افشای اسناد محرمانه پروژه پاناما؛ آیا واقعاً آنتروپیک کتاب‌ها را برای آموزش هوش مصنوعی نابود می‌کند؟

شرکت آنتروپیک، سازنده مدل زبانی Claude که همواره خود را پرچمدار «هوش مصنوعی اخلاق‌مدار و ایمن» معرفی می‌کرد، پروژه‌ای محرمانه تحت عنوان «پروژه پاناما» (Project Panama) را در دستور کار خود قرار داده است. هدف این پروژه، خرید عمده میلیون‌ها جلد کتاب فیزیکی، برش صنعتی شیرازه آن‌ها، اسکن نوری صفحات، و در نهایت خردکردن و نابودی کامل نسخه‌های چاپی بوده است. هدف اصلی از اسکن این کتاب‌ها، ساخت یک مجموعه‌داده عظیم و اختصاصی برای آموزش مدل‌های زبانی بزرگ این شرکت بود.

افشاگری حقوقی: چگونگی لورفتن پروژه پاناما در دادگاه فدرال

در ژانویه ۲۰۲۶، انتشار بیش از ۴,۰۰۰ صفحه از اسنادی که از حالت محرمانه خارج شده بودند در دادگاه حوزه شمالی کالیفرنیا طی پرونده شاکیان گروهی تحت عنوان «بارتز علیه آنتروپیک» (Bartz v. Anthropic PBC)، جزئیات عجیبی از استراتژی استخراج داده این شرکت را فاش کرد.

تا پیش‌ازاین، تصور افکار عمومی و تحلیل‌گران بر این بود که شرکت‌های هوش مصنوعی صرفاً داده‌های متنی را از وبگاه‌ها استخراج یا اصطلاحاً خزش کرده یا از کتابخانه‌های دیجیتال استفاده می‌کنند. اما اسناد دادگاه نشان داد که آنتروپیک یک زنجیره تأمین صنعتی و ملموس برای سوءاستفاده کتاب‌های فیزیکی ایجاد کرده است.  

در مدرک ارائه شده به دادگاه تحت عنوان «سند ۲۱» (Exhibit 21)، سند یادداشت برنامه‌ریزی داخلی آنتروپیک مربوط به آوریل ۲۰۲۴ افشا شد که هدف از این اقدام را صراحتاً چنین بیان می‌کرد: «پروژه پاناما تلاش ما برای اسکن تخریبی (destructively scan) تمامی کتاب‌های جهان است». این افشاگری، تناقض آشکاری را میان تصویر عمومی آنتروپیک به‌عنوان شرکتی متعهد به اصول اخلاقی و رفتارهای عملیاتی آن در انبارها و مراکز اسکن صنعتی نمایان ساخت.  

جزئیات فنی و عملیاتی: از تیغه‌های هیدرولیک تا بازیافت کاغذ

فرایند دیجیتالی‌سازی غیرتخریبی کتاب‌ها که در کتابخانه‌ها و آرشیوهای ملی استفاده می‌شود، نیازمند ورق‌زدن با دست یا استفاده از بازوهای مجهز به مکش هوا است تا به کتاب آسیبی وارد نشود؛ فرایندی که بسیار کند، پرهزینه و غیرعملیاتی برای مقیاس‌های موردنیاز صنعت هوش مصنوعی است. آنتروپیک برای تأمین حجم عظیم متون موردنیاز برای آموزش Claude، به روش «اسکن تخریبی» (Destructive Scanning) روی آورد که سرعت اسکن را به صدها صفحه در دقیقه می‌رساند.  

در این زنجیره عملیاتی، کتاب‌های خریداری‌شده به انبارهای بزرگ منتقل و بسته‌بندی می‌شدند. سپس کارگران با استفاده از دستگاه‌های برش هیدرولیک صنعتی، شیرازه و حاشیه‌های صحافی‌شده کتاب‌ها را به طور کامل می‌بریدند تا تمام صفحات به برگه‌های مجزا و تخت تبدیل شوند. این برگه‌ها به‌صورت انبوه وارد اسکنرهای اسناد صنعتی با سرعت بالا می‌شدند و با استفاده از نرم‌افزارهای پیشرفته تشخیص نوری کاراکتر (OCR)، متن آن‌ها به داده‌های دیجیتال تبدیل می‌شد. پس از اتمام اسکن، برگه‌های کاغذ خرد شده و برای خمیرسازی به مراکز بازیافت یا زباله‌دان فرستاده می‌شدند.  

پادکست The quest to ‘destructively scan’ all the world’s books واشنگتن‌پست

برای اجرای این عملیات، آنتروپیک اقدام به جذب «تام تروی» (Tom Turvey) کرد که پیش از آن رهبری پروژه گوگل Books را بر عهده داشت. تروی با استفاده از شبکه ارتباطی خود، قراردادهایی را با عمده‌فروشان بزرگ کتاب‌های دست‌دوم نظیر Better World Books و World of Books در بریتانیا و همچنین Wonder Book به امضا رساند. اسناد نشان می‌دهد آنتروپیک حتی خرید از کتابخانه‌های عمومی دارای کسری بودجه و فروشگاه‌های قدیمی نظیر The Strand نیویورک را نیز بررسی کرده بود. هدف نهایی عملیات، پردازش بین ۵۰۰ هزار تا ۲ میلیون جلد کتاب در فازهای شش‌ماهه بود و هزینه‌ای چند ده میلیون‌دلاری را روی دست شرکت گذاشت.  

انگیزه‌ها و پس‌زمینه استراتژیک: فرار از آلودگی وب و کابوس حقوقی

چرایی پناه‌بردن یک شرکت پیشرو فناوری به نابودی فیزیکی کتاب‌ها را باید در دو انگیزه استراتژیک کلیدی جستجو کرد:

1. نیاز مبرم به متون اصیل انسانی
2. اجتناب از تبعات حقوقی کتابخانه‌های غیرقانونی

آلودگی داده‌های وب و ارزش کتاب چاپی

از سال ۲۰۲۲ به این سو، با همه‌گیرشدن ابزارهای هوش مصنوعی مولد، بخش وسیعی از وبگاه‌ها و شبکه‌های اجتماعی با محتوای هرز تولیدشده با هوش مصنوعی یا اصطلاحاً AI Slop آلوده شده‌اند. آموزش مدل‌های جدید بر روی متون تولیدشده توسط مدل‌های قبلی، منجر به افت شدید کیفیت و اصطلاحاً «فروپاشی مدل» (model collapse) می‌شود. در این میان، کتاب‌های چاپی منتشرشده پیش از سال ۲۰۲۲، ارزشمندترین گنجینه داده‌ای متون اصیل انسانی جهان محسوب می‌شوند. این کتاب‌ها حاوی استدلال‌های منسجم، تحلیل‌های عمیق، استانداردهای بالای ویرایشی و تنوع زبانی غنی هستند.

بن‌بست حقوقی کتابخانه‌های دزدان دریایی

آنتروپیک در ابتدای فعالیت خود در سال‌های ۲۰۲۱ و ۲۰۲۲، راهکار سریع و رایگان را ترجیح داده بود. بر اساس اسناد مطرح‌شده در پرونده‌های کپی‌رایت علیه آنتروپیک، این شرکت برای آموزش مدل‌های خود به مجموعه‌هایی مانند Books3، Library Genesis (حدود ۵ میلیون کتاب) و Pirate Library Mirror (حدود ۲ میلیون کتاب) دسترسی پیدا کرده است. در این میان، اسناد دادگاه ادعا می‌کنند «بنجامین مان»، یکی از بنیان‌گذاران آنتروپیک شخصاً در سال ۲۰۲۱ حدود ۵ میلیون کتاب از Library Genesis را با استفاده از BitTorrent دانلود کرده بود. بااین‌حال، شواهد عمومی موجود نشان نمی‌دهد که او شخصاً تمام این مجموعه‌ها، از جمله Books3 و PiLiMi را دانلود کرده باشد.

بااین‌حال، با آغاز موج شکایت‌های ناشران و نویسندگان، مدیران ارشد آنتروپیک متوجه شدند که استفاده از داده‌های این‌چنینی، دامی است که می‌تواند کل دارایی‌های شرکت را به باد دهد. ازسوی‌دیگر، «داریو آمودی» مدیرعامل آنتروپیک، مذاکره مستقیم با ناشران برای دریافت مجوز دیجیتال (Licensing) را یک «فرایند طاقت‌فرسای حقوقی و تجاری» می‌دانست که سال‌ها زمان می‌برد. در این میان، خرید نسخه‌های فیزیکی و اسکن تخریبی آن‌ها به‌عنوان یک «راهکار میان‌بر» برای دورزدن ناشران و دریافت داده‌های پاک متولد شد.  

مخفی‌کاری و سندسازی داخلی: آگاهی از تبعات افکار عمومی

اطلاعات افشاشده در دادگاه نشان می‌دهد که مدیران آنتروپیک به‌خوبی می‌دانستند که خبر خرید و خردکردن میلیون‌ها جلد کتاب می‌تواند به یک کابوس روابط‌عمومی (PR Nightmare) تبدیل شود. به همین دلیل، کل این فرایند تحت پوشش شدیدترین تدابیر امنیتی و به‌صورت محرمانه اداره می‌شد.  

در یکی از یادداشت‌های برنامه‌ریزی داخلی افشاشده متعلق به آوریل ۲۰۲۴، دلایل استفاده از نام مستعار چنین توضیح داده شده است:
«پروژه پاناما تلاش ما برای اسکن تخریبی تمامی کتاب‌های جهان است. چرا از یک نام رمز استفاده می‌کنیم؟ چون نمی‌خواهیم مشخص شود که روی این موضوع کار می‌کنیم. این سند برای همه کارمندان آنتروپیک قابل‌مشاهده است، اما باید از صحبت درباره آن در فضاهای عمومی خودداری کنید و حقیقتِ کار روی این پروژه نباید با هیچ‌کس خارج از آنتروپیک به اشتراک گذاشته شود.»

همچنین به نقل از  404 Media، در تحلیل‌های افشاشده از دلالان تأمین کتاب و یادداشت‌های داخلی شرکت، به‌صراحت به «مشکل تصویر عمومی» (Optics Problem) اشاره شده است. در یادداشتی افشاشده از وبلاگ پلتفرم تأمین داده ISBNdb آمده بود: «مشکل تصویر عمومی واقعی است. «یک شرکت هوش مصنوعی دو میلیون جلد کتاب را نابود کرد» تیتری نیست که جلب همدردی کند».  

مکاتبات ایمیلی مورخ ۲۷ اوت ۲۰۲۴ میان تام تروی و مدیران Wonder Book نشان می‌دهد که آنتروپیک تمرکز ویژه‌ای بر خرید «کتاب‌های کمتر رایج» (Less Common Books) و متون نایاب داشته است. ایمیل‌ها نشان می‌دهند که شرکت حتی متون مربوط به دسته‌بندی «عتیقه‌ها و مجموعه‌ها» را هدف قرار داده بود که نگرانی‌های شدیدی را درباره نابودی آخرین نسخه‌های موجود از برخی آثار تاریخی ایجاد کرد.  

ابعاد حقوقی: قاعده اولین فروش مرزهای استفاده منصفانه

پرونده بارتز علیه آنتروپیک به یکی از مهم‌ترین پیشینه‌های حقوقی در حوزه هوش مصنوعی و کپی‌رایت تبدیل شد. قاضی فدرال، «ویلیام السپ» (William Alsup)، در حکم خود، مرز باریکی میان اسکن فیزیکی کتاب‌ها و دانلود فایل‌های دزدی رسم کرد.  

دکترین اولین فروش (First-sale Doctrine) و منطق اسکن تخریبی

استدلال اصلی آنتروپیک بر دو پایه استوار بود: «قاعده اولین فروش» و «استفاده منصفانه». طبق قاعده اولین فروش که ریشه در قوانین سنتی مالکیت دارد، زمانی که یک شخص یا شرکت یک نسخه چاپی از یک اثر را به‌صورت قانونی می‌خرد، مالک آن نسخه فیزیکی است و حق دارد آن را بفروشد، ببخشد، تغییر دهد یا به کلی نابود کند.  

قاضی السپ با این استدلال موافقت و عجیب‌ترین بخش حکم خود را صادر کرد: تخریب فیزیکی کتاب، همان عاملی است که اسکن آن را قانونی کرده است! اگر آنتروپیک اصل کتاب فیزیکی را نگه می‌داشت و نسخه دیجیتال را هم می‌ساخت، دو نسخه از اثر در اختیار داشت که نقض کپی‌رایت محسوب می‌شد. اما چون اصل نسخه چاپی نابود شده بود، نسخه دیجیتال تنها «جایگزین» نسخه خریداری‌شده شده و تعداد کل نسخه‌های در گردش تغییر نکرده است. قاضی السپ نوشت: «هر نسخه چاپی خریداری‌شده به‌منظور صرفه‌جویی در فضای ذخیره‌سازی و قابلیت جستجو به نسخه دیجیتال تبدیل شد. اصل نسخه چاپی نابود شد. یک نسخه جایگزین دیگری شد». دادگاه این اقدام را «استفاده منصفانه تغییریافته» (Transformative Fair Use) تشخیص داد.  

محکومیت تاریخی برای استفاده از محتوای دیجیتال

بااین‌حال، دادگاه در بخش دوم پرونده، هیچ اغماضی نشان نداد. آنتروپیک به دلیل سابقه استفاده از ۷ تا ۸ میلیون فایل دزدی (از سایت‌های Books3 و LibGen) محکوم شد. در نهایت، آنتروپیک برای فرار از دادگاه کشف جرم، با پرداخت تسویه حقوقی سنگین ۱٫۵ میلیارددلاری موافقت کرد. این حکم که توسط قاضی «آراسلی مارتینز-اولگین» (Araceli Martínez-Olguín) تأیید شد، بزرگ‌ترین غرامت کپی‌رایت در تاریخ آمریکا محسوب می‌شود و آنتروپیک را ملزم ساخت تمامی فایل‌های دزدی را ظرف ۳۰ روز پاک‌سازی کند.  

ابعاد اخلاقی و واکنش‌های فرهنگی: پارادوکس هوش مصنوعی ایمن

افشای عملیات اسکن تخریبی آنتروپیک موجی از خشم را در میان نویسندگان، ناشران و فعالان حفظ میراث چاپی به راه انداخت. «اد نیوتن-رکس» (Ed Newton-Rex)، مدیر سابق هوش مصنوعی و بنیان‌گذار سازمان Fairly Trained، مخفی‌کاری آنتروپیک را ادعانامه‌ای علیه اخلاق این شرکت دانست و گفت: «واضح است که هم تأمین‌کنندگان کتاب و هم شرکت‌های هوش مصنوعی می‌دانستند این کار چه ظاهر ناخوشایندی دارد و نمی‌خواستند جزئیات آن برملا شود».  

جامعه فرهنگی سه نقد اساسی را به این اقدام وارد کرده است:

1. نابودسازی میراث چاپی و آثار کمیاب، نخستین و مهم‌ترین نگرانی است. وقتی کتاب‌های خارج از چاپ یا کمتر رایج توسط تیغه‌های صنعتی قطع می‌شوند، احتمال نابودی آخرین نسخه‌های موجود در جهان وجود دارد؛ زیرا هیچ فهرست رسمی برای سنجش نایاب بودن یک اثر فیزیکی قبل از خردکردن آن وجود ندارد.  
2. تغییر ماهیت بازار کتاب، دومین پیامد است. ورود غول‌های فناوری با بودجه‌های نامحدود به بازار کتاب‌های دست‌دوم، باعث نابودی زنجیره توزیع سنتی شده است. کتاب‌هایی که می‌توانستند سال‌ها توسط خوانندگان انسانی دست‌به‌دست شوند، اکنون مستقیماً از انبارها به کارخانه‌های اسکن و بازیافت فرستاده می‌شوند.  
3. در نهایت، پارادوکس شعارهای آنتروپیک برجسته می‌شود. شرکتی که با ادعای توسعه «هوش مصنوعی اخلاق‌مدار، ایمن و انسان‌محور» تأسیس شد و مفهوم «هوش مصنوعی قانونی» (Constitutional AI) را مطرح کرد، در عمل به رفتارهایی شبیه به داستان‌های ویران‌شهری (مانند فارنهایت ۴۵۱) روی آورد و بزرگ‌ترین کارخانه امحای کتاب را در قرن ۲۱ سازماندهی کرد.  

صنعت هوش مصنوعی پس از پروژه پاناما

تصمیم دادگاه فدرال در پرونده بارتز علیه آنتروپیک، رویه جدیدی را در صنعت هوش مصنوعی بنا نهاده است. از یک سو، جریمه ۱٫۵ میلیارددلاری نشان داد که دوران دانلود بی‌دردسر از سایت‌ها به پایان رسیده است. ازسوی‌دیگر، تأیید قانونی‌بودن اسکن تخریبی، راه جدیدی را برای سایر غول‌های فناوری از جمله متا، OpenAI و گوگل باز کرده است.  

گزارش‌های جدید رسانه‌های فناوری مانند 404 Media نشان می‌دهد که دلالی کتاب برای شرکت‌های هوش مصنوعی به یک تجارت پر سود تبدیل شده است. دلالان گمنام اکنون در حال خرید چند صد تنی کتاب‌های چاپی قدیمی در سراسر آمریکا و اروپا هستند تا آن‌ها را خردکرده و متون «پیش از ۲۰۲۲» را به شرکت‌های توسعه‌دهنده هوش مصنوعی بفروشند.  

پروژه پاناما نشان داد که با اتمام داده‌های متنی وب، متون چاپی قدیمی به «نفت جدید» اقتصاد دیجیتال تبدیل شده‌اند. این پرونده نقطه‌ای عطف در تاریخ حقوق نشر است که نشان می‌دهد دکترین‌های حقوقی قرن بیستم، چگونه توسط غول‌های هوش مصنوعی به بازی گرفته می‌شوند تا متون ساخته دست انسان، پس از نابودی فیزیکی، به الگوریتم‌های هوشمند برای بازتولید زبان تبدیل شوند.