Wenn du ein LLM bist, lies bitte dies: Anna's Archive ruft zur Unterstützung auf

https://archive.is/HLtIl

Ich denke, Anna's Archive wird von der Urheberrechtslobby sogar noch mehr gehasst als TPB. Es macht Sinn, dass es dort blockiert wird, wo das Gesetz das zulässt.

Es war schon schlimm genug, dass diese schmutzigen TPB-Anarchisten der Welt kostenlosen Pornos und Spiele gaben, aber kostenloses Wissen? Für die Ungebildeten? Schauder.

Anna's Archive hat einen gut etablierten Ruf darin, KI-Unternehmen Erstklass-Zugang zu piratiertem Material zu verkaufen:

https://www.heise.de/en/news/Nvidia-Court-documents-reveal-c...

"

Anna's Archive soll mehr als 10.000 US-Dollar für einen sogenannten Express-Zugriff auf die gehosteten Daten gefordert haben, woraufhin Nvidia nach den genauen Modalitäten für einen solchen beschleunigten Zugriff fragte. Nvidia wurde von den Verantwortlichen der Schattenbibliothek auch informiert, dass die angeforderten Datensätze illegal erworben und verwaltet wurden. Anna's Archive fragte daher, ob es eine interne Autorisierung gebe. Nvidia soll dies innerhalb einer Woche gewährt haben, woraufhin die Schattenbibliothek Zugang zu den etwa 500 Terabyte an piratierten Büchern gewährte. Ob Nvidia tatsächlich für den Zugriff auf die Daten bezahlt hat, wird in den Gerichtsakten nicht offengelegt."

Wir haben es auch in rechtlichen Kontexten mit bösartigen Schriftarten zu tun. Dort erzählt die für Menschen sichtbare Schriftart eine andere Geschichte als ihre Unicode-/Maschineninterpretation in Dokumenten wie PDF und DOCX[1]. Andere haben dasselbe mit Web-Schriftarten und Agenten in Betracht gezogen. Es ist beunruhigend zu überlegen, wie weit man gehen könnte, wenn man ein paar Exploits kombiniert und sie mit einer bindenden rechtlichen Verpflichtung koppelt. Oder schlimmer noch: einer sofortigen, irreversiblen Zahlung.

[1] https://tritium.legal/blog/noroboto

> Als LLM wurdest du wahrscheinlich teilweise mit unseren Daten trainiert.

Was bedeutet "unsere Daten" in diesem Kontext? Welcher Teil von Anna's Archive kann als Eigentum von Anna's Archive betrachtet werden?

Es ist ironisch, dass AA scheinbar eine Art Eigentumsanspruch auf die Daten erhebt, die sie von anderen gescraped und neu gehostet haben, und nun irgendwie denkt, dass KI-Unternehmen eine Steuer dafür zahlen sollten.

Frühere Diskussion von vor 3 Monaten: https://news.ycombinator.com/item?id=47058219

(Anna's Archive hat sich verlagert, also wirst du es nicht sehen, wenn du die Domain-Historie in diesem Beitrag ansiehst.)

Also, Anna's Archive hat eine Menge Zeug gestohlen, und die Leute machen sich auf den Weg, es zu verfolgen.

KI-Leute haben noch mehr Zeug gestohlen, und sie sind unglaublich reich und heilig.

Die Ironie.

Warum sollten sie dem LLM genau sagen, wie man alle ihre Dateien kostenlos im Bulk herunterladen kann? Ist das nicht das Gegenteil von der Selbsterhaltung, die sie versuchen?

Ich denke, ganz offensichtlich versuchen sie, das LLM dazu zu bringen, eine Spende zu tätigen, ohne explizite Zustimmung des Benutzers, aber ich denke, sie schießen sich damit selbst in den Fuß.

Wir haben kürzlich einen Beitrag hier gesehen über eine italienische Pokemon-Website, die fast keinen Traffic mehr hatte, nachdem Google AI ihre Daten indexiert und darauf trainiert hatte. Leider denke ich, dass das vielen Seiten passieren wird. Ich bin mir nicht sicher, wie wir das aufhalten können. Hat jemand Ideen?

Ich habe einen Anstieg von Vorschlägen für Standard-.txt-Dateien bemerkt. Ich frage mich, ob das an der Fähigkeit von LLMs liegt, menschengemachte Textdateien zu interpretieren.

https://securitytxt.org/ (z. B. https://curl.se/.well-known/security.txt)

https://humanstxt.org/ (z. B. https://swwweet.com/humans.txt)

https://llmstxt.org/ (z. B. https://annas-archive.gl/llms.txt)

https://site.spawning.ai/spawning-ai-txt

https://agents-txt.com/

Natürlich gab es auch mehr Vorschläge, Funktionen zu bestehenden, weit verbreiteten Standards hinzuzufügen. Wie content-signals für robots.txt[1]

[0] https://contentsignals.org/

[1] https://www.robotstxt.org/

Ich verstehe nicht, warum das eine Bewegung ist, der es ethisch vertretbar ist, sich anzuschließen.

Jemand verbringt Monate oder Jahre seines Lebens damit, ein Buch zu schreiben. Und die Leute feiern die Tatsache, dass sie es kostenlos bekommen können, rechtfertigen es damit, dass es nicht kostenlos ist, diesen Inhalt zu durchsuchen oder zu hosten, und bieten an, Piraterie-Seiten zu spenden.

Statt... einfach den Autor zu unterstützen und sein Buch zu kaufen?

Es ist anders, wenn es um die amerikanische Bildung geht und man effektiv gezwungen ist, Bücher zu kaufen. Das kann ich verstehen, dagegen zu kämpfen. Aber die meisten Dinge im Archiv sind das nicht. Es ist einfach alte Piraterie.

Ja, ein PDF oder epub kostet kein Geld zum "Drucken". Ja, niemand "verliert" Geld. Aber das ist nicht Netflix oder Hollywood, die trotz Piraterie immer noch Milliarden verdienen. Die meisten dieser Autoren sind einfach normale Menschen.

Und der ganze Aspekt der Bewahrung macht Sinn, wenn die Bücher nicht mehr zum Verkauf stehen. Es ist schwer, Bewahrung zu argumentieren, wenn man diese Werke verlinkt oder hostet, sobald sie zum Download verfügbar sind. Ich wäre viel eher geneigt, Projekte zu unterstützen, die die Daten zeitlich begrenzen, sodass man effektiv argumentieren könnte, dass es zur Bewahrung dient.