Оксфорд і OpenAI: як історичні тексти з Бодліанської бібліотеки допомагають тренувати штучний інтелект
Відомий Оксфордський університет об’єднав зусилля з компанією OpenAI, щоб використати унікальні історичні документи з легендарної Бодліанської бібліотеки для навчання штучного інтелекту. Цей проєкт відкриває нову сторінку в поєднанні технологій і культури, адже дата-компанії все частіше звертаються до академічних ресурсів у пошуках якісних даних.
Що саме оцифрували і як це використовують
Матеріали бібліотеки, які були оцифровані OpenAI, стали частиною тренувальної бази даних для створення моделей штучного інтелекту. Основна ідея — навчити алгоритми краще розуміти та аналізувати мову, використовуючи глибокі історичні тексти.
Співпраця була оголошена у березні 2025 року. Влада Оксфорду пояснила, що головна мета — зробити рідкісні рукописи більш доступними для студентів і науковців. Проте спочатку не було публічно повідомлено, що ці матеріали також потраплять у тренувальні датасети штучного інтелекту.
Відкриття в документах і внутрішні дебати
- Секретні протоколи з університету, отримані через запит про свободу інформації, вказують на занепокоєння частини співробітників.
- Зокрема, члени комітету Бодліанської бібліотеки хвилювалися щодо іміджевих ризиків співпраці з OpenAI.
- Обговорювали також екологічну відповідальність — адже тренування AI моделей вимагає значної енергетичної витратності.
Книги, яких шукають штучні інтелекти
Цікаво, що продавці книг помітили збільшення замовлень на дуже рідкісні видання. Наприклад:
- Посібники з сільськогосподарських знарядь XVIII століття в Африці.
- Біографії водіїв автомобілів 1950-х років.
- Незвичайні історичні праці, що практично відсутні в цифровому вигляді.
Такі книги вважаються цінними джерелами нових даних для майбутніх поколінь моделей штучного інтелекту.
Академічні бібліотеки і проект NextGenAI
OpenAI вже уклав подібні угоди з кількома американськими дослідницькими бібліотеками: Бостонською публічною бібліотекою, MIT, Caltech і Мічиганським університетом. Оксфорд — єдиний представник Великої Британії в міжнародній ініціативі NextGenAI.
До середини 2025 року з Бодліанської колекції було передано понад 125 тисяч відсканованих зображень історичних дисертацій. Це переважно докторські роботи XIX–XX століть, написані в європейських та американських університетах.
Раритети, що потрапили в оцифровану базу
Серед інших матеріалів є такі історичні цінності:
- Колекція з приблизно 10 тисяч XVI століття “broadside ballads” — коротких балад із текстами пісень і нотами, що колись розповсюджувалися на вуличних розіграші.
- Ірландські державні документи XVIII століття.
- Особисті листи відомої ірландської письменниці Марі Еджворт.
- Дотри Ходжкін записи з лабораторних зошитів про пеніцилін.
Що далі: перспективи та умови угоди
Контракт з OpenAI відкриває можливість для масштабної цифровізації всього фонду Бодліанської бібліотеки — це понад 23 мільйони одиниць зберігання. Крім того, в обговореннях звучала ідея створення чат-бота “Ask the Bod”, який полегшить доступ до знань бібліотеки.
Офіційний представник університету підкреслив, що обсяг оцифровки є поки що “поміркованим” і охоплює лише публічні, не захищені авторським правом тексти. Університет залишається власником прав на скановані матеріали і планує незабаром викласти їх у відкритий доступ.
Як це впливає на доступність культурної спадщини
Університет запевняє, що не приховував аспект машинного навчання від студентів та громадськості. Основною метою залишається цифрове збереження і поширення унікальних історичних матеріалів.
Відзначається, що колекції Бодліанської бібліотеки зберігаються в цілості. Це суттєво відрізняється від практик деяких інших компаній, що скуповують старі книги, розпилюють їх для сканування і потім утилізують. Наприклад, близький конкурент OpenAI — Anthropic — приділяє величезні кошти на купівлю книг із наступним руйнуванням оригіналів (проте вони уникають рідкісної літератури).
Слідкування за скануванням книг
Одна зі спеціалізованих технічних медіа-компаній навіть помістила трекер у книгу, замовлену вживану, і встановила, що вона опинилася на складі Amazon у США, де також відбувається її розбір і сканування.
Позиція університету
Офіційна відповідь Оксфорду зводиться до наступного:
- Оцифровані матеріали обмежуються легально доступними для публічного використання документами.
- Використання OpenAI не є ексклюзивним і університет залишає за собою права на публікацію.
- Цей проєкт розширює можливості для доступу до рідкісних історичних ресурсів як для студентів, так і для широкого загалу.
Таким чином, співпраця Оксфорду та OpenAI відкриває нові горизонти для розвитку штучного інтелекту на основі глибокої культурної спадщини, підтримуючи її збереження та доступність для майбутніх поколінь.
