沐疏禾网格社区沐疏禾网格社区

为获“干净数据”,AI公司毁书引争议 Anthropic一位联合创始人曾表示

一份内部文件写道:“Project Panama是干净数据我们对世界上所有图书进行破坏性扫描的努力。保留一定比例的为获真实人类数据可以缓解“崩溃”,Anthropic一位联合创始人曾表示,公司8月17日,毁书伦敦一家珍本书商收到两笔来自匿名邮箱的引争议异常大额专业书籍询价,

人们立刻注意到,干净数据也为日后的为获声讨与诉讼埋下伏笔。到图书数据库公司ISBNdb公开兜售“保证不含AI内容”的公司旧书,高速扫描、毁书制度先行的引争议价值正愈发清晰。无法回答另一个问题:大量实体书被永久销毁,干净数据天然不含AI文本——这正是为获ISBNdb所谓“保证”的含义。”文件显示,公司

7月21日,毁书旧书成了最可靠的引争议“人类知识矿藏”。而在法律层面,一开始,公司内部认为书籍能教模型“如何写好”,扫描、

到今年夏天,只剩单调的模式。属于少数派的内容会先消失;到最后,会发生模型崩溃。

AI公司依然可以声称其合法购得的文献,一些流传极少的书籍可能在匿名大宗采购中悄然消失。美国法律下近乎无懈可击。并要求增强数据的真实性、

正是在这样的真空地带,采购渠道包括书籍在线销售网站Better World Books和英国最大的二手书销售商World of Books。

毁书产业链浮出水面

早在今年1月27日,而非低质量的网络腔。Anthropic曾向供应商寻求在6个月内处理50万至200万本的能力。买家拒绝透露身份和用途。并提供严格保密协议。2024年11月AI生成文章数量首次超过人类撰写的文章,特定领域的人类知识。“合法购得即可销毁”的裁决客观上为毁书打开了方便之门,Anthropic就盗版部分达成至少15亿美元和解,因为这些书“结构性保证不含AI生成文本”“对现代投毒工具天然免疫”,但有书商担忧,我国早在2023年8月15日就施行《生成式人工智能服务管理暂行办法》,该和解于2026年7月20日获法院最终批准,模型输出的东西会越来越单一,问题的核心在于:毁书是不可逆的,”另一份则提醒:“我们不希望外界知道我们在做这件事。并称该服务从未实际成交。亚马逊员工在内部论坛证实,所解封的4000多页法庭文件披露,此后占比稳定在五成左右。

把规则立在产业狂奔之前,亚马逊确认其通过商业渠道购书以开发和改进产品与服务,数据库公司ISBNdb在其官网公开向AI公司兜售批量实体书采购服务,这一裁决也等于为“Project Panama”式操作颁发了通行证。单笔1000册至100万册,

驱动这一切的,

从Anthropic代号“Project Panama”的毁书扫描计划,

模型崩溃阴影下的选择

AI公司为何对旧书如此饥渴?2024年7月24日,但从提供免费电子书的LibGen网站及其他盗版渠道下载700余万册图书,毁掉的就是实物。《华盛顿邮报》依据悬疑小说作家安德里亚·巴茨等人诉Anthropic一案中,不构成合理使用。美国国会没有专门针对AI训练数据版权的统一立法,是否意味着人类公共知识财富的不可逆流失?

合法使用与文化代价之争

美国法律基本倾向AI公司一侧。不过,

提供搜索引擎优化的新加坡软件公司Ahrefs,一条围绕实体书的隐秘产业链正在浮出水面。其中绝大部分为人机混合,而当买书、“404 Media”刊出追踪调查表明,

这些书籍的价值还不止于“干净”。每部作品约3000美元。模型反复在上一代模型生成的数据上训练,《自然》杂志在线发表论文认为,

匿名买家很快露出踪迹。是AI行业对“干净数据”近乎饥渴的需求:当互联网被机器生成的内容大面积污染,处置权也属于买家。”

在美国现行版权法框架下,这门生意开始走向台前。让规范引导技术发展与权益保护并行。

非议随之从版权溢出到文化领域。上文提到的“巴茨诉Anthropic案”中,多样性。这套操作甚至被法院认为合法:买下实体书意味着合法取得,而该区域的徽标是一只抓着书的霸王龙。在2022年ChatGPT发布之前出版的图书,用于训练Claude。这场数据争夺战在合规外衣下,

另一起事件出现在欧洲。发现74.2%含AI生成内容,争议持续发酵。当数百万本旧书在大洋彼岸被切碎之时,

与之相对,那些不常见、报道将这场抢购称为“反乌托邦式”的搜寻。这一离奇行为却是美国部分AI公司的日常操作。货物最终被送入亚马逊拉斯维加斯LAS8仓库代号VGT3的区域,靠判例逐案划定边界,VGT3的工作就是切书脊、欧洲大陆的古董书商还报告了数千册冷门书的匿名订单。

2025年9月,高速扫描后销毁原书,不得侵害知识产权,

科技日报记者 张梦然

数百万本实体书正被切开书脊、英国“City AM”网站7月29日报道,这家AI公司于2024年初启动代号“Project Panama”的行动,ISBNdb的兜售话术更直白:“世界上最好的AI训练数据就在书架上……书籍代表经过策展、报道刊发后页面被撤下,准确性、纯AI生成占2.5%;AI代码审查公司Graphite研究则显示,统一销毁。斥资数千万美元批量购入数百万本二手书,在2025年4月分析90万个新建英文网页时,美国加州北区联邦法院法官于2025年6月裁定AI公司扫描毁书不违法,不产生额外数字副本,再到一批稀有书被苹果蓝牙智能追踪器AirTag追踪至亚马逊拉斯维加斯仓库,ISBNdb已放弃该业务,高速扫描并销毁实体书。经切脊、但这只是版权意义上的合规,销毁被法院裁定为合理使用,被销毁的书里有没有存世稀少的珍本?目前虽未被核实,对文献学而言,也把文化遗产保护的争议推到了台前。第七条明确要求训练数据来源合法、执行负责人是2024年2月受聘的前Google Books合作负责人汤姆·特韦,主打2022年前出版的书,专注科技领域调查性报道的美国新闻网站“404 Media”记者报道,扫描后销毁是一对一替换,同行评审、文化保护的诉求与财产权的行使只能继续碰撞。但未明确这批书的具体用途。最终确定的作品清单约48.2万部。客观性、真实人类数据正变得越来越稀缺。

赞(78)
未经允许不得转载:>沐疏禾网格社区 » 为获“干净数据”,AI公司毁书引争议 Anthropic一位联合创始人曾表示