亚马逊割书脊扫描AI训练！毁书求料釋放什麼信號？

亚马逊单日运抵拉斯维加斯仓库处理中心。

正如科技巨頭為追求算力不擇手段一樣，近期一項針對大型語言模型訓練数据的调查揭開了震撼一幕：大量珍稀絕版書籍被切斷書脊、掃描並轉化為數據，最終流向亞馬遜位於拉斯維加斯的VGT3處理中心 [cite: 据404 Media报道，亚马逊大量购入珍稀书籍，割下书脊，扫描后用于人工智能训练。调查人员在一本最终运抵亚马逊位于拉斯维加斯的仓库（编号VGT3，仓库上印有恐龙手捧书籍的标志）的珍稀书籍中植入了追踪装置。亚马逊向404 Media证实，公司“通过商业渠道购买书籍，以改进客户使用的产品和服务”，但并未否认这一做法。]。這背後折射出的，不僅僅是數據飢荒下的生存法則，更是一場關於版權與文化保護的博弈。

回溯這起事件的背景，互聯網上的現有內容早已被大量吸收殆盡，像亞馬遜這樣的科技公司面臨著海量文本的需求 [cite: 像亚马逊这样的公司需要海量的文本来训练大型语言模型（LLM），而互联网上的大部分内容已被大量吸收。珍稀书籍，尤其是绝版或难以找到的书籍，提供了全新的训练数据来源。]。值得注意的是，2022年之前出版的內容擁有獨特優勢，因為它們保證是完全由人工撰寫的。使用這些珍貴文獻，能夠有效避免人工智能用自身生成內容訓練所帶來的「模型崩潰」風險，確保輸出質量不會隨時間推移而下降。

把這起事件的關鍵數據與核心環節拆解開來看，每一個細節都耐人尋味。調查人員在書中植入追蹤裝置，最終鎖定印有恐龍手捧書籍標誌的VGT3中心，該標誌本身就象徵著實體書籍向數字數據的轉化 [cite: 404 Media 在一本珍稀书籍中植入追踪装置，以追踪其流转过程。这本书最终被送往亚马逊位于拉斯维加斯的 VGT3 处理中心，该中心负责书籍的数字化处理。该中心的标志——一只恐龙抱着一本书——象征着实体书籍转化为数字数据的过程。]。切割書脊雖然是提高掃描裝訂書籍效率的常用方法，但亞馬遜在給媒體的聲明中始終未提及圖書遭損毀的細節。這意味著，為了獲取高質量人類文本，科技巨頭正在將實體文獻的破壞轉化為一種標準化流水線作業。

從市場與法律影響來看，這種做法迅速引發了嚴重的版權拷問。雖然企業可能擁有實體書的所有權，但這並不等於自動獲得了將其數字化並用於AI訓練的授權。對於作者和出版商而言，這無疑是對知識產權的公然侵犯；而對收藏家和檔案管理員來說，不可替代的珍貴書籍遭到損毀，更構成了不可逆的文化遺產損失 [cite: 作者和出版商可能会认为这种使用侵犯了他们的知识产权。此外，一些珍贵书籍（其中一些是不可替代的）的损毁也引起了收藏家和档案管理员的担忧，他们认为这是文化遗产的损失。]。如果此類文獻被全面認可為AI訓練源，其市場需求或將迎來劇烈波動。

说实话，真正值得关注的，其實不是幾本絕版書被切割本身。而是透過這起事件可以發現，當前的人工智能開發已經陷入了一場前所未有的數據爭奪戰。科技公司為了維持模型的競爭力，正不斷試探法律與倫理的邊界。對於身處數位時代的創作者、出版商以及愛書之人而言，這不僅僅是一場版權官司，更是一次對實體文化未來命運的集體反思。

未來市場與監管將繼續觀察，這類激進的數據採集方式是否會引發更廣泛的法律訴訟。隨著AI模型日益深入日常生活，如何平衡技術進步與創作者權益，將成為整個行業無法迴避的核心命題。

FAQ

• 問：為什麼亞馬遜要對珍稀書籍進行切割和掃描？

  答：為了獲取高質量、由人類撰寫的海量文本來訓練大型語言模型。切割書脊能夠大幅提高裝訂書籍的掃描效率，幫助企業避開因使用AI生成文本訓練所導致的「模型崩潰」風險 [cite: 亚马逊正在切割珍稀书籍的书脊，以便扫描它们用于人工智能训练。这种方法可以高效地数字化装订好的书籍，然后将这些数字化成果用作大型语言模型的训练数据。, 模型崩溃是指人工智能模型在用人工智能生成的文本进行训练后，其输出性能下降的现象。使用贵的、人类撰写的书籍有助于避免这个问题，从而确保更高质量的训练数据。]。

• 問：這項操作會帶來哪些版權與法律風險？

  答：雖然企業購買並擁有了實體書籍的所有權，但法律界與創作者普遍認為，這並不代表其擁有將書籍數字化並投入人工智能訓練的合法版權。這種灰色地帶極易引發作者和出版商的集體法律訴訟 [cite: 其合法性尚不明确。虽然亚马逊拥有实体书的所有权，但将其数字化并用于人工智能训练的权利可能并不受版权法保护。这可能会引发作者和出版商的法律诉讼。]。

• 問：什麼是「模型崩潰」現象？

  答：模型崩潰是指大語言模型在反覆使用由人工智能自身生成的文本進行訓練時，其輸出質量與性能會隨著時間推移而持續下降的現象，因此引入人類早期撰寫的真實文獻顯得尤為關鍵。