da vi med sikkerhet vet hvem som skrev ordene. Det gjør den ikke mer sann, men det gjør den unik.

Den nye gullalderen for gamle bøker

I takt med denne utviklingen har det også vokst fram et nytt marked. Selskaper som arbeider med bokdata og digitalisering, beskriver nå eldre bøker som attraktive treningsdata for kunstig intelligens. Bruktbokhandlere har fortalt om uvanlige oppkjøp, og flere aktører peker på at tekster skrevet før den generative KI-revolusjonen har fått en ny strategisk verdi.

Samtidig er det viktig å være presis. Det finnes ikke dokumentasjon på at alle gamle bøker kjøpes opp av KI-selskaper, eller at alle større bokoppkjøp skjer med dette formålet. Det vi vet, er at markedet eksisterer. Vi vet at selskaper tilbyr eldre bøker som treningsdata, at menneskeskrevne tekster omtales som en verdifull ressurs, og at minst ett av verdens ledende KI-selskaper allerede har kjøpt inn millioner av fysiske bøker nettopp for å bygge språkmodeller.

For bare få år siden ville dette vært vanskelig å tro. I dag er det en del av virkeligheten, og det gjør historien større enn spørsmålet om teknologi alene.

Gjennom hele menneskets historie har vi skrevet bøker for at andre mennesker skulle lese dem. Forskere har publisert arbeidet sitt for at andre forskere skulle bygge videre på det, og biblioteker har eksistert fordi samfunnet har ment at kunnskap blir mer verdifull når flere får tilgang til den.

Nå står vi i en situasjon ingen tidligere generasjon har opplevd. De samme bøkene blir ikke lenger bare lest av mennesker. De blir også brukt til å lære maskiner hvordan mennesker tenker, skriver og kommuniserer. Det gjør ikke kunstig intelligens klokere enn mennesket, men det viser hvor grunnleggende avhengig den fortsatt er av menneskelig kunnskap. Jo mer avansert teknologien blir, desto tydeligere ser vi at den fortsatt bygger på de samme ordene, de samme tankene og de samme historiene som mennesker har etterlatt seg gjennom generasjoner.

Når fremtiden leter i fortiden

Kanskje står den der fortsatt.

En anonym bok i en bruktbutikk, med et slitt omslag og gulnede sider. En bok de færreste ville ha kastet et ekstra blikk på for bare få år siden. Likevel kan den inneholde noe som noen av verdens mest avanserte teknologiselskaper nå leter etter. Ikke fordi den kan forutsi fremtiden, men fordi den ble skrevet før fremtiden begynte å skrive tilbake.

Det er kanskje den største ironien i hele historien.

I flere tiår trodde vi at digitaliseringen gradvis ville gjøre papirboken mindre viktig. At fremtiden lå i serverparker, databaser og kunstig intelligens. I stedet ser vi noe få kunne ha forutsett. Jo mer avansert kunstig intelligens blir, desto større verdi ser det ut til å være i en verden skrevet før den selv eksisterte. Ikke fordi gamle bøker nødvendigvis inneholder bedre svar, men fordi de representerer noe som blir stadig sjeldnere – ord vi vet ble skrevet av mennesker.

Vi vet ennå ikke hvordan forholdet mellom kunstig intelligens og menneskelig kunnskap vil utvikle seg. Lovverket er fortsatt under utvikling, teknologien endrer seg fra måned til måned, og nye løsninger vil uten tvil komme. Men én ting synes allerede klart. Når vi forsøker å bygge maskiner som kan forstå menneskelig språk, finnes det fortsatt ingen viktigere kilde enn menneskene selv.

Og kanskje er det nettopp derfor verdens mest avanserte teknologi har begynt å vende tilbake til bokhyllene.

Ikke fordi fortiden har alle svarene.

Men fordi den fortsatt bærer sporene av en verden skrevet av mennesker.