书商们已经注意到一种奇怪的模式,大约一年了:有人经常大量购买稀有和低印数的书籍,而很少考虑其内容。 怀疑落在培训大型语言模型的公司身上——但没有证据。 现在,似乎已经以非常不寻常的方式找到了证据。
一本书里的追踪器 带去亚马逊的仓库
一个销售商决定测试这一理论,并将一个隐藏的AirTag Bluetooth追踪器从批发批发中滑入了一本书. 设备透露了路线:订单不是去私人收藏家,也不是去网上商店的仓库,而是去亚马逊在拉斯维加斯的AI培训中心. 在那里的一个团队通过从字面上撕去书上脊椎并扫描页面来工作——这个方法可以让他们比普通扫描仪更快地,更仔细地处理卷.
404 Media公布的调查证实,大量购买稀有书籍确实与亚马逊有关. 装有代码VGT3的仓库内设有数字化团队,设施门上装饰有即将吃书的暴龙的标志. 相接相接,鉴于那些拷贝的归宿,最终会在那里:经过扫描,图书被销毁.
亚马逊本身拒绝对调查结果发表评论,仅限于正式声明:公司通过普通的商业渠道购买书籍来"开发并改善产品和服务给客户". 该答复中没有提到大赦国际的培训,尽管这似乎是寻找独特文本的目的所在。
为什么亚马逊会毁掉稀有的书
亚马逊正在积极建立自己的前沿模型——新一代AI,意在与Google,OpenAI,和Anthropic相竞争. 这种模型需要大量独特的数据,而材料的"疲劳"越少,就越好. 普通的互联网内容已不足以达到这一目的。
这就是为什么公司的兴趣并不集中在昂贵的初版,而是放在从市场观点看不值得注意的书籍上:作品从不从稀有语言翻译,长期没有印刷,或者只是没有足够流行的大众印刷跑. 它们可以毫无遗憾地被批量地购买,它们提供了算法所需要的——以前从未被数字化过的文本.
仓库雇员在论坛上描述了他们的工作事实:单调,但时间方便,必要时可以适应自己的需要。 他们接受了在每本书处理之前扫描条码或ISBN的培训. 这一细节特别重要:它表明亚马逊正在有条不紊地通过使用识别器清单的印刷出版物目录来工作,试图涵盖尽可能多的作品.
据"404 Media"报道,今年某个时候,球队用光了书籍来扫描. 短缺十分严重,工人担心仓库会关闭。 后来,交货恢复,该设施继续运作。
价值和道德问题
用于AI训练的书籍被破坏引发了网络上强烈的反应. 著名记者和作家迈克尔·巴里(Michael Barry)称这一习俗为"邪恶的化身". Reddit用户就这种对文化遗产的处理是否合理进行了辩论。 一个论点听起来特别尖锐:许多这些书在商店的书架上收集了几十年的灰尘,几乎没有人会买来阅读。 但这并不否定它们的价值。
旧版不只是货币价值 有历史和知识价值,有时也有多愁善感的价值——对于双胞胎或研究者来说. 正如主持追踪器实验的书商所指出,对AI公司来说,这样的一书只是"以一组文字的形式的内容". 日常生活的细微细节,过时的名词,区域语言的特有性——这一切在原作被扫描并被摧毁后永远消失.
怀疑论者称该出版物"来自AI仇恨者的宣传",但即使是他们也同意,对失去独特的印刷来源感到遗憾是完全合理的. 特别是考虑到扫描图书的内容不太可能被公司公开. 能够访问独特数据的竞争者越少,收集数据者就越好。 图书馆和研究人员很可能无法查阅这些档案。
与亚马逊不同的是,竞争对手Anthropic和xAI已经公开表示,他们不使用稀有或古董书籍进行培训. 与此同时,亚马逊宁愿保持沉默,这只会引起更多的问题. 如果这种做法是真正系统化的,那么对书市和文化遗产的后果可能是严重的:罕见的版本是有限的资源,可以有条不紊地检查掉的ISBN列表就在AI巨头面前.
