珍稀书籍被追踪至亚马逊AI训练设施，将被扫描销毁

区块链文库报道：

AI公司扫描大量书籍，甚至包括稀有书籍，并在过程中将其销毁以训练模型——如今我们已大致了解哪些公司以及它们如何操作。

独立科技媒体404 Media在一批稀有书籍中放置了追踪设备，并目睹其运往亚马逊位于拉斯维加斯的一个设施。在那里，该公司为了训练AI，扫描并销毁了印刷书籍。这项调查于周一公布，是首次公开指出与AI训练相关的大批量书籍采购的最终去向。

最终目的地是亚马逊的VGT3团队。员工向媒体透露，他们只负责接收大量印刷书籍，然后切断书脊，让书页更快地通过扫描仪。书籍在这个过程中被销毁。该团队的标志极其贴切：一只恐龙爪子里抓着一本书。

2022年之前出版的书籍包含的文本大多无法轻易在线获取，而且关键在于，这些文本并非由机器生成。用模型自身的输出进行训练存在“模型崩溃”的风险，即每次递归循环后质量都会下降。因此，2022年之前的纸质书籍是AI训练的纯净燃料。

亚马逊并非唯一的参与者。一个新兴行业已经形成，专门为AI实验室供应实体书籍——这些书籍被拆解、扫描并丢弃。这就像是《华氏451度》中描绘的场景：书籍被销毁以喂养机器。Anthropic内部的“巴拿马项目”已经大规模运行，通过破坏性扫描将数百万本书数字化。

对纯净文本的争夺已经诉诸法庭。一位联邦法官裁定，使用合法购买的书籍训练AI可以构成合理使用，这对Anthropic而言是一次部分胜利，Meta和OpenAI也主张这一权利。盗版复制品则另当别论：Anthropic因扫描盗版书籍同意支付15亿美元和解金，Salesforce目前也因涉嫌盗版书籍面临集体诉讼。

亚马逊的这一操作之所以保持低调，有其结构上的原因。书商注意到过去一年出现大量批量订单，并怀疑背后是AI公司——买家对价格不敏感，且似乎随机挑选书籍。他们的担忧最终通过一枚AirTag得到了证实，该设备揭示了目的地。亚马逊表示，它“通过商业渠道购买书籍，以帮助开发和改进客户使用的产品和服务。”