電影《華氏451》劇照圖書。
美國科技媒體404 Media近日爆料，他們追蹤了一本“懷疑會被AI公司買去作為訓練資料”的珍稀圖書，並一路追查它在美國各地的流轉過程圖書。調查顯示這本珍貴圖書經過多次轉運，最後到達了位於美國拉斯維加斯的亞馬遜公司倉庫。在倉庫工作的亞馬遜員工表示，他們的工作就是接收大量的印刷圖書。這些書會被送進高速掃描機器，機器會先切掉書脊掃描，在掃描結束後將原書撕碎或打成紙漿。在這個過程中，一本實體圖書也就被徹底銷燬了。
而據英國《每日電訊報》的報道，一位荷蘭古籍書商表示曾收到一家名為“2077AI”的公司員工的郵件，對方提供了一份約3000種二手圖書的清單，並表示計劃進行大規模採購圖書。受訪書商表示他最初以為是詐騙，因為在珍貴圖書交易中，人們很少會一次購買超過一本書，“所以如果有人過來告訴你，‘我想買你這裡幾百本書’，這實在太奇怪了。”
據《每日電訊報》報道，今年以來，全球已有數百名珍稀圖書商受到類似公司的聯絡圖書。另據404 Media報道，一項名為“ISBNdb”的網際網路服務甚至可以讓顧客一次性訂購多達100萬本實體書，其中包括那些幾乎已經沒有存世副本的珍稀圖書。“ISBNdb”的一名發言人向《每日電訊報》承認，他們確實提供過這項服務，但稱那只是一次性的測試，目的是探索市場對於某項服務的需求，而這項服務最終從未真正推出過。
事件曝光引發了大量的網路輿論，有評論就指出：“那些經歷過戰爭、火災和數百年翻閱仍儲存下來的書，如今卻被撕碎，只為了讓AI學會寫一封更好的營銷郵件圖書。”甚至連科技公司自己都親自下場表態，埃隆·馬斯克在該網友評論下方回覆：“我已經要求SpaceX的AI團隊把任何珍稀圖書儲存在圖書館裡，並採用傳統方式掃描，而不是簡單地切掉書脊後進行掃描。”
有專業人士指出，如今的科技公司對這些過去出版的圖書擁有極高的需求圖書。隨著網際網路中AI生成的內容越來越多，AI模型開發者正在面臨所謂的“資料牆”，AI訓練仍然需要更多由人類創作的原生內容。而據404 Media報道，如果書籍在2022年以前出版，這些文字通常不會包含AI生成內容，這就可以避免AI模型訓練過程中因反覆使用AI生成文字而產生的“模型坍縮”問題。
那麼圖書，科技公司為什麼要對二手圖書進行“破壞性掃描”呢？
《每日電訊報》指出，除了提高掃描效率以外，一些科技公司也是為了規避法律風險圖書。美國加州聯邦法院此前的一項裁定表示，透過數字掃描獲取圖書內容並隨後銷燬實體書，並不構成版權侵權，因為數字版本“替代”了實體版本，這一行為被視為轉換而非複製。
這項裁決可能改變了科技公司獲取訓練資料的成本計算圖書。對科技公司來說，與出版社逐一協商進行授權相比，購買二手書或無人需要的庫存可能更有經濟性。《每日電訊報》援引科技公司Anthropic的一份內部檔案稱，該公司曾定下“獲取全世界所有的書”的目標。該公司在2024年聘用了曾負責Google Books圖書掃描專案的前職員來負責推動這個專案，並要求該專案以儘可能少的“法律、實踐和商業上的煩瑣程式”來獲取舊書。
參考資料圖書：
