為獲取未受AI生成內容污染的訓練數據，人工智能公司正大量採購2022年前出版的舊書。此舉旨在避免模型因學習AI生成內容而退化，即所謂的「模型崩潰」，並已引發二手書市場出現前所未有的銷售熱潮。
- 數據來源：AI公司鎖定2022年前出版的印刷書籍，因其保證不含AI生成的文本。
- 採購規模：數據庫公司ISBNdb協助AI實驗室進行大量採購，每筆訂單從1,000本到100萬本不等。
- 市場反應：自今年4月起，部分二手書商報告銷售出現歷史性激增，訂單特點是書籍主題分散且對價格不敏感。
- 處理方式：為提高效率，部分AI公司採用「破壞性掃描」，即切開書脊掃描後銷毀書籍，引發法律與形象爭議。
- 法律觀點：有法官裁定，若購買、掃描後銷毀書籍原件，此行為屬「轉化性」合理使用。
為何舊書成為AI新寵？
隨著網絡上充斥著大量由AI生成的內容，人工智能公司在訓練模型時面臨「模型崩潰」的風險——即用AI數據訓練AI，會導致模型性能變差、更易出錯。數據庫公司ISBNdb在其網站上指出，2022年前出版的印刷書籍是理想的訓練數據，因為它們「在結構上保證不含這種污染」。
ISBNdb表示，書籍代表了經過策劃、同行評審的專業人類知識，其結構化方式是網絡爬蟲無法複製的。該公司利用其龐大的圖書數據庫，不僅銷售元數據，還協助AI公司系統性地採購、掃描實體書，並通過國際標準書號（ISBN）避免重複採購。
二手書市場現奇特搶購潮
自今年4月以來，多個二手書交易平台上的書商注意到銷量出現歷史性飆升。一位要求匿名的專業書商透露，他過去一週的好業績約為20本書，但現在每週能賣出數百本。這些大量訂單的特點是所購書籍主題五花八門，唯一的共同點是都擁有ISBN，且買家對價格「完全不在乎」。
書商們懷疑買家是AI公司。Alibris等圖書市場的客服也證實，有新的「大量買家正在搶購貿易書籍」。這些不尋常的購買模式，加上傳統買家（如圖書館）因預算削減而購買力下降，讓書商們相信，這股熱潮背後是資金雄厚的AI公司。
版權爭議與「銷毀書籍」形象問題
AI公司大量採購並掃描書籍的行為已引發法律關注。今年1月，針對AI公司Anthropic的版權訴訟文件披露，該公司計劃掃描數百萬本實體書，並在過程中可能將其銷毀。為加快掃描速度並降低成本，業界存在「破壞性掃描」的做法，即切開書脊以饋入掃描機。
ISBNdb在其網站上向AI客戶宣傳，購買二手書並在掃描後銷毀，在法律上可能構成合理使用，因為這「不會剝奪任何創作者本應獲得的收入」。一位聯邦法官在Anthropic的案件中也認為，若印刷原件被銷毀，這種複製行為「顯然是轉化性的」。
然而，銷毀書籍的行為也帶來了公關危機。ISBNdb坦言，「『人工智能公司銷毀200萬本書』不是一個能產生同情的標題。」因此，許多交易都在嚴格的保密協議下進行，以保護AI公司的身份和策略。
來源：404media.co
封面來源：非事件圖片。Adobe Stock