调查称亚马逊扫描并销毁纸质书用于AI训练
摘要
币行吧报道： 一项媒体调查显示，亚马逊正通过采购纸质书补充 AI 训练数据。这批书被送往拉斯维加...
一项媒体调查显示，亚马逊正通过采购纸质书补充 AI 训练数据。这批书被送往拉斯维加斯一处设施后，会被拆开书脊、逐页扫描，纸质书本体随后被销毁。
AirTag追踪到拉斯维加斯仓库
独立科技媒体 404 Media 在一批稀有书订单中放入 Apple AirTag，追踪后发现，货物最终抵达亚马逊位于拉斯维加斯的 VGT3 仓库。报道援引员工说法称，这个团队的主要工作就是接收大批图书，切掉装订部分，以便页面更快送入扫描设备。
2022年前图书更受AI公司青睐
生成式 AI 公司近来重新大量采购纸质书，原因之一是 2022 年前出版的内容更少受到机器生成文本污染，且很多文本并未完整上线。对模型开发者来说，这类材料更适合用作原始训练语料。
报道提到，如果模型反复吸收由 AI 自身生成的内容，输出质量可能持续下降。正因如此，较早出版、未被大规模数字化的纸质书，正成为训练数据市场中的稀缺资源。
图书扫描与版权诉讼同步升温
报道称，亚马逊并非个例。围绕 AI 训练数据，已经出现一条专门采购、拆解、扫描并丢弃纸质书的供应链。此前，Anthropic 的内部项目也被曝曾以类似方式大规模数字化数百万本图书。
纸质书用于 AI 训练的合法性，近来已进入美国法院审理范围。报道提到，一名联邦法官此前裁定，使用合法购买的图书训练 AI，可能构成合理使用。不过，涉及盗版扫描的情形并不相同。Anthropic 此前已就扫描盗版图书相关争议达成 15 亿美元和解，Salesforce 也因涉嫌图书盗版面临集体诉讼。
补充信息：亚马逊回应称，公司会“通过商业渠道购买图书”，以帮助开发和改进面向客户的产品与服务。按 404 Media 的说法，这是相关操作地点首次被公开指向具体设施。
评论 (5)
老书训练AI就好使吗，别最后训练出一堆老掉牙的内容。
这么搞对稀有书破坏太大了，知识产权问题处理不好，以后正版书市场得乱套。
这开了啥头啊，以后都这么销毁书搞训练，保护古籍善本更难了。
亚马逊怕是打着改进服务的幌子，要把书都扫一遍占为己用吧。
版权问题没解决呢，就大规模扫书，这不是给自己惹官司嘛。