文章配图-1
电影《华氏451》剧照。
美国科技媒体404 Media披露的最新消息，是他们追踪了一本"极有可能被AI公司购入作为训练资料"的稀有图书，一路查到它在美国的流转轨迹。调查结果显示，这本珍贵的书籍历经多次转运，最终抵达了美国拉斯维加斯亚马逊仓库。在此工作的亚马逊员工透露，他们的日常工作就是处理海量印刷图书。这些书会被送进高速扫描设备，机器先切去书脊进行扫描，扫描完成后会将原书予以销毁或化浆。
英国《每日电讯报》引述一位荷兰古籍书商的说法，他声称曾收到一家名为"2077AI"的公司员工邮件，对方提供了一份约3000种二手图书的采购清单，计划实施大规模收购。这位受访书商坦言，起初他误以为是诈骗活动，因为在珍贵图书交易中，买家通常不会一次购买多本书籍，"当有人找到你说'我想买你这里几百本书'时，这确实显得很不寻常。"
《每日电讯报》进一步报道，今年至今已有数百名珍稀图书商接到类似公司的联系。另据404 Media披露，互联网服务"ISBNdb"甚至允许客户一次性订购高达100万本实体书籍，其中包括那些几乎绝版的珍稀文献。"ISBNdb"一位发言人向《每日电讯报》承认，他们确实提供过这项服务，但解释称这只是实验性质的测试，目的是探查市场对某项服务的接受度，该服务最终并未正式推出。
事件发酵后激起了网络热议，有评论尖锐指出："经历过战争、火灾且历经数百年翻阅仍存世的书籍，如今却遭拆解处理，只为让AI掌握如何撰写更优的营销邮件。"就连科技企业高层也亲自发声，埃隆·马斯克在相关网友评论下留言："已指示SpaceX的AI团队，所有珍稀图书必须存放在图书馆，并采用传统扫描方式，而非简单切去书脊后扫描。"
业内专家分析，当前科技公司对过往出版图书表现出强烈兴趣。随着互联网上AI生成内容日益增多，AI模型开发者正面临"数据壁垒"难题，AI训练仍需更多人类原创内容。根据404 Media报道，凡是2022年前出版的书籍，其文本通常不含AI生成内容，这类资料可避免AI模型训练中因反复使用AI生成文本导致"模型坍缩"现象。
科技公司为何要对二手图书实施"破坏性扫描"？
《每日电讯报》分析，除了提升扫描效率外，部分科技公司也是为了规避法律隐患。美国加州联邦法院此前作出一项裁定认定：通过数字扫描获取图书内容后销毁实体书并不构成版权侵权，因为数字版本已"替代"实体版本，该行为被视为转换行为而非复制行为。
这项裁决可能影响科技公司获取训练数据的成本核算。相较于与出版社逐一协商授权，购买二手书或闲置库存对 tech 公司更具经济可行性。《每日电讯报》援引一家科技公司Anthropic的内部文件显示，该公司曾立下"获取全球所有书籍"的目标。该企业在2024年聘请原Google Books图书扫描项目的负责人推动这一项目，并要求以最少的"法律、实践和商业纠缠"方式获取旧书。
网友评论