調查稱亞馬遜掃描並銷毀紙本書用於AI訓練

一項媒體調查顯示，亞馬遜正透過採購紙本書補充 AI 訓練資料。 這批書被送往拉斯維加斯一處設施後，會被拆開書脊、逐頁掃描，紙本書本體隨後被銷毀。

獨立科技媒體 404 Media 在一批稀有書訂單中放入 Apple AirTag，追蹤後發現，貨物最終抵達亞馬遜位於拉斯維加斯的 VGT3 倉庫。 報道引述員工說法稱，團隊的主要工作就是接收大批圖書，切掉裝訂部分，以便頁面更快送入掃描設備。

生成式 AI 公司近來重新大量採購紙質書，原因之一是 2022 年前出版的內容更少受到機器生成文本污染，且很多文本並未完整上線。 對模型開發者來說，這類材料更適合用作原始訓練語料。

報告提到，如果模型重複吸收由 AI 本身產生的內容，輸出品質可能會持續下降。 正因如此，較早出版、未被大規模數位化的紙本書，正成為訓練資料市場中的稀缺資源。

報告稱，亞馬遜並非個案。 圍繞著 AI 訓練數據，已經出現一條專門採購、拆解、掃描並丟棄紙本書的供應鏈。 此前，Anthropic 的內部專案也被曝曾以類似方式大規模數位化數百萬本圖書。

紙本書用於 AI 訓練的合法性，近來已進入美國法院審理範圍。 報道提到，一名聯邦法官先前裁定，使用合法購買的圖書訓練 AI，可能構成合理使用。 不過，涉及盜版掃描的情況並不相同。 Anthropic 先前已就掃描盜版書籍相關爭議達成 15 億美元和解，Salesforce 也因涉嫌書籍盜版面臨集體訴訟。

亞馬遜回應稱，公司會“透過商業管道購買圖書”，以幫助開發和改進面向客戶的產品與服務。 按 404 Media 的說法，這是相關操作地點首次被公開指向具體設施。