最近，一起发生在美国的版权诉讼，把 AI 行业一个隐秘的操作摆到了台面上。开发 Claude 模型的公司 Anthropic，被曝出曾以数千万美元批量购入二手实体书，切掉书脊、高速扫描后，把纸质书全部粉碎销毁。这件事在法律上获得了某种承认，却在伦理上留下了巨大问号。2024 年初，Anthropic 启动了一项内部代号的工程，名为巴拿马计划。公司内部文件这样写道，对世界上所有书籍进行破坏性扫描，而且他们不希望外界知道在做这件事。具体流程已经高度工业化。成批的二手书被运往仓库，液压切割机切掉书脊，散开的书页送进高速扫描仪，文字被提取为训练数据，剩下的纸张交给回收公司销毁。一份供应商方案显示，他们计划在半年内处理50 万到 200 万本。据《华盛顿邮报》披露的法庭文件，这并非孤例，Meta、OpenAI、Google 也都曾以不同方式争夺过书籍资源。有人估算，仅 Anthropic 一家，前后就有约200 万本实体书在扫描完成后被销毁。一家公司为什么愿意花钱买书，又花钱把它们毁掉？答案藏在三个层面。动机一，抢一批干净的语料大模型最缺的数据是的质量。随着生成式 AI 普及，互联网上充斥着 AI 自己写的内容。这些内容不断回流训练集，会形成一个恶性循环，业内称之为模型崩溃，也就是模型越学越笨、表达越来越像、事实错误越来越多。相比之下，2022 年之前出版的纸质书，内容完全来自人类、经过编辑层层校对、逻辑严谨，是行业眼里的纯净语料。它们天然避开了 AI 污染，成了稀缺资源。动机二，效率压倒一切逐页翻扫一本完好无损的书，既慢又费人工。把书脊一切，散页就能自动进纸高速扫描，工业流水线每分钟能处理80 到 120 页，远高于无损扫描仪。在模型竞速的行业里，时间就是排名。动机三，钻版权的灰色空间这是最关键的动机。买下一本二手书，你就合法拥有了那个副本，这叫首次销售原则。把书扫描成一份内部数字副本、再销毁原件，既没有改变所有权，也没有制造一份对外传播的复印件。在美国法律框架下，法官认为这种用途具有转化性，属于合理使用。竭泽而渔，岂不获得，而明年无鱼。AI 把书嚼碎、吞下、变成参数，短期看效率惊人，长期看，我们可能是在用一个更贫瘠的物理文化世界，去换一个更聪明的虚拟大脑。
发布于 广东
分享
1
1
未登录
友善发言
评论
加载中
