Ринок навчання штучного інтелекту переживає тектонічний зсув. Ми спостерігаємо, як лабораторії з розробки LLM вступають у нову фазу — фазу відчайдушного полювання за «чистими» даними, не зачепленими синтетикою. Це вже не просто технічна проблема, а фундаментальний виклик для всієї індустрії.
Колапс моделей: коли ШІ пожирає сам себе
Термін «колапс моделі» описує деградацію нейромережі, яка навчається на даних, згенерованих іншими ШІ. Кожен новий цикл робить результати більш усередненими та передбачуваними, стираючи зв’язок із реальністю. Вперше цей феномен формалізувала міжнародна група дослідників під керівництвом Іллі Шумайлова у травні 2023 року, опублікувавши роботу про «прокляття рекурсії».
Масштаб проблеми підтверджують цифри: у квітні 2025 року дослідники Ahrefs перевірили 900 000 нових сторінок у пошуку Google і виявили, що понад 74% матеріалів мають ознаки автогенерації. За оцінками Epoch AI, весь придатний для навчання текст в інтернеті вичерпається до 2026–2032 років. Саме тому книги, видані до 2022 року, стають стратегічним ресурсом — вони гарантовано вільні від «машинного сміття».
Скандал з ISBNdb: ринок «чистих» даних
Сервіс ISBNdb, що об’єднує метадані 113 млн видань, запропонував ШІ-компаніям специфічну послугу: закупівлю книг партіями до мільйона штук з подальшою оцифровкою та утилізацією. Коли про цю схему написали ЗМІ, компанія поспішила видалити сторінку з описом послуги та заявила, що жодних угод не укладала. Як стверджують її представники, йшлося лише про «перевірку ринкового попиту».
Однак незалежні букіністи підтвердили аномальні закупівлі з квітня 2026 року: продажі одного з торговців зросли з двадцяти примірників до кількох сотень за тиждень. Закупівельників не цікавив жанр чи цінність — лише наявність коду ISBN. Унікальні видання при цьому втрачаються безповоротно.
Юридичний прецедент і «отруєння» даних
У червні 2025 року суддя Вільям Алсуп постановив, що оцифрування законно придбаних друкованих книг для навчання мовних моделей підпадає під доктрину добросовісного використання. Це рішення легалізувало практику, яку Anthropic уже застосовувала в проєкті Panama, анонімно скуповуючи тиражі книг з подальшим скануванням та утилізацією.
Деякі автори вдалися до зустрічного заходу — «отруєння» даних, ховаючи в тексті символи, які модель інтерпретує як приховані команди. Дослідження спільної команди Британського інституту безпеки ШІ та Anthropic довело, що LLM можна непомітно навчити шкідливим патернам за допомогою лише 250 «отруєних» документів.
Оренда облич: новий ринок цифрових аватарів
Паралельно з книгами розвивається ринок ліцензування людської зовнішності. Платформи ActID і New Claw готові платити людям від $15 до $700 за право використовувати їхні обличчя як основу для персонажів ШІ-серіалів та реклами. У Китаї понад 95% зі 128 000 ШІ-мінідрам, випущених за перші три місяці 2026 року, були створені з використанням штучного інтелекту.
Однак контроль над цифровою зовнішністю виявляється крихким. Британські громадяни, які продали права на свої аватари стартапу Synthesia, виявили своїх «клонів» у пропагандистських роликах, що підтримують диктаторів. Це підштовхнуло профспілку акторів Equity до вимоги законодавчої заборони на передачу неконтрольованих прав на цифрову зовнішність.
Експертний коментар
Ми спостерігаємо формування парадоксальної економіки: книга вартістю $2–5, знищена після сканування, стає частиною моделі вартістю в мільярди доларів. Розрив між вартістю сировини та готового продукту в цій угоді важко назвати пропорційним. Індустрія рухається до тотального ліцензування всіх людських даних — від текстів до рухів. Роботам уже потрібні приклади природних рухів, і Tesla платить до $48 за годину за захоплення рухів для навчання Optimus. Питання лише в тому, коли людство усвідомить, що продає не просто дані, а саму свою унікальність.