多家AI公司都在寻找大量书籍和其他文字资料，以满足模型训练需求。AI产业对数据的需求正在重新塑造二手书市场，一些书商甚至发现，大量购书者开始以数百甚至数千本为单位购买书籍。
图片版权©️| 网络
林雨
林雨
「新三才首发」随着人工智能（AI）产业对高质量训练数据的需求快速增加，一种令人意外的现象正在引发外界关注：实体书籍被大量购买、拆解、扫描，甚至在数字化后直接销毁。
根据媒体404 Media的调查，一批约1,000本书籍被追踪至亚马逊位于美国内华达州北拉斯维加斯的设施。调查指出，相关设施中的工作人员会对书籍进行扫描，而部分书籍在扫描过程中会被切除书脊，以便更快速地完成数字化。扫描完成后，实体书籍可能不再被保存。
这项调查揭开了AI产业背后一个较少被外界看到的现象：当AI公司需要大量高质量文字资料来训练大型语言模型时，实体书籍可能逐渐从文化资产转变为AI训练所需的数据来源。
这批书籍的流向最初是由一个AirTag揭开的。据报道，书商对一笔大宗购书订单产生疑问，调查人员因此在其中一本书内放置AirTag，以追踪整批书籍的去向。追踪结果显示，这批书经过多个物流中心后，最终抵达亚马逊位于北拉斯维加斯的LAS8设施。
AI模型需要庞大的文字资料进行训练。虽然网络上的公开内容长期以来一直是AI公司重要的数据来源，但许多旧书、专业书籍、学术作品和小众出版物的内容可能从未完整数字化。这使得实体书籍成为另一个具有吸引力的数据来源。
对AI公司而言，真正有价值的可能并不是书籍本身，而是书中包含的大量文字。一旦内容被扫描并转换成数字资料，实体书的价值可能大幅下降。
然而，这种做法也引发了文化保存方面的担忧。
一本书并不只是文字的容器。实体书可能保存历史信息、原始排版、插图、照片、作者或读者的手写注记，以及特定时代的文化痕迹。对收藏家、历史学家、研究人员和图书馆而言，这些元素本身就具有重要价值。
因此，即使一本书的文字已经被完整数字化，数字版本也不一定能够完全取代实体原本。尤其是稀有、绝版或具有历史价值的书籍，一旦被拆解或销毁，相关实体资料可能永远无法恢复。
这场争议也涉及更广泛的版权问题。AI公司需要大量受版权保护的文字资料来开发模型，因此，如何取得、扫描和使用这些内容，已经成为AI产业与作者、出版商之间的重要法律争议。
核心问题包括：购买一本实体书是否意味着可以将其完整数字化？数字化后的内容能否用于AI训练？作者和出版商是否应该获得补偿？如果一本书非常稀有，企业是否应该承担保存原件的责任？
这些问题目前仍存在大量法律和政策争议。
值得注意的是，这并不只是亚马逊面临的问题。近年来，多家AI公司都在寻找大量书籍和其他文字资料，以满足模型训练需求。AI产业对数据的需求正在重新塑造二手书市场，一些书商甚至发现，大量购书者开始以数百甚至数千本为单位购买书籍。
对于普通旧书而言，这种需求可能创造新的市场。但对于珍稀书籍而言，情况则完全不同。如果一本具有重要历史价值的书是世界上仅存的少数版本之一，那么将其购买、拆解并销毁，可能造成不可逆的文化损失。
这也形成了一个鲜明的价值冲突。对AI公司而言，一本书可能是一份包含大量文字的数据来源；对收藏家而言，它可能是一件珍贵文物；对作者而言，它代表创作成果；对历史学家而言，它可能是一份无法替代的第一手资料。
AI革命因此带来了一个更深层的问题：当人类开始利用过去数百年积累的知识来建立新一代人工智能时，我们应该如何在科技发展与文化保存之间取得平衡？
AI可以让人类更容易搜索、分析和使用大量知识，但如果数字化的过程伴随着实体资料的永久消失，那么人类可能在获得更多数字信息的同时，也失去部分无法重新制造的文化遗产。
亚马逊相关事件真正值得关注的，或许不只是究竟有多少书籍被扫描或销毁，而是AI产业对数据的需求正在如何改变人类对书籍的定义。
对AI而言，书可以是数据；对人类文明而言，书也是历史。
当AI产业持续扩大、对训练数据的需求不断增加，社会可能需要重新思考如何保护稀有书籍、版权作品以及其他具有文化价值的实体资料。
在AI时代，最大的挑战或许不是我们能否将人类知识全部数字化，而是当我们把知识转化为数据时，能否确保保存知识本身的历史不会因此消失。
