ആർടിഫിഷ്യൽ ഇന്റലിജൻസ് ഇന്ന് സാങ്കേതിക വികാസനത്തിന്റെ ഏറ്റവും ഉയർന്ന ഘട്ടത്തിലാണ്. Open AI, google, meta തുടങ്ങിയ വൻകിട കമ്പനികൾ തമ്മിലുള്ള ഇന്നത്തെ മത്സരം കൂടുതൽ കരുത്തുറ്റ ബുദ്ധിശക്തിയുള്ള 'ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ' വികസിപ്പിച്ചെടുക്കുക എന്നതാണ്. എന്നാൽ ഇതിനുപിന്നിലെ ഏറ്റവും വലിയ പ്രശ്നം അത്യാധുനിക അൽഗോരിതങ്ങൾ നിർമ്മിക്കുന്നു എന്നതല്ല; മറിച്ച് അവയെ പരിശീലിപ്പിക്കാൻ ആവശ്യമായ ഉയർന്ന ഗുണനിലവാരമുള്ള ഡാറ്റ കണ്ടെത്തുക എന്നതാണ്.
ഇന്റർനെറ്റിലുള്ള വിവരങ്ങൾ വലിയ തോതിൽ ട്രയിനിങ്ങിനായി ഉപയോഗിച്ചു കഴിഞ്ഞതോടെ, ടെക് കമ്പനികൾ പുതിയ ഡാറ്റാ സ്രോതസ്സുകൾ തേടാൻ ഇന്ന് നിർബന്ധിതരായിരിക്കുന്നു. ഇതിന്റെ ഫലമായി അവർ കണ്ടെത്തിയ പുതിയ വഴിയാണ് ലോകമെമ്പാടുമുള്ള അച്ചടിച്ച പുസ്തകങ്ങൾ, പ്രത്യേകിച്ച് പഴയതും അപൂർവ്വവുമായ പുസ്തകങ്ങൾ വൻതോതിൽ വാങ്ങി ഡിജിറ്റൈസ് ചെയ്യുക എന്നത്. സാധാരണ നിലയിൽ പുസ്തകങ്ങൾ ഡിജിറ്റൽ രൂപത്തിലേക്ക് മാറ്റുന്നത് അറിവ് സംരക്ഷിക്കുന്നതിനുള്ള ഒരു നല്ല കാര്യമായാണ് കണക്കാക്കപ്പെടുന്നത്. എന്നാൽ AI കമ്പനികൾ ഇതിനായി സ്വീകരിക്കുന്ന വഴി സാഹിത്യ-സാംസ്കാരിക രംഗത്ത് വലിയ ആശങ്ക സൃഷ്ടിച്ചിരിക്കുകയാണ്. പുസ്തകങ്ങൾ പൂർണ്ണമായി നശിപ്പിച്ചുകൊണ്ടുള്ള 'ഡിസ്ട്രക്ടീവ് സ്കാനിംഗ്' എന്ന സ്കാനിംഗ് രീതിയാണ് കമ്പനികൾ ഇതിനായി ഉപയോഗിക്കുന്നത് എന്നതാണ് ഏറ്റവും ഗൗരവകരമായ കാര്യം. ലക്ഷക്കണക്കിന് പുസ്തകങ്ങൾ കുറഞ്ഞ സമയത്തിനുള്ളിൽ ഡിജിറ്റലാക്കുവാനായി പുസ്തകത്തിന്റെ ബൈൻഡ് ചെയ്ത ഭാഗം യന്ത്രങ്ങൾ ഉപയോഗിച്ച് മുറിച്ചുമാറ്റുകയും, വേർപെട്ട താളുകൾ അതിവേഗ സ്കാനറുകളിലൂടെ കടത്തിവിട്ട് ഡാറ്റാബേസുകളിലേക്ക് മാറ്റുകയും ചെയ്യുന്നതാണ് ഈ സ്കാനിംഗ് രീതി. കൂടാതെ സ്കാനിംഗ് പൂർത്തിയാവുന്നതോടെ പുസ്തകത്തിന്റെ ഭൗതിക രൂപം പൂർണ്ണമായും ഉപയോഗശൂന്യമാവുകയും, അവ പേപ്പർമില്ലുകളിലോ ചവറ്റുകുട്ടയിലോ ഉപേക്ഷിക്കപ്പെടുകയും ചെയ്യുന്നു. ഇന്ന് ഇന്റർനെറ്റിൽ ലഭ്യമായ പുതിയ വിവരങ്ങളിൽ വലിയൊരു പങ്കും AI തന്നെ സൃഷ്ടിച്ചതാണ് എന്നതുകൊണ്ടാണ്, കമ്പനികൾ പഴയ പുസ്തകങ്ങളെത്തന്നെ ലക്ഷ്യമിടുന്നത് എന്നതാണ് ഇതിന് പിന്നിലെ സാങ്കേതിക കാരണമായി കണക്കാക്കപ്പെടുന്നത്.
ഇത്തരത്തിലുള്ള കൃത്രിമ വിവരങ്ങൾ ഉപയോഗിച്ച് വീണ്ടും ഒരു AI മോഡലിനെ പരിശീലിപ്പിച്ചാൽ അതിന് 'മോഡൽ കൊളാപ്സ്' അഥവാ ഗുണനിലവാരത്തകർച്ച സംഭവിക്കുകയും ചെയ്യും എന്നതും കമ്പനികൾ നേരിടുന്ന മറ്റൊരു പ്രശ്നമാണ്. അതിനാൽ മനുഷ്യർ എഴുതിയ, ഭാഷാപരമായ കൃത്യതയും വൈവിധ്യവുമുള്ള വിവരങ്ങൾ കമ്പനികൾക്ക് ഇന്ന് അത്യാവശ്യമാണ്.
ഇന്റർനെറ്റിലെ പുതിയ ഡാറ്റകളിൽ AI നിർമ്മിത വിവരങ്ങൾ കലരാനുള്ള സാധ്യത വളരെ കൂടുതലാണ് ആയതിനാൽ AI കണ്ടന്റുകളുടെ കടന്നുകയറ്റമില്ലാത്ത, 2022-ന് മുൻപ് പ്രസിദ്ധീകരിച്ച പുസ്തകങ്ങൾക്കാണ് ഇപ്പോൾ വിപണിയിൽ വൻ ഡിമാൻഡ്. കൂടാതെ, തങ്ങളുടെ സൃഷ്ടികൾ AI അനുമതിയില്ലാതെ ഉപയോഗിക്കുന്നത് തടയാൻ എഴുത്തുകാർ ഇപ്പോൾ 'നൈറ്റ്ഷേഡ്' (Nightshade) പോലെയുള്ള ടൂളുകൾ ഉപയോഗിച്ച് ഡിജിറ്റൽ ഡാറ്റയിൽ മാറ്റങ്ങൾ വരുത്തുന്ന 'ഡാറ്റാ പോയിസണിംഗ്' രീതി നിലവിലുണ്ട്; എന്നാൽ 2022-ന് മുൻപുള്ള അച്ചടിച്ച പുസ്തകങ്ങളിൽ ഇത്തരം കൃത്രിമത്വങ്ങൾ സാധ്യമല്ല എന്നതും കമ്പനികളെ പഴയ പുസ്തകങ്ങളിലേക്ക് ആകർഷിക്കുന്നു. ഈ പ്രവർത്തനത്തിനായി കമ്പനികൾ വൻകിട ബുക്ക് ഡാറ്റാബേസ് ഏജൻസികളുടെ സഹായമാണ് തേടുന്നത്. ISBNdb പോലെയുള്ള കമ്പനികൾ ഇപ്പോൾ AI മോഡലുകൾക്കായി 1,000 മുതൽ 1 ദശലക്ഷം (1 Million) വരെ പുസ്തകങ്ങൾ ഒരുമിച്ച് വാങ്ങി നൽകുന്ന ഇടനിലക്കാരായി പ്രവർത്തിക്കുന്നുണ്ട്; പുസ്തകം വാങ്ങുന്നത് ഏത് ടെക് കമ്പനിയാണെന്ന് പുറത്തറിയാതിരിക്കാൻ കർശനമായ രഹസ്യ കരാറുകളിലൂടെയാണ് (Strict NDA) ഈ ഇടപാടുകൾ നടക്കുന്നത്.
ഈ രീതി ഉയർത്തുന്ന ഏറ്റവും വലിയ സാംസ്കാരിക പ്രശ്നം 'അറിവിന്റെ കുത്തകവൽക്കരണം' തന്നെയാണ്. മുൻകാലങ്ങളിൽ ഗൂഗിൾ ബുക്സ് അല്ലെങ്കിൽ പ്രോജക്റ്റ് ഗുട്ടൻബർഗ് പോലുള്ള സംരംഭങ്ങൾ പുസ്തകങ്ങൾ സ്കാൻ ചെയ്തത് പൊതുജനങ്ങൾക്കായി ഡിജിറ്റൽ ലൈബ്രറികൾ നിർമ്മിക്കുന്നതിനായിരുന്നു മുന്തൂക്കം നല്കിയിരുന്നത്. എന്നാൽ ഇവിടെയാവട്ടെ ഇവിടെ പുസ്തകങ്ങൾ നശിപ്പിക്കപ്പെടുന്നത് ഏതാനും സ്വകാര്യ കമ്പനികളുടെ വാണിജ്യലാഭത്തിന് വേണ്ടിയാണ്.
ഈ പ്രശനത്തിന്റെ കാതൽ എന്ന് പറയുന്നത് ഒരു അപൂർവ്വ പുസ്തകത്തിന്റെ അവസാനത്തെ ഭൗതിക കോപ്പിയും ഇത്തരത്തിൽ നശിപ്പിക്കപ്പെട്ടാൽ, ആ അറിവിന്റെ പൂർണ്ണനിയന്ത്രണം ടെക് കമ്പനികളുടെ കൈകളിൽ മാത്രമായി ചുരുങ്ങുകയും ഭാവിയിൽ ഈ വിവരങ്ങളിൽ മാറ്റം വരുത്താനോ, മറച്ചുവെക്കാനോ, ഉയർന്ന തുകയ്ക്ക് മാത്രം വിൽക്കാനോ കമ്പനികൾക്ക് സാധിക്കും എന്നതാണ്. കൂടാതെ, ഇങ്ങനെ കിട്ടുന്ന അറിവിനെ പരിശോധിച്ചു ഉറപ്പുവരുത്താനുള്ള ഒറിജിനൽ രേഖകൾ ഇല്ലാതാകുന്നത് ചരിത്രത്തെയും വസ്തുതകളെയും വികലമാക്കാൻ കാരണമായേക്കാം എന്നതും മറ്റൊരു പ്രശ്നം തന്നെ. നിയമപരമായ പഴുതുകൾ ഉപയോഗിച്ചാണ് കമ്പനികൾ ഈ നശീകരണം തുടരുന്നത് എന്നതിൽ അതിശയോക്തി ഇല്ല.
വിലകൊടുത്ത് വാങ്ങുന്ന ഭൗതിക വസ്തുക്കൾ എന്തുചെയ്യാനും ഉടമയ്ക്ക് അവകാശം നൽകുന്ന 'ഫസ്റ്റ്- സെയിൽ ഡോക്ട്രിൻ', ഗവേഷണങ്ങൾക്കും സാങ്കേതിക വികസനത്തിനും പകർപ്പവകാശമുള്ള വിവരങ്ങൾ ഉപയോഗിക്കാൻ അനുമതി നൽകുന്ന 'ഫെയർ യൂസ്' എന്നിവയാണ് കമ്പനികളുടെ ഇവിടുത്തെ പ്രധാന നിയമപരിരക്ഷകൾ. പകർപ്പവകാശമുള്ള ഒരു പുസ്തകം വിലകൊടുത്തു വാങ്ങി സ്കാൻ ചെയ്ത ശേഷം ഒറിജിനൽ നശിപ്പിക്കുകയാണെങ്കിൽ, അത് മറ്റൊരു കോപ്പി ഉണ്ടാക്കലല്ലെന്നും സാങ്കേതിക വികസനത്തിനായുള്ള 'പരിവർത്തനപരമായ ഉപയോഗം' ആണെന്നും അമേരിക്കയിലെ കോടതികൾ അടുത്തിടെ വിധിക്കുകയുണ്ടായി ഈ നിയമപഴുതുകൾ കമ്പനികൾക്ക് എഴുത്തുകാർക്ക് യാതൊരു പ്രതിഫലവും നൽകാതെ അവരുടെ സൃഷ്ടികൾ വാണിജ്യ ആവശ്യങ്ങൾക്കായി ഉപയോഗിക്കാൻ അവസരം നൽകുന്നു എന്നതാണ് ആശങ്ക.
ചുരുക്കത്തിൽ, അറിവ് വർദ്ധിപ്പിക്കുക എന്ന ലക്ഷ്യത്തോടെ നിർമ്മിക്കപ്പെടുന്ന നിർമ്മിത ബുദ്ധി, മനുഷ്യന്റെ നൂറ്റാണ്ടുകളായുള്ള അക്ഷരസമ്പത്തിനെ ഭൗതികമായി ഇല്ലാതാക്കിക്കൊണ്ടാണ് വളരുന്നത് എന്നതാണ് ഏറ്റവും വലിയ വൈരുദ്ധ്യം. സാങ്കേതിക പുരോഗതിക്ക് ഡാറ്റ ആവശ്യമാണെന്നത് യാഥാർത്ഥ്യമാണെങ്കിലും, അപൂർവ്വ പുസ്തകശേഖരങ്ങളെ എന്നെന്നേക്കുമായി നശിപ്പിച്ചുകൊണ്ടുള്ള ഈ മുന്നേറ്റം ഭാവിയിൽ ഗുരുതരമായ പ്രത്യാഘാതങ്ങൾ സൃഷ്ടിക്കും എന്നതിൽ തർക്കമില്ല.
നോൺ-ഡിസ്ക്ലോഷർ കരാറുകൾ
ആഗോളതലത്തിൽ വൻകിട AI കമ്പനികൾ തങ്ങളുടെ ലാർജ് ലാംഗ്വേജ് മോഡലുകൾക്ക് (LLMs) പരിശീലനം നൽകുന്നതിനായി പ്രതിവർഷം ദശലക്ഷക്കണക്കിന് പുസ്തകങ്ങളാണ് നിലവിൽ ഡിജിറ്റൈസ് ചെയ്യുന്നത് എന്ന് കണക്കുകൾ ചൂണ്ടിക്കാണിക്കുന്നു. ഏറ്റവും പുതിയ റിപ്പോർട്ടുകൾ പ്രകാരം, ഒരു മുൻനിര AI മോഡലിന്റെ പ്രാരംഭ പരിശീലനത്തിനുമാത്രം കുറഞ്ഞത് ഒരു ദശലക്ഷം മുതൽ അഞ്ച് ദശലക്ഷം വരെ പുസ്തകങ്ങളുടെ ടെക്സ്റ്റ് ഡാറ്റ ആവശ്യമായി വരുന്നുണ്ട് (Upper Echelon Report, 2024). ഇന്റർനെറ്റിലെ പൊതുസ്രോതസ്സുകളിൽ നിന്നും ഇത്തരം ഡാറ്റ ശേഖരിക്കുന്നത് നിയമപരമായ വെല്ലുവിളികൾ സൃഷ്ടിക്കുന്നതിനാൽ, വിപണിയിൽ ലഭ്യമായ അച്ചടി പുസ്തകങ്ങൾ മൊത്തമായി വാങ്ങി സ്കാൻ ചെയ്യുന്ന രീതിയാണ് കമ്പനികൾ ഇപ്പോൾ പ്രധാനമായും സ്വീകരിക്കുന്നത്.
കമ്പനികൾ നേരിട്ട് വിപണിയിൽ നിന്ന് പുസ്തകങ്ങൾ വാങ്ങുന്നതിന് പകരം ISBNdb പോലെയുള്ള വലിയ ഡാറ്റാബേസ് ദാതാക്കളുടെ സേവനമാണ് ഉപയോഗിക്കുന്നത്. നിലവിൽ 30 ദശലക്ഷത്തിലധികം പുസ്തകങ്ങളുടെ വിവരങ്ങൾ കൈകാര്യം ചെയ്യുന്ന ഇത്തരം ഏജൻസികൾ വഴി 10 ലക്ഷം പുസ്തകങ്ങളുടെ ഡാറ്റാബേസിന് ഏകദേശം ഒരു ദശലക്ഷം ഡോളർ വരെയാണ് കമ്പനികൾ ചെലവഴിക്കുന്നത് എന്ന് റിപ്പോർട്ടുകളും സോഷ്യൽമീഡിയ ചർച്ചകളും സൂചന നല്കുന്നു. ഏതൊക്കെ പുസ്തകങ്ങളാണ് വാങ്ങുന്നതെന്നോ ഏത് കമ്പനിക്കുവേണ്ടിയാണ് ഡിസ്ട്രക്ടീവ് സ്കാനിംഗ് നടത്തുന്നതെന്നോ പുറത്തറിയാതിരിക്കാൻ കർശനമായ നോൺ-ഡിസ്ക്ലോഷർ കരാറുകൾ (NDA) വഴിയാണ് ഈ ഇടപാടുകൾ നിയന്ത്രിക്കപ്പെടുന്നത് എന്നും ഇന്ന് സാമൂഹ്യമാധ്യമങ്ങളിൽ ചർച്ചയാണ് .
ഇല്ലാതാകുന്ന സാംസ്കാരിക വിവരങ്ങൾ
പുസ്തകങ്ങൾ നശിപ്പിച്ചുകൊണ്ടുള്ള ഈ സാങ്കേതിക വികസനം സാംസ്കാരിക- നിയമ പ്രശ്നങ്ങൾക്കപ്പുറം ഗുരുതരമായ മറ്റ് ചില പ്രത്യാഘാതങ്ങൾ കൂടി സൃഷ്ടിക്കുന്നുണ്ട്. നിലവിൽ AI കമ്പനികളുടെ പുസ്തകവേട്ട പ്രധാനമായും ഇംഗ്ലീഷ് ഭാഷയിലുള്ള പ്രസിദ്ധീകരണങ്ങളെ കേന്ദ്രീകരിച്ചാണ് നടക്കുന്നത്. വൻകിട കമ്പനികളുടെ അൽഗോരിതങ്ങളിൽ ഇംഗ്ലീഷ് ഭാഷയിലുള്ള പഴയ അറിവുകൾക്ക് മാത്രം മുൻഗണന ലഭിക്കുകയും, പ്രാദേശിക ഭാഷകളിലെ സാഹിത്യ- ചരിത്ര രേഖകൾ ഇത്തരം ലാർജ് ലാംഗ്വേജ് മോഡലുകളിൽ നിന്ന് തള്ളപ്പെടുകയും ചെയ്യുന്നു. ഇത് ഡിജിറ്റൽ ലോകത്ത് പ്രാദേശിക ഭാഷകളുടെയും വികസ്വര രാജ്യങ്ങളുടെയും അറിവുകൾ പാർശ്വവൽക്കരിക്കപ്പെടാൻ കാരണമയേക്കാം. ഡിസ്ട്രക്ടീവ് സ്കാനിംഗിലൂടെ ലക്ഷക്കണക്കിന് പേജുകൾ അതിവേഗം ഒപ്റ്റിക്കൽ ക്യാരക്ടർ റെക്കഗ്നിഷൻ (OCR) സാങ്കേതികവിദ്യ വഴി ഡാറ്റയാക്കുമ്പോൾ ധാരാളം അക്ഷരത്തെറ്റുകളും സാങ്കേതിക പിശകുകളും സംഭവിക്കുന്നുണ്ട്.
മനുഷ്യരുടെ മേൽനോട്ടമില്ലാതെ ഈ തെറ്റായ വിവരങ്ങൾ നേരിട്ട് AI മോഡലുകളിലേക്ക് ട്രെയിനിങ് ഡാറ്റയായി നൽകപ്പെടുകയും ചെയ്യുന്നു. ഭൗതിക പുസ്തകം നശിപ്പിക്കപ്പെടുന്നതോടെ ഈ തെറ്റുകൾ ഈ വലിയ സോഴ്സിൽനിന്ന് പരിശോധിച്ചുകണ്ടെത്താനോ തിരുത്താനോ സാധിക്കാതെ വരികയും, ഭാവിയിലെ ഗവേഷണങ്ങൾക്കായി AI നൽകുന്ന ഉത്തരങ്ങളിൽ ചരിത്രപരമായ വികലമാക്കലുകൾക്ക് ഇത് വഴിവെക്കുകയും ചെയ്തേക്കാം.
കമ്പനികളുടെ രഹസ്യ കരാറുകൾ
പകർപ്പവകാശമുള്ള പുസ്തകങ്ങൾ അനുമതിയില്ലാതെ ഡിജിറ്റൈസ് ചെയ്യുന്നതിനെതിരെ എഴുത്തുകാർ നൽകിയ കേസുകളിൽ 'ഫെയർ യൂസ്' (Fair Use - പരിവർത്തനപരമായ ഉപയോഗം) എന്ന നിയമമാണ് ഓപ്പൺ എഐ (OpenAI), മെറ്റ (Meta), ആന്തോപിക് (Anthropic), ഗൂഗിൾ (Google) തുടങ്ങിയ വൻകിട കമ്പനികൾ പ്രധാന പ്രതിരോധമായി ഉന്നയിക്കുന്നത്. ഒരു പുസ്തകം വായിച്ച് മനുഷ്യർ പുതിയ ആശയങ്ങൾ ഗ്രഹിക്കുന്നതുപോലെ മാത്രമാണ് AI മോഡലുകൾ പുസ്തകങ്ങളിൽ നിന്ന് ഭാഷാഘടനയും ശൈലിയും പഠിക്കുന്നതെന്നും, അവ യഥാർത്ഥ കൃതികൾ വിപണിയിൽ പകർത്തി വിൽക്കുകയല്ല ചെയ്യുന്നതെന്നുമാണ് കമ്പനികളുടെ ഔദ്യോഗിക വിശദീകരണം.
മത്സരക്ഷമതയുള്ളതും വ്യാകരണ കൃത്യതയുള്ളതുമായ സാങ്കേതികവിദ്യ വികസിപ്പിക്കാൻ ഇന്റർനെറ്റിലെ നിലവാരമില്ലാത്ത വിവരങ്ങൾക്ക് പകരം ഉയർന്ന നിലവാരമുള്ള ടെക്സ്റ്റ് ഡാറ്റ അത്യന്താപേക്ഷിതമാണെന്നും അവർ കോടതികളിൽ വ്യക്തമാക്കിയിട്ടുണ്ട്. വിലകൊടുത്ത് വാങ്ങിയ ഭൗതിക പുസ്തകങ്ങൾ എന്തുചെയ്യാനും ഉടമയ്ക്ക് അവകാശം നൽകുന്ന 'ഫസ്റ്റ്- സെയിൽ ഡോക്ട്രിൻ' (First-Sale Doctrine), ഫെയർ യൂസ് എന്നിവ സമന്വയിപ്പിച്ച് എഴുത്തുകാർക്ക് റോയൽറ്റി നൽകാതെയാണ് ഈ ഡാറ്റാ ശേഖരണം നടക്കുന്നത്. ഈ നിയമപരമായ വാദങ്ങൾ ശക്തമായി ഉന്നയിക്കുമ്പോഴും, പുസ്തകങ്ങൾ ഭൗതികമായി വെട്ടിമുറിച്ച് ഉപേക്ഷിക്കുന്ന 'ഡിസ്ട്രക്ടീവ് സ്കാനിംഗ്' രീതിയെക്കുറിച്ചുള്ള പരസ്യമായ ഉത്തരവാദിത്തം ഏറ്റെടുക്കാൻ കമ്പനികൾ തയ്യാറായിട്ടില്ല; മറിച്ച് കർശനമായ രഹസ്യ കരാറുകൾ വഴി തേർഡ് പാർട്ടി ഡാറ്റാ ഏജൻസികളെ ഉപയോഗിച്ചാണ് അവർ ഈ പ്രവർത്തനങ്ങൾ മുന്നോട്ട് കൊണ്ടുപോകുന്നത്.
ഈ സ്കാനിംഗ് രീതി വരുംവർഷങ്ങളിൽ സാങ്കേതികവും സാമൂഹികവുമായ തികച്ചും പുതിയ ചില ഗുരുതര പ്രശ്നങ്ങൾക്ക് വഴിവച്ചേക്കാം. ഭൗതികമായ പുസ്തകങ്ങൾ നൂറ്റാണ്ടുകളോളം കേടുകൂടാതെയിരിക്കുമ്പോൾ, AI ഡാറ്റാബേസുകളിലെ വിവരങ്ങൾ സാങ്കേതികവിദ്യയുടെ മാറ്റങ്ങൾക്ക് അനുസരിച്ച് എളുപ്പത്തിൽ നശിപ്പിക്കപ്പെടാം എന്നതാണ് ഇതിൽ ഏറ്റവും പ്രധാനപ്പെട്ട മറ്റൊരു ആശങ്ക. ഭാവിയിൽ ഫയൽ ഫോർമാറ്റുകൾ മാറുന്നതുകൊണ്ടോ, സർവറുകൾക്ക് തകരാർ സംഭവിക്കുന്നത് കൊണ്ടോ, കമ്പനികൾ പ്രവർത്തനം നിർത്തുന്നത് കൊണ്ടോ ഈ ഡിജിറ്റൽ ഡാറ്റ എന്നെന്നേക്കുമായി നഷ്ടപ്പെട്ടേക്കാം. ഒറിജിനൽ പുസ്തകങ്ങൾ ഇതിനോടകം നശിപ്പിക്കപ്പെട്ടതിനാൽ ആ അറിവുകൾ പുനഃസൃഷ്ടിക്കാൻ സാധിക്കാത്ത അവസ്ഥയുണ്ടാകും. കൂടാതെ, പുസ്തകങ്ങളിലെ വിവരങ്ങൾ AI കമ്പനികളുടെ സർവറുകളിൽ മാത്രം ഒതുങ്ങുമ്പോൾ എന്ത് വിവരങ്ങളാണ് പുറത്തുവിടേണ്ടത് എന്ന് തീരുമാനിക്കാനുള്ള അധികാരം കമ്പനികൾക്ക് ലഭിക്കുന്നു, ഇതാവട്ടെ തങ്ങളുടെ വാണിജ്യ താൽപ്പര്യങ്ങൾക്കോ രാഷ്ട്രീയ സമ്മർദ്ദങ്ങൾക്കോ എതിരായ ചരിത്ര വസ്തുതകൾ, ആശയങ്ങൾ എന്നിവ AI അൽഗോരിതങ്ങളിൽ നിന്ന് കമ്പനികൾക്ക് മനപ്പൂർവ്വം മറച്ചുവെക്കാനോ തടയാനോ സാധിക്കും. പുസ്തകങ്ങൾ ഇല്ലാതാകുന്നതോടെ ഈ സെൻസർഷിപ്പ് പൊതുജനങ്ങൾ അറിയാതെ പോകാനുള്ള സാധ്യതയും നിലനില്ക്കുന്നുണ്ട്.
നിലവിൽ ഗവേഷകർക്കും വിദ്യാർത്ഥികൾക്കും പഴയ പുസ്തകങ്ങൾ കുറഞ്ഞ ചെലവിലോ ലൈബ്രറികൾ വഴിയോ സൗജന്യമായി ഉപയോഗിക്കാൻ സാധിക്കുന്നുണ്ട്; എന്നാൽ പഴയ പുസ്തകങ്ങൾ വിപണിയിൽനിന്ന് ഇല്ലാതാകുന്നതോടെ ഭാവിയിലെ ഗവേഷണങ്ങൾക്ക് ഈ വിവരങ്ങൾ ലഭിക്കാൻ AI കമ്പനികളുടെ പണമടച്ചുള്ള ടൂളുകളെ മാത്രം ആശ്രയിക്കേണ്ടി വരും. ഇത് സ്വതന്ത്ര ഗവേഷണങ്ങളെ സാരമായി ബാധിക്കുക മാത്രമല്ല, പണമുള്ളവന് മാത്രം അറിവ് വിലയ്ക്കു വാങ്ങാൻ കഴിയുന്ന ഒരു പുതിയ ഡിജിറ്റൽ മുതലാളിത്തത്തിന് അടിവരയിടുകയും ചെയ്യും. അറിവ് സാധാരണക്കാരന് നിഷേധിക്കപ്പെടുന്ന ഈ സംഭവിച്ചുകൊണ്ടിരിക്കുന്ന കുത്തകവൽക്കരണത്തിനെതിരെ അക്ഷരലോകം ഒറ്റക്കെട്ടായി പ്രതിരോധം തീർത്തേ മതിയാവൂ.