Рынок обучения искусственного интеллекта переживает тектонический сдвиг. Мы наблюдаем, как лаборатории по разработке LLM вступают в новую фазу — фазу отчаянной охоты за «чистыми» данными, не затронутыми синтетикой. Это уже не просто техническая проблема, а фундаментальный вызов всей индустрии.

Коллапс моделей: когда ИИ пожирает сам себя

Термин «коллапс модели» описывает деградацию нейросети, которая обучается на данных, сгенерированных другими ИИ. Каждый новый цикл делает результаты более усредненными и предсказуемыми, стирая связь с реальностью. Впервые этот феномен формализовала международная группа исследователей под руководством Ильи Шумайлова в мае 2023 года, опубликовав работу о «проклятии рекурсии».

Масштаб проблемы подтверждают цифры: в апреле 2025 года исследователи Ahrefs проверили 900 000 новых страниц в поиске Google и обнаружили, что более 74% материалов имеют признаки автогенерации. По оценкам Epoch AI, весь пригодный для обучения текст в интернете исчерпается к 2026–2032 годам. Именно поэтому книги, изданные до 2022 года, становятся стратегическим ресурсом — они гарантированно свободны от «машинного мусора».

Скандал с ISBNdb: рынок «чистых» данных

Сервис ISBNdb, объединяющий метаданные 113 млн изданий, предложил ИИ-компаниям специфическую услугу: закупку книг партиями до миллиона штук с последующей оцифровкой и утилизацией. Когда об этой схеме написали СМИ, компания поспешила удалить страницу с описанием услуги и заявила, что никаких сделок не заключала. Как утверждают ее представители, речь шла лишь о «проверке рыночного спроса».

Однако независимые букинисты подтвердили аномальные закупки с апреля 2026 года: продажи одного из торговцев выросли с двадцати экземпляров до нескольких сотен за неделю. Закупщиков не интересовал жанр или ценность — только наличие кода ISBN. Уникальные издания при этом теряются безвозвратно.

Юридический прецедент и «отравление» данных

В июне 2025 года судья Уильям Алсуп постановил, что оцифровка законно приобретенных печатных книг для обучения языковых моделей подпадает под доктрину добросовестного использования. Это решение легализовало практику, которую Anthropic уже применяла в проекте Panama, анонимно скупая тиражи книг с последующим сканированием и утилизацией.

Некоторые авторы прибегли к встречной мере — «отравлению» данных, пряча в тексте символы, которые модель интерпретирует как скрытые команды. Исследование совместной команды Британского института безопасности ИИ и Anthropic доказало, что LLM можно незаметно обучить вредоносным паттернам с помощью всего 250 «отравленных» документов.

Аренда лиц: новый рынок цифровых аватаров

Параллельно с книгами развивается рынок лицензирования человеческой внешности. Платформы ActID и New Claw готовы платить людям от $15 до $700 за право использовать их лица как основу для персонажей ИИ-сериалов и рекламы. В Китае более 95% из 128 000 ИИ-минидорам, выпущенных за первые три месяца 2026 года, были произведены с использованием искусственного интеллекта.

Однако контроль над цифровой внешностью оказывается хрупким. Британские граждане, продавшие права на свои аватары стартапу Synthesia, обнаружили свои «клоны» в пропагандистских роликах, поддерживающих диктаторов. Это подтолкнуло профсоюз актеров Equity к требованию законодательного запрета на передачу неконтролируемых прав на цифровую внешность.

Экспертный комментарий

Мы наблюдаем формирование парадоксальной экономики: книга стоимостью $2–5, уничтоженная после сканирования, становится частью модели стоимостью в миллиарды долларов. Разрыв между стоимостью сырья и готового продукта в этой сделке трудно назвать пропорциональным. Индустрия движется к тотальному лицензированию всех человеческих данных — от текстов до движений. Роботам уже нужны примеры естественных движений, и Tesla платит до $48 в час за захват движений для обучения Optimus. Вопрос лишь в том, когда человечество осознает, что продает не просто данные, а саму свою уникальность.