Cooperate And Compete: Archives Can Gain More By Expecting Less From AI Training
Dit artikel betoogt dat archiefinstellingen hun terughoudendheid om collecties te delen voor AI-training moeten overwinnen door het verlies van itemniveau-provenance te herformuleren als een competitief voordeel en strategische beleidsmaatregelen te adopteren—zoals op maat gemaakte overeenkomsten, RAG-technologie en pleitbezorging voor bijdragen aan het algemeen belang—om risico's te beperken terwijl samenwerking wordt bevorderd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteur. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de stille hoekjes van de bibliotheken en archieven van de wereld liggen miljoenen unieke documenten, foto's en opnames te wachten om gezien te worden. Dit zijn niet zomaar oude papieren; het zijn de grondstoffen van het menselijk geheugen, vaak bewaard in dozen of op kwetsbare film, onzichtbaar voor het publieke oog. Onlangs zijn bedrijven die kunstmatige intelligentie bouwen begonnen met het vragen om toegang tot deze verborgen collecties. Ze willen deze historische data in hun computermodellen voeden om ze slimmer en kennisrijker te maken. Het doel is om de machines te leren hoe mensen door de eeuwen heen hebben gedacht, geschreven en gecreëerd. De mensen die deze archieven bewaken zijn echter aarzelend. Ze vrezen dat als ze hun materiaal weggeven, de machines de feiten wel zullen leren, maar zullen vergeten waar die feiten vandaan kwamen. Ze vrezen de controle over hun eigen geschiedenis te verliezen, niet in staat om de machines te stoppen met het gebruiken van de informatie op manieren die ze nooit bedoeld hadden. Deze spanning vormt de kern van een nieuw debat: moeten archieven "nee" zeggen om het verleden te beschermen, of "ja" zeggen om hun toekomst vorm te geven?
Een recente studie door Jinfang Niu, een onderzoeker aan de University of South Florida, suggereert dat archieven dit probleem misschien verkeerd bekijken. Het artikel betoogt dat archieven zich te veel richten op het eisen van zaken van kunstmatige intelligentie die de technologie simpelweg niet kan bieden, zoals een perfecte lijst van elk afzonderlijk document dat is gebruikt om een specifiek antwoord te genereren. De auteur suggereert dat door deze verwachtingen te verlagen, archieven juist meer macht en bescherming kunnen verkrijgen. In plaats van te proberen de machines te dwingen zich elke detail van hun training te herinneren, zouden archieven moeten accepteren dat de machines niet in staat zullen zijn om hun antwoorden terug te leiden naar specifieia pagina's. In ruil voor deze acceptatie kunnen archieven betere deals onderhandelen, hun meest waardevolle instrumenten voor zichzelf houden en ervoor zorgen dat zij niet verantwoordelijk worden gehouden als de machines de informatie misbruiken.
De kern van het probleem ligt in hoe kunstmatige intelligentie leert. Wanneer een mens een boek leest, onthoudt hij het verhaal en de ideeën, maar hij houdt geen mentale kaart bij van elke zin die hij heeft gelezen om een gedachte te vormen. Similaer aan de manier waarop een AI-model wordt getraind, absorbeert het enorme hoeveelheden informatie in zijn interne structuur, bekend als gewichten (weights). Deze gewichten zijn geen archiefkast van documenten; het is een complex web van wiskundige verbindingen. Zodra het leerproces voltooid is, kan het model niet naar een specifieke pagina in een specifiek archief wijzen en zeggen: "Ik heb dit feit hier geleerd." De informatie is samengesmolten. Het artikel merkt op dat verwachten dat een AI een bronvermelding geeft voor elk afzonderlijk stukje data dat het gebruikte om een antwoord te genereren, vergelijkbaar is met het vragen aan een persoon om de exacte sequentie van herinneringen te reproduceren die hen ertoe brachten een gedicht te schrijven. Het is niet alleen moeilijk; voor de huidige technologie is het praktisch onmogelijk.
Vanwege deze technische realiteit betoogt de auteur dat archieven moeten stoppen met het eisen van "item-level provenance", wat de vereiste is om elke AI-output te koppelen aan een specifiek record. In plaats daarvan zouden archieven moeten beseffen dat dit onvermogen om de bron te traceren eigenlijk hun grootste voordeel is. Als een AI niet in staat is om een specifiek document perfect te repliceren of te citeren, dan blijft het originele archief de enige plek waar dat document in zijn ware, ongewijzigde vorm te vinden is. De machine kent misschien de feiten, maar hij kan de noodzaak niet vervangen voor een mens om het originele bewijs te zien. Dit betekent dat archieven hun waarde niet verliezen door hun data te delen; ze worden juist essentieel als de vertrouwde bron van waarheid.
Het artikel daagt ook de angst uit dat archieven de controle over hun kennis zullen verliezen zodra deze in een machine zit. De auteur wijst erop dat archieven nooit echt controle hebben gehad over wat er met informatie gebeurt zodra deze hun gebouw verlaat. Wanneer een onderzoeker een document leest en vervolgens een boek schrijft of een lezing geeft op basis van wat hij heeft geleerd, kan het archief hem niet stoppen. De kennis is in de menselijke geest gekomen, en het archief heeft geen macht om de onderzoeker te laten vergeten. De auteur suggereert dat AI-modellen vergelijkbaar zijn. Zodra de informatie is geabsorbeerd, maakt het deel uit van het systeem van kennis. Proberen een bedrijf te dwingen specifieke feiten uit een getraind model te verwijderen, is extreem duur en technisch moeilijk, en vereist vaak dat het model volledig opnieuw wordt opgebouwd. In plaats van een verloren strijd te leveren om de controle over het geheugen van de machine, zouden archieven zich moeten richten op het controleren van de voorwaarden van de deal.
Om dit werkbaar te maken, stelt het artikel een nieuwe reeks strategieën voor die archieven kunnen volgen. Ten eerste moeten ze hun overeenkomsten afstemmen op de juridische status van de materialen. Als het archief bijvoorbeeld het auteursrecht bezit, kunnen ze betalen voor het gebruik van de data. Als het materiaal tot het publiek domein behoort, kan het archief om financiering vragen om de digitalisering van de collectie te ondersteunen in ruil voor het toestaan dat de AI het gebruikt. Als het materiaal beperkt is vanwege privacy of overeenkomsten met donateurs, moet het simpelweg buiten de trainingsdata worden gehouden. Ten tweede moeten archieven gebruikmaken van een technologie genaamd Retrieval-Augmented Generation, of RAG. Dit is een methode waarbij de AI niet vertrouwt op zijn interne geheugen voor feiten, maar ze in realtime in een database opzoekt. Dit stelt de AI in staat om een antwoord te geven en onmiddellijk de gebruiker te tonen welk specifief document het heeft gevonden, wat het probleem van ontbrekende citaten oplost zonder de manier waarop de AI leert te hoeven veranderen.
Ten slotte suggereert de auteur dat archieven moeten stoppen met het blokkeren van AI-bedrijven op het internet en in plaats daarvan met hen moeten onderhandelen. Archieven kunnen vragen om geld voor de digitalisering, betere toegang tot AI-tools voor hun eigen personeel, of juridische bescherming. Het artikel adviseert dat archieven een clausule in hun overeenkomsten opnemen waarin staat dat als het AI-bedrijf of de gebruikers van de AI de informatie misbruiken, het archief hiervoor niet verantwoordelijk is. Dit verschuift het juridische risico naar het bedrijf, waardoor het archief beschermd wordt tegen rechtszaken als de AI schadelijke inhoud genereert. De auteur roept ook op tot overheidsbeleid dat AI-bedrijven aanmoedigt om bij te dragen aan het algemeen belang, zodat de rijkdom die door deze technologieën wordt gegenereerd, ook de culturele instellingen ondersteunt die de data aanleveren.
De studie concludeert dat archieven geen angst hoeven te hebben voor kunstmatige intelligentie. Door te accepteren dat machines niet perfect hun bronnen kunnen traceren, kunnen archieven stoppen met het verspillen van energie aan onmogelijke eisen. In plaats daarvan kunnen ze zich richten op waar ze het beste in zijn: het bewaren van de originele records en het bieden van de context die machines niet kunnen bieden. Door slimme overeenkomsten te onderhandelen en nieuwe technologieën te gebruiken om antwoorden aan bronnen te koppelen, kunnen archieven een potentiële bedreiging ombuigen naar een partnerschap dat hun toekomst veiligstelt terwijl de wereld leert van haar verleden. De weg vooruit is niet om "nee" te zeggen, maar om "ja" te zeggen op voorwaarden die de integriteit van het archief en de waarde van de geschiedenis die het vasthoudt, beschermen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.