# AIが大量の古書を学習する遠大なメリット おはようございます。 佐々木としなおです。 今世界的に話題になっている本の話で いろんな国に市蔵されている売れなかった本とか、あるいは古本ですよね。 これが大量にアメリカの企業にどうも買われているらしい。 AI企業は買っているんじゃないか。 先日の報道だと日本でも大手取り継ぎ、これ多分日本だと思うんだけど 50トンぐらいの本がアメリカに出荷された。50トンすごいですよね。 一体コンテナはどのぐらいなんだろうと思うんだけど。 実際東京都内の古本屋さんにも大量注文が入っている。 その記事によるとジャンルも脈絡がなくて 哲学歴史、医学、法律、江戸時代の生活文化とか 30年前の政界の話とかそんな本が売れている。 30年前の政界の話は買わないですよね。よっぽど研究者でなければ。 おそらくはテック企業、つまりAI企業が AIに学習させるデータとして購入しているんじゃないかと。 なぜそういうことをしているのかというと インターネット上の大量のテキストを学習する。 そこから始まったのは今の生成アイの基本になっているLLM 大規模言語モデルという基盤モデルなんだけど インターネット上の情報にあらかた学習しちゃっている。 なおかつ最近AIによって生成されたウェブページが大量に出回っていて それを学習してもしょうがないわけですよね。 自分のしっぽを食べる蛇みたいになってしまって。 そうすると新たに学習するデータがなくなる問題があって これ以上AIは進化しなくなるんじゃないかという危惧がある。 というところでおそらく、これは推測ですけれど インターネット上にないデータということで書籍、紙の本に目をつけたんじゃないのかな。 おそらくアメリカに届いた大量の本は 何らかの自動工場で断載されてスキャンされて廃棄されているんじゃないかなと思うんですよね。 これに対して出版業界や書店業界からかなり反発が出ていて そんなひどいじゃないかみたいな。 紙の本が好きな人にとっては、そういう事をされるのは嫌だって気持ちがよくわかる。 実際、電子書籍がまだKindleとかが出るか出ないかぐらいだった2010年頃 まだ電子書籍というのはほとんどなくて でもできればiPadみたいなタブレットで本を読みたい あるいはPCで読みたいという欲求が高まって 自炊というのがブームになったことがありましたよね。 自分で紙を、書籍を、でかいカッターがあるじゃないですか 昔学校の職員室に置いてあったドカーンとした台に 右側にレバーみたいな巨大なカッターがついて それでガチャンと下ろすと切れるってやつ あれを使って書籍を断載して それを全部スキャナーで読み込むっていうね それ結構面倒くさいし でかいカッターを買ってくるのも大変だし 置くところもないというので 自炊をやってくれる代行業者とかたくさん現れて そこに本を送ると全部断載してスキャンして データをwebで送ってきてくれる。 本はそのまま処分される場合と 送り返しますってパターンと両方あったと思うんですけどね。 僕もあの頃結構自炊をやってみて 確かに紙で読むよりはデジタルデータで読みやすいってあったんだけど とはいえ所詮pdfなんですよね。画像なんです。 だからハイライト、当時はまだOCRの機能が低かったので ハイライトもできないし 拡大すると画面が荒くなったりとかそういう問題がある。 だから結局その後 ちゃんとKindle電子書籍が普及するにしたがって 当たり前なんだけど フローのKindle本を読みやすいに決まってるから 結局そっちに淘汰されて あんまり自炊って言わなくなってしまった。 これを今AIテクキューやってる。 自炊の時にものすごい出版業界から 紙を大事にしろとか、日本の文化壊れるとかいろんな声があったんだけど でも あの当時からずっと言ってるんだけど やっぱり電子化すること、デジタル化することによって データが共有される意味はすごくあるんじゃないかなと思うんです。 実際日本で大量に買われている古本なんて 大半は読まれてないわけですよね。 もちろん読まれてない本だって国会図書館とかに行けば 蔵書されている。だから 調べてその本を手に取って読むことは可能なわけです。 あるいはマイクロフィルムで読むことは可能なわけです。 でも、市蔵されちゃってるデータ書籍って よっぽどマニアックな研究者とか趣味の人じゃない限り 国会図書館で取り寄せて読もうなんてことは思わないわけですよね。 だからものすごいたくさんの本が過去に出版されているんだけど そこに含まれてた地っていうのは全て過去のものになってしまっている。 例えば50年前、1980年代に書かれた本で 今でもちゃんと読まれている本ってそんなにあるかというと 実はすごい少ないですよね。 村上春樹さんの本は読まれているかもしれないけど じゃあ村上隆さんの本がそれほど読まれているかって 多分あんまり読まれてないんじゃないかなと思うんだよね。 小説家も現役じゃなくなった瞬間に だんだん忘れ去られて過去本も読まれなくなってくる。 小学期の人気作家とかも今ほとんど読まれてないんじゃないかな。 遠藤修作なんて本当に素晴らしいんだけど 沈黙とかが映画化されてワッと一時ブームになったりするんだけど そういうのでもなければ読まれないわけですよ。 だから地は蓄積されている、アーカイブされているんだけど それが共有されない問題っていうのは書籍の世界にずっとあった。 これをAIが学習する。 もちろんAIが学習して原本が断載されて廃棄されてしまえば ソースがなくなる問題っていうのは確かにあるんだけど でも一方でAIが学習することによって AIの中にその地が取り込まれ 最終的に先生物の中に反映されていくことによって 地は確かに共有されていくわけですよ。 ある意味AIはある種の研究者であって 過去の様々な地を組み合わせて 自分が職場になって過去の地、書籍とかそういうものを いろいろ取り混ぜることによって新しい地を生み出しているってことを考えれば 言ってみればAIがそうやって古い本を全部読んでくれるってことは 人類の過去の膨大な書籍を全て読み込んだ 素晴らしい知性の存在みたいなのがここに生まれてきて ありとあらゆる過去書籍について知っているっていうね 1970年代の半ばに出たアイドル歌手についての こういう本ってあるのって聞いてみると はいこういう本があります もう絶版に特訓になってますがって教えてくれるみたいなね そこのメリットはとても大きいと思うんですよね ただ望むとしたらAI企業を断算した方の処分してしまわないで 廃棄してしまわないで 何らかスキャンしたデジタルデータの形でもいいので 公開ライブラリにしておいてソースに到達できるようにするっていうことをね 企業の壁を越えて業界的に共有してやってもらえると嬉しいかなと思うんですよね やっぱりソースがなくなっていてAIのみに 知が含まれているっていうのもやっぱり健全ではないかなという感じがする 人間にとって常に AIがどんなに知性的になったとしても AIの学習のもとになったソースには当たりたい 当たることができる権利は担保しておきたいという気持ちはあるんじゃないかなと思います ではまた明日