亚马逊仓库扫描并销毁稀有书籍，用于 AI 训练

独立科技媒体 404 Media 追踪了一批稀有书籍的运输过程，发现它们被送往亚马逊位于拉斯维加斯的 VGT3 仓库。亚马逊在该仓库扫描并销毁纸质书籍，用于训练 AI 模型。这项于周一发布的调查在一份大批量图书订单中藏入了一个 Apple AirTag，以追踪货物的运输路线。亚马逊确认，它通过商业渠道购买书籍，以帮助开发产品和服务，并表示此前从未有媒体披露过这项业务。这项调查揭示了 AI 公司如何获取 2022 年之前出版的纸质书籍。这些书籍包含不易在网上获取、且并非机器生成的文本，可用于训练模型，同时避免模型崩溃的风险。

404 Media 使用 AirTag 追踪书籍至亚马逊 VGT3 仓库

调查人员在一批稀有书籍中放置了一个追踪设备，并监控其运往拉斯维加斯亚马逊设施的过程。VGT3 团队的员工告诉该媒体，他们的工作包括接收大量纸质书籍，然后切掉书籍的装订部分，以便书页更快地通过扫描仪。书籍会在这一过程中被销毁。该团队的标志描绘了一只用爪子紧紧抓住一本书的恐龙。

过去一年中，书商注意到大批量订单激增，并怀疑这些购买行为背后是 AI 公司。买家对价格并不敏感，而且挑选的书名似乎是随机的。AirTag 的追踪结果揭示了货物的目的地，证实了他们的猜测。

2022 年之前出版的纸质书籍具有 AI 训练数据价值

2022 年之前出版的书籍所包含的文本大多无法在网上轻易获取，也不是机器生成的。使用模型自身生成的输出训练模型，会带来模型崩溃的风险，即模型质量会在每次递归循环中下降。2022 年之前出版的纸质书籍则能为 AI 训练提供干净、可靠的数据。

从事这项业务的并非只有亚马逊。一个小型产业已经形成，为 AI 实验室提供实体书籍；这些书籍会被拆解、扫描并丢弃。Anthropic 的内部项目 Project Panama 曾大规模开展相关工作，通过破坏性扫描将数百万本书籍数字化。

围绕用于 AI 训练的书籍扫描展开的法律斗争

一名联邦法官裁定，使用合法购买的书籍训练 AI 可能构成合理使用，这对 Anthropic 而言是部分胜利，Meta 和 OpenAI 也提出了相同主张。盗版副本则涉及不同的法律问题。Anthropic 已同意为扫描盗版书籍支付 15 亿美元的和解金。Salesforce 目前正因涉嫌使用盗版书籍而面临集体诉讼。

对干净文本的争夺已将多家 AI 公司推上法庭，作者和出版商正在挑战扫描其作品以获取训练数据的做法。

常见问题

404 Media 发现了亚马逊书籍扫描业务的哪些情况？

404 Media 使用 Apple AirTag 将稀有书籍追踪到亚马逊位于拉斯维加斯的 VGT3 仓库。在那里，工作人员切掉书脊并扫描书页，用于 AI 训练，纸质书籍也会在这一过程中被销毁。亚马逊确认，它通过商业渠道购买书籍，并表示此前从未有媒体披露过这项业务。

为什么 AI 公司要扫描 2022 年之前出版的纸质书籍？

2022 年之前出版的书籍所包含的文本大多无法在网上获取，也不是机器生成的。使用机器生成的文本训练 AI 模型会带来模型崩溃的风险，即模型质量会在每次递归循环中下降。因此，2022 年之前出版的纸质书籍能够提供干净、可靠的训练数据。

针对 AI 公司扫描书籍，采取了哪些法律行动？

一名联邦法官裁定，使用合法购买的书籍训练 AI 可能构成合理使用。Anthropic 已同意为扫描盗版书籍支付 15 亿美元的和解金，而 Salesforce 正因涉嫌使用盗版书籍而面临集体诉讼。