搶舊書訓練AI｜防智能倒退 LLM普及前著作 未受生成文字污染
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
各地書商、庫存平台及專門採購商，近期都陸續收到按照國際標準書號（ISBN）買書的訂單，令業界懷疑愈來愈多人工智能（AI）公司正把目光由網絡轉向實體書，把紙本內容轉成AI模型的訓練材料。
2022年前出版的紙本書，來自大型語言模型（LLM）普及之前，其內容不太有機會混入AI生成的文字，故可以避開「AI垃圾」污染，不致發生所謂「模型崩潰」，即模型重複以AI生成內容再訓練，導致錯誤、偏見層層累積，使輸出質素不升反降。
用完即銷毀 法庭判「合理」
今年初Anthropic版權案件的訴訟過程中，法庭公開文件顯示，該企曾於2024年推進「巴拿馬計劃」（Project Panama），旨在「對全世界所有書籍作破壞性掃描」。
去年6月的法庭命令也提到，Anthropic特別聘請曾經參與過Google Books項目的特維（Tom Turvey），負責領導實體書採購及掃描的工作。
根據Anthropic從承辦商Datamation取得的工作方案，該企當時希望在半年內掃描50萬至200萬冊書，所購得的實體書將會利用液壓切割機器，整齊切去書脊之後，再把鬆開的頁面送入高速掃描器，完成內容掃描後就交給回收公司處理。
尤為諷刺的是，時任主審法官阿爾薩普（William Alsup）認為，正是因為Anthropic掃描已購紙本後予以銷毀，讓數碼副本一對一取代原件，再加上其用途僅限於內部保存及搜尋，所以才能判斷在法律上這行為是屬於「合理使用」（Fair Use）。
動輒百萬冊 憂典籍不保
其中一間公開承接相關生意的公司是ISBNdb，它起初是向書商、圖書館和分銷商提供國際標準書號資料庫，但到生成式AI興起後，便進一步推出面向AI實驗室的大批量尋書服務，聲稱每張訂單可處理高達100萬冊。
另一方面，多地書商近期陸續接到異常訂單。有德國書店幾乎每晚都收到來自加拿大科企Zoom Books的大量訂單，荷蘭古籍書店De Vries & De Vries也收到新加坡公司2077AI的採購請求，但索買品項在內容、版本、價格等毫無規律，唯一共通之處就是書籍均有國際標準書號。
這種按編號而非知識主題採購的模式，令業界懷疑背後是自動化AI數據工程。科技媒體404 Media訪問了一位匿名書商，他坦言自己的心情矛盾，「這些交易一方面令我經濟受益，也幫我清走原本賣不走的舊庫存……可是另一方面，我不喜歡這些書的最終用途，更不樂見珍罕書被打成紙漿。」
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
