21CTO导读：在人工智能公司，华氏203度，是GPU停止大量阅读文献的温度。

人工智能公司正在不惜花费数百万美元大量购入纸质书籍，提取其中的内容用于模型训练，然后再将原书销毁。

这种购买让图书市场火爆了起来，交易额增长了数个百分点。

这种行为的主要原因是，AI 的发展离不开海量数据，但并不是所有数据都有价值，关键在于数据质量。近年大量由 AI 生成的低质量内容（也称“AI 垃圾内容”）开始充斥互联网，不仅污染了数据环境，也降低了 AI 继续学习的效果。因此，人工公司开始重新寻找由人类创作的内容，尤其是 2022 年以前出版的纸质书，因为这些内容大概率是原创作品，尚未受到 AI 生成内容的污染。

本周五，18个维权组织联名致信美国联邦贸易委员会，要求其对这种对书籍损毁和知识囤积行为展开密集调查。

今年的上半年时期，在一家名为 Bartz 的组织起诉 Anthropic PBC 一案中，通过公开文件披露，人工智能公司做法的最新细节浮出水面。这是一起版权诉讼，由书籍的原作者提起，因为人工智能公司未经许可使用了这些书籍进行训练。 

人为组织的图书扫描销毁行动被Anthropic称作“巴拿马计划”。其 2024 年的一份内部备忘录将其描述为“我们试图以破坏性的方式扫描世界上所有的书籍”。

法庭文件解释说，Anthropic公司给这项行动起了个代号，“因为我们不想让别人知道我们正在进行这项行动”。“所有Anthropic员工都能看到这份文件，但你们应该避免在公共场合讨论论它，而且我们正在进行这项行动的事实不应该透露给Anthropic公司以外的任何人。”

事实证明，旧书对人工智能训练非常有价值。首先它们没有受到人工智能生成的文字的污染，而人工智能生成的文本现在已经渗透到近期的作品中。

此外，扫描后销毁书籍还可以避免物流存储成本。 

在某些情况下，扫描销毁操作可能支持合理使用主张。在Bartz案中，地区法院接受了这样一种论点：实体书籍可以被数字化并销毁，电子副本可以替代实体书籍，这构成了一种具有转换性的合理使用行为。但这种做法对互联网档案馆并不适用。

Anthropic公司未对此事作出回应，但它并非唯一一家消费和销毁纸质书籍的AI公司。最近的一份报告发现，亚马逊也花费不菲参与了书籍扫描和销毁工作。亚马逊同样未对此事作出回应。

类似争议也发生在谷歌身上。近期，一个出版商联盟也对谷歌提起诉讼，指控其未经授权使用数百万本受版权保护的图书训练 Gemini AI 模型。

这类问题已经成为公司公关上的一个棘手问题，部分原因是销毁书籍的野蛮行径及其与专制政权的联系，部分原因是人们对人工智能公司为追求私利而掠夺公共资源的行为普遍感到不满。

促成这件事的中间商似乎感受到了压力。

据报道，ISBNdb曾帮助促成书籍收集，然后被恶意扫描，但该公司公开否认了这种做法。该公司上个月表示不再做这件事：“我们已移除最近上线的页面‘为您的AI LLM数据集需求寻找印刷书籍’。该页面原本是市场需求探索的一部分，但我们决定不再沿用这一方向。”

鉴于这些披露，民间社会团体希望联邦贸易委员会调查“买书销毁”行为，因为这些行为会阻止竞争对手的人工智能开发者和公众获取这些资源。

“像 Anthropic 和亚马逊这样的大型人工智能公司采取的秘密且鲁莽的行动表明，这里面确实存在一些问题，联邦贸易委员会需要对此进行调查，”需求进步教育基金的特别顾问 Kate Oh 在一份声明中表示。

这些团体的信函将扫描和销毁行动主要描述为反竞争行为——联邦贸易委员会名义上是竞争监管机构——但它也暗示了知识垄断的后果。

信中写道：“人工智能公司通过大规模永久销毁书籍，从而剥夺了更多人获取这些不可再生资源的权利，他们正在打造一个只有最富有的既得利益者才能构建高质量人工智能模型，并成为人类书面作品的唯一持有者的未来——而在此之前，他们已经销毁了原作品。”

人们并不清楚是否有任何文字被完全转移到人工智能模型中，而且也没有留下任何纸质副本。但如果人工智能公司拒绝公开其训练数据，又该如何验证这一点呢？

信中要求联邦贸易委员会回答这个问题：“公开记录无法确定，而且从外部也无法确定，这些被销毁的实体书籍有多少是特定作品的最后存世版本或最后存世版本之一。”

毫无疑问，纸质图书对于 AI 来说是一座巨大的知识宝库。然而，这种做法也引发了越来越多的伦理争议。

可以确定的是，纸质书对于人工智能来说是一座尚未开垦的巨大知识宝藏。

但是，人们仍然不清楚 AI 公司在扫描图书过程中，是否会区分普通图书与珍贵图书，甚至绝版图书。如果这些稀有书籍被拆毁，消灭，它们可能在这个地球上永久退出流通。

而这些被数字化后的内容最终都会进入人工智能公司的私有数据库，仅用于训练 AI，而普通公众根本无法访问。

这表示，人们只能能过这些AI获得知识，但是后续的代价是人类积累的大量知识资源将不再以公开、可获取的形式留给未来世代。

作者：场长