据悉,全球大型科技企业为训练人工智能(AI)模型,正大量买入珍稀图书或绝版图书,扫描后将原件粉碎。这些企业声称目的是训练大语言模型(LLM),但实际上被解读为为规避著作权侵权诉讼而采取的举动。
18日(当地时间),福布斯引用404 Media报道称,大型科技企业正大量买入珍稀及绝版图书,拆掉装订扫描后粉碎原件,并运营着大规模设施。
404 Media与一名接到约1000册纸质书订单的匿名珍稀书商合作,在其中一本书内放入苹果AirTag,追踪配送路径。该包裹离开加利福尼亚,经密尔沃基和科罗拉多斯普林斯,抵达亚马逊所有的仓库。其内部代号为“VGT3”。
404 Media称,建筑入口挂着一个要吃掉摊开书本的霸王龙标志。这里的员工表示:“一整天做的事就是扫描书籍”,“是份不错的工作”。
此前今年初,在作者们对Anthropic提起的诉讼中,该公司买入数百万册纸质书的事实被曝光。Anthropic以“巴拿马项目”为名雇用外部企业,切掉装订后将单页送入高速扫描仪,并粉碎原件。诉讼中公开的内部规划文件写道:“巴拿马项目是我们对世上所有书籍进行破坏性扫描的努力”,“我们不希望外界知道我们在做这件事”。
AI业界转向纸质书,是出于法律责任和数据质量的考虑。AI业界若使用被称为“影子图书馆”的盗版图书档案,就会被作者、摄影师和媒体提起大规模著作权诉讼。相反,若合法买入纸质书,连销毁该副本也被认可为所有者的权利。选择2022年以前印刷的书籍,还有可获得未混入AI生成语句的文本这一好处。
这些企业依据的是美国著作权法的首次销售原则。因为有判断认为,将合法购买的印刷本转为内部模型训练用数字文件属于“转换性”合理使用。批评者主张,企业正利用实物所有权作为法律漏洞,在不向创作者支付报酬的情况下构建数据集,但主流看法认为在现行法律下并无问题。
被销毁书籍的总量尚未确认,但据Anthropic诉讼的法院文件,该公司曾计划在一份为期6个月的供应商合同中扫描50万至200万册。404 Media称,已确认到单笔1000册至100万册的匿名订单。美国、英国和欧洲的二手书店表示,接到数百至数千种看似随机的非虚构类和绝版图书订单已是日常。
爱书人和AI怀疑论者将此称为“恶的化身”并表示反对。福布斯称:“有问题的粉碎对象不止纸质畅销书,还包括珍稀书、古书和绝版书,难以保存也是一个问题。”






