【CNMO科技动静】近日有查询拜访报导显示，多家头部AI企业正经由过程中间商奥秘采购数百万本二手册本，扫描提取内容作为AI模子练习数据，完成数字化后将实体书销毁。

AI

AI模子练习需要年夜量高质量的原创数据，但今朝收集上存于年夜量低质量AI天生内容，会污染练习数据池，影响模子练习效果。是以AI企业将眼光转向2022年以前出书的纸质印刷册本，这种内容年夜多为人类原创，受AI天生内容污染的几率更低。

此前已经有相干案例呈现，AI企业Anthropic曾经投入数百万美元，采购年夜量纸质册本提守信息练习Claude模子，扫描后将实体书销毁，该公司曾经因存储700万本盗版册本用在练习，被处以15亿美元罚款。近期也有出书同盟告状Google，指控其不法利用数百万本版权册本练习Gemini模子。

据册本数据库平台ISBNdb的数据，本年4月起二手书批量定单较着增加，单笔定单范围从1000本到100万本不等，采购没有特定的题材、类型或者作者偏向，且采购方对于价格不敏感，纵然溢价也会直接采办。有二手书卖家吐露，此前销量好时每一周能卖出约20本书，近期每一周销量暴涨至数百本，是通例销量的五倍，其他二手书平台也呈现了近似的批量定单增加。

为了提高效率、降低成本，AI企业年夜多选择粉碎性扫描方案，撤除册本装订后将单页送入高速工业扫描仪扫描，终极致使数百万本实体书被销毁。今朝争议重要集中在两方面：一是AI企业扫描历程中是否会筛选罕见或者绝版册本，这种册本退出畅通可能造成大众文化资源丧失；二是扫描后的册本内容会进入私有数据库用在AI练习，平凡公家没法拜候，相干常识不克不及被社会同享。

版权所有，未经许可不患上转载