在互联网被“AI 生成的垃圾内容”淹没的今天，科技巨头们发现了一个意想不到的纯净数据源：实体书店里的旧书。
据 404 Media 的最新调查，为了训练更聪明、更“干净”的 AI 模型，各大科技公司正通过中间商秘密购买数百万本二手书。而这些书在提取完文字后，往往面临一个残酷的命运——被销毁。
为什么是实体书？
AI 的发展依赖海量数据，但现在的互联网充满了由早期 AI 生成的重复、低质内容（即“AI Slop”）。这些内容如果再次被用于训练新模型，会导致“模型崩溃”。
因此，目光转向了 2022 年之前的印刷品。这些由人类亲手撰写、编辑、出版的文字，被视为未被污染的“黄金数据”。它们原创、逻辑严密，且带有独特的文化质感。
隐秘的采购链：ISBNdb 成为新枢纽
这场购书热潮并非毫无踪迹。拥有超过 1.11 亿册编目书籍的在线数据库 ISBNdb，已从传统的图书交易平臺转型为 AI 公司的批量采购中心。
- 疯狂下单：单笔订单从 1,000 册到 100 万册不等。
- 无视价格与分类：买家不挑题材、不看作者，甚至不在乎定价过高，只要带有国际标准书号（ISBN）就照单全收。
- 销量激增：一位专业书商透露，其周销量从平时的 20 本飙升至数百本，增长了五倍。Alibris 和 Biblio 等平台也报告了类似的异常波动。
虽然没有确凿证据指名道姓，但考虑到 Anthropic、Google 等公司此前因使用受版权保护书籍而面临的诉讼压力，这种通过中间商“洗白”数据来源的做法显得顺理成章。
“破坏性扫描”：效率至上，文化靠边
一旦书籍到手，数字化过程同样冷酷。
曾参与 Google Books 项目并后来领导 Anthropic“巴拿马计划”的 Tom Harvey 证实，AI 公司雇佣了多家文档扫描公司。其中，破坏性扫描因其高效和低成本成为首选：员工将书籍拆解，把单页送入高速工业扫描仪。
这意味着，数百万本承载人类知识的实体书，在变成服务器里的二进制代码后，就变成了废纸。
道德困境：智能的进步，文化的倒退？
这一做法引发了强烈的伦理质疑：
- 文化灭绝风险：在拆解过程中，稀有或绝版书籍可能与普通畅销书一样被粉碎，导致不可逆的文化损失。
- 知识私有化：扫描后的数据进入私人数据库，公众无法访问。我们得到了更聪明的 AI，却失去了对原始文本的公共访问权。
- 版权阴影：尽管法院在某些案例中裁定 AI 训练属于“合理使用”，但 Anthropic 仍因维护包含七百万本盗版书的仓库而面临 15 亿美元罚款，Google 也因类似行为被出版商联盟起诉。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
