为了提升大模型的训练效率，人工智能巨头 Anthropic 竟然毁掉了上百万本实体书。
7月20日（当地时间），Anthropic与作家集体诉讼达成的15亿美元和解协议正式获得法院批准。这不仅是美国版权法历史上和解金额最高的案件，更将公众视线引向了Anthropic内部一项备受争议的“毁书计划”。比起这笔天价赔偿，其背后的操作细节更令人咋舌。
法院披露的文件揭示，Anthropic在2024年初启动了代号为“巴拿马计划”的项目。该公司斥资数千万美元，从二手书商手中大量收购实体书，随后采用一种名为“破坏性扫描”的方式处理这些书籍。具体操作是用工业设备切开书脊，逐页扫描内容并录入数据库，最后将纸张销毁丢弃。据估计，已有200万册实体书因此走向终结。
这一极端行为的背后，是AI公司对高质量训练数据的疯狂渴求。相较于互联网上充斥着低质甚至由AI生成的内容，经过作者创作、编辑审核及出版流程层层筛选的书籍，无疑是训练大型语言模型的理想素材库。而在非破坏性扫描之外，破坏性扫描能显著提高效率并降低成本。
尽管法院认定Anthropic通过合法渠道购书用于大模型训练属于“合理使用”，但这种对实体书的毁坏仍激起千层浪。
作家的集体诉讼，牵出Anthropic的“毁书计划”
“巴拿马计划”之所以曝光，源于一场由作家发起的集体诉讼。
2023年，美国恐怖小说作家安德莉亚·巴茨（Andrea Bartz）意外发现自己的作品出现在一个被Anthropic等AI公司广泛使用的训练文本库中。
不甘心血成果被AI公司“盗用”以构建其价值数十亿美元的生意，巴茨于2024年8月联合其他作家，在美国作家协会的支持下，向Anthropic提起集体诉讼。
随着司法调查深入，Anthropic的数据获取手段逐渐浮出水面。事实上，如今饱受诟病的“破坏性扫描”，已是Anthropic在法律压力下采取的一种成本更高的数据获取策略。
法院文件显示，为获取高质量训练数据，Anthropic最初曾通过收集盗版电子书来建立数据库。
法官在去年6月裁定，该公司将超过700万本盗版书籍保存至“中央数据库”，此举侵犯了作家权利。但同时认定，Anthropic使用合法渠道购买书籍训练模型，构成对作家作品的“合理使用”。
换言之，破坏性扫描本身不违法，违法的是盗版行为。
今年7月，Anthropic与一批作者达成总额高达15亿美元的和解协议。根据协议，每本符合条件的书籍版权所有者平均可获得约3000美元赔偿。这场历时两年的版权纠纷暂告一段落。
“破坏性扫描”，争议不只限于法律
尽管AI模型训练被视为对书籍的“合理使用”并获法院支持，但“破坏性扫描”引发的争议已超越法律范畴。
人们最担忧的是珍贵书籍可能在此过程中遭受不可逆的破坏。虽无确凿证据表明Anthropic的项目已销毁具有特殊价值的珍稀书籍，但当涉及数百万册图书时，公众难免担心一些珍贵的历史古籍和绝版书已进入AI训练供应链。
对AI公司而言，书籍的价值仅在于其中的文字数据。扫描过程中，它们未必会区分珍贵孤本与普通书籍。但对书商、收藏家、档案学者及历史研究者来说，实体书本身即是文化的一部分，其纸张、装帧、批注及流传痕迹承载着无法被数字化替代的历史价值。
当然，也有观点支持AI公司大量扫描书籍。他们认为，与其让冷门旧书长期沉睡在世界角落，不如让它们通过人工智能系统，重新融入人类知识库。
问题在于，AI公司的书籍数字化与公共机构推动的文化保存存在本质区别。扫描后的数据进入的是AI公司内部数据库，而非面向公众的公共图书馆。
Anthropic对实体书籍的物理销毁，更给人一种“斩草除根”的感觉。这进一步加剧了人们对知识垄断的担忧，AI公司似乎正将人类共有的知识遗产私有化为独家内部数据。
Anthropic的行为引发广泛关注，或许还因“毁书”行为所具的象征意义及其带给公众的强烈负面观感。
在人类历史中，书籍长期被视为知识、记忆与文明传承的重要载体。保存书籍、传递思想与知识，某种程度上就是在延续文明。而历史上的大规模毁书事件，无论是秦始皇时期的焚书，还是纳粹德国时期的焚书运动，往往都与权力控制、思想压制紧密相连。
因此，当大量实体书被切割、扫描并最终丢弃时，极易引发负面联想——Anthropic是否正在将原本属于全人类的文化遗产，转化为自身掌控的资源？
“毁掉书籍、投喂AI”这一极具象征意味的画面，可能恰好与当下蔓延的AI恐慌产生共振。当一本本承载着人类文明的书籍被切割、扫描，并成为训练AI的“燃料”时，人们担心的或许不仅是某些书籍被销毁，而是人类自己创造的机器最终会反噬自身。
撰文 | 李俊浩
编辑 | 北塱 钱琪瑶
