【CNMO科技消息】近日有调查报道显示，多家头部AI企业正通过中间商秘密采购数百万本二手书籍，扫描提取内容作为AI模型训练数据，完成数字化后将实体书销毁。
AI
AI模型训练需要大量高质量的原创数据，但目前网络上存在大量低质量AI生成内容，会污染训练数据池，影响模型训练效果。因此AI企业将目光转向2022年之前出版的纸质印刷书籍，这类内容大多为人类原创，受AI生成内容污染的概率更低。
此前已有相关案例出现，AI企业Anthropic曾投入数百万美元，采购大量纸质书籍提取信息训练Claude模型，扫描后将实体书销毁，该公司曾因存储700万本盗版书籍用于训练，被处以15亿美元罚款。近期也有出版联盟起诉Google，指控其非法使用数百万本版权书籍训练Gemini模型。
据书籍数据库平台ISBNdb的数据，今年4月起二手书批量订单明显增长，单笔订单规模从1000本到100万本不等，采购没有特定的题材、类型或作者倾向，且采购方对价格不敏感，即使溢价也会直接购买。有二手书卖家透露，此前销量好时每周能卖出约20本书，近期每周销量暴涨至数百本，是常规销量的五倍，其他二手书平台也出现了类似的批量订单增长。
为了提高效率、降低成本，AI企业大多选择破坏性扫描方案，拆除书籍装订后将单页送入高速工业扫描仪扫描，最终导致数百万本实体书被销毁。目前争议主要集中于两方面：一是AI企业扫描过程中是否会筛选稀有或绝版书籍，这类书籍退出流通可能造成公共文化资源损失；二是扫描后的书籍内容会进入私有数据库用于AI训练，普通公众无法访问，相关知识不能被社会共享。
通弘网提示：文章来自网络，不代表本站观点。
