Přeskočit na obsah
0 komentářů Laboratoře 3 min čtení

Historické texty z Oxfordu skončily v trénovacích datech OpenAI

Interní zápisy získané Guardianem ukazují, že digitalizované sbírky Bodleian Libraries naplnily trénovací soubor OpenAI. Veřejné oznámení partnerství z března 2025 mluvilo o zpřístupnění děl; Oxford tvrdí, že použití pro strojové učení netajil.

Interiér nejstarší čítárny Bodleian Library v Oxfordu
Nejstarší čítárna Bodleian Library v Oxfordu. Foto: Diliff, Wikimedia Commons (CC BY-SA 3.0)

Historické texty z oxfordské Bodleian Library se nestaly jen novým digitálním archivem pro badatele. Podle zjištění Guardianu z 26. září posloužily naskenované materiály také k naplnění trénovacího souboru OpenAI. Deník se opírá o interní zápisy Oxfordské univerzity získané na základě žádosti o svobodný přístup k informacím.

Oxford použití pro trénování nepopřel. Jeho mluvčí Guardianu řekl, že část pro strojové učení nebyla před veřejností ani studenty skrytá. Právě ve veřejném oznámení partnerství však tato informace chyběla: univerzita tehdy popsala digitalizaci, vyhledávání a přístup pro studenty a výzkumníky.

Veřejné oznámení mluvilo jen o zpřístupnění

Pětileté partnerství Oxford oznámil 4. března 2025. Pilot měl převést do digitální podoby materiály bez autorské ochrany, které předtím nebyly dostupné na internetu. Záznam uváděl 3 500 světových disertací z let 1498–1884 a sliboval, že se sbírky stanou prohledávatelnými.

Stejná zpráva představila další části dohody: granty, výpočetní kapacitu, přístup výzkumníků k modelům OpenAI a rozšíření ChatGPT Edu na 3 000 akademiků a zaměstnanců. O předání naskenovaných děl do trénovacích dat modelů v ní není ani věta.

To neznamená, že Oxford sliboval opak. Oznámení výslovně neříká, že by OpenAI data k trénování použít nesměla. Čtenář z něj ale získá užší obraz: firma financuje digitalizaci a univerzita otevře sbírky badatelům. Až interní zápisy citované Guardianem ukazují dalšího příjemce dat, samotnou laboratoř.

Do června vzniklo 125 000 snímků disertací

Guardian uvádí, že do června 2025 Oxford sdílel s OpenAI 125 000 snímků historických disertací. Stránka digitalizačního projektu stejný počet potvrzuje jako zachycené snímky evropských a amerických doktorských prací z 19. a 20. století. Vedle nich vzniklo 429 000 digitálních souborů z ručně psaných lístkových katalogů.

Obě čísla neznamenají stejný obsah. Snímky disertací zachycují vlastní práce, zatímco soubory z katalogů popisují, co knihovna uchovává. Oxford na své stránce výslovně uvádí, že na katalozích a plných textech porovnává běžné optické rozpoznávání znaků s modely v ChatGPT a od dalších poskytovatelů.

Guardian k už zpracovaným materiálům řadí také 10 000 šestnáctistaletých kramářských písní s textovými a hudebními zápisy. U irských státních listin z 18. století, dopisů spisovatelky Marie Edgeworthové a poznámek Dorothy Hodgkinové o penicilinu je formulace opatrnější: zaměstnanci o jejich digitalizaci jednali. Z dostupných podkladů tedy neplyne, že už tyto tři sbírky OpenAI dostala.

Oxford si ponechal práva a slibuje otevřené zveřejnění

Univerzita Guardianu sdělila, že projekt pracuje pouze s díly bez autorské ochrany a svým rozsahem je skromný. Bodleian Libraries si ponechaly práva k digitálním kopiím a použití OpenAI není výhradní. Knihovna je má během několika měsíců začít zveřejňovat na internetu i pro ostatní zájemce.

To je důležitý rozdíl proti nákupu knih jen kvůli datům. Originály zůstávají ve sbírkách a digitální kopie nemají skončit pouze uvnitř modelů. Současná stránka projektu popisuje širší cíl: zjistit, jak ve 23 knihovnách a centrálním skladu zrychlit digitalizaci, zlepšit katalogy a zachovat při automatizaci dohled odborných knihovníků.

Zaměstnanci řešili pověst i spotřebu energie

Interní zápisy podle Guardianu zachycují obavy členů správního výboru knihovny z poškození pověsti univerzity. Další námitka mířila na soulad dohody s ekologickými závazky Oxfordu, protože trénování a provoz velkých modelů spotřebovávají značné množství energie. Veřejná stránka projektu tyto debaty nepopisuje.

OpenAI deníku odpověděla, že chce v dnešních modelech zachovat historické znalosti a zastoupení různých kultur. Neuvedla ale, které modely už z oxfordských materiálů čerpají, kolikrát firma data při trénování použila ani jakou váhu v celém souboru mají. Zpráva proto dokládá tok dat, ne měřitelný vliv na odpovědi ChatGPT.

Partnerství tak má dva veřejné výsledky, které se nemusí vylučovat: knihovna získává zaplacenou digitalizaci a OpenAI čerstvá historická data. Spor je v tom, že druhá část byla v prvním oznámení neviditelná. Oxford ji začal výslovně obhajovat až poté, co interní zápisy získal tisk.

Zdroje

  • The Guardian, 26. září 2026 – interní zápisy, použití digitalizovaných materiálů pro trénování a vyjádření Oxfordu i OpenAI
  • Bodleian Libraries, 4. března 2025 – veřejné oznámení pětiletého partnerství a popis pilotní digitalizace
  • Bodleian Libraries – rozsah projektu, počty snímků a pět pracovních proudů

Diskuse

Zatím tu nikdo nediskutuje. Můžete být první.

Napsat příspěvek

Diskutovat můžete i bez účtu. S registrací se ale příspěvek zveřejní hned a nemusíte pokaždé vyplňovat jméno. Účet už máte? Přihlaste se.

Nezveřejňujeme ho, slouží jen redakci.

Podporuje zápis Texy: **tučně**, *kurzíva*, odrážky, odkazy.

Dál k tématu

  1. Bezpečnost

    OpenAI si dohodla interní prověrky se čtyřmi hodnotiteli

    OpenAI podepsala dohody s Apollo Research, METR, Transluce a Goodfire o prověrkách modelů a jejich ochrany. Šest lidí z Apolla má uvnitř firmy pracovat čtyři měsíce.…

  2. Laboratoře

    Meta pustila telefonování agenta Muse k americkým předplatitelům

    Asistent obvolá restaurace, kabelové operátory nebo úřady a vydrží čekat na lince. Nová funkce navazuje na zářijovou zkoušku s lidskou obsluhou. Část podniků automatické…

  3. Laboratoře

    Agenti Googlu ověřili vybrané bezpečnostní vlastnosti šifrovacího kódu Signalu

    AlphaProof Code vytvořil matematické důkazy pro knihovnu libsignal přeloženou pro procesory Arm. Lidé schvalovali zadání a důkazy kontroloval Lean. Výsledek se…

  4. Laboratoře

    OpenAI zkouší v ChatGPT firemní agenty pro americké e-shopy

    OpenAI spustila zkušební firemní agenty pro americké e-shopy a online služby. Zákazníkovi vysvětlí nabídku či vrácení zboží, ale objednávku ani rezervaci nevyřídí.…