Syarikat AI Membeli Buku Antik untuk Melatih Model, Kemudian Memusnahkannya pada Skala

Syarikat kecerdasan buatan membeli buku antik dan tidak dicetak sehingga ratusan ribu, memasukkan kandungannya ke dalam set data latihan, dan kemudian memusnahkan volum fizikal—amalan berskala industri yang dikatakan oleh penyelidik dan penjual buku sedang memadamkan warisan budaya walaupun ia menyemarakkan model bahasa generasi seterusnya. Pendedahan itu, pertama kali muncul dalam dokumen mahkamah dan kini bergema di seluruh komuniti penjualan buku Eropah, telah membuka ruang baharu dalam perang hak cipta AI. Untuk berita terbaharu AI mengenai kontroversi data latihan yang membentuk semula industri, butiran di bawah mengesan bagaimana pencarian teks bersih bertukar menjadi api unggun buku yang jarang ditemui.

Bagaimana Amalan Berfungsi

Menurut dokumen yang didedahkan oleh Anthropic semasa prosiding mahkamah 2026 dan dilaporkan oleh The Washington Post, proses itu sengaja diindustrikan. Pemfailan itu menerangkan bagaimana "mesin pemotong berkuasa hidraulik" kontraktor pengimbasan akan "memotong dengan kemas" buku supaya halaman boleh "diimbas pada pengimbas tahap pengeluaran berkelajuan tinggi, berkualiti tinggi." Setelah didigitalkan, pemfailan menyatakan, syarikat pengimbasan akan "menjadualkan dengan syarikat kitar semula untuk mengambil buku yang telah siap."

Dengan kata lain, buku-buku itu tidak dikembalikan. Ia dikurangkan kepada teks digital dan kemudian dipulangkan.

Mengapa Syarikat Inginkan Buku Lama, Bercetak

Selera untuk buku fizikal berpunca daripada masalah yang semakin teruk untuk pembangun AI: internet terbuka semakin tercemar dengan teks yang dijana AI. Seperti yang dijelaskan oleh blog undang-undang Verfassungsblog dalam analisis bertajuk "AI Is Eating the Book World," latihan mengenai risiko kandungan sintetik merendahkan kualiti model—sebuah fenomena yang dipanggil penyelidik keruntuhan model. Buku yang dicetak sebelum 2022, sebaliknya, dijamin sebagai tulisan manusia.

Terdapat juga pengiraan undang-undang. Syarikat telah memberi alasan bahawa mengimbas buku fizikal yang mereka miliki mungkin tertakluk di bawah peruntukan "penggunaan adil" undang-undang hak cipta A.S., satu pembelaan yang mereka percaya lebih kuat daripada mengikis kandungan web berhak cipta. Sama ada mahkamah menerima hujah itu masih menjadi persoalan terbuka, tetapi ia tidak menghentikan kegilaan membeli.

Fenomena Buku Zoom

Di Eropah, perhatian telah tertumpu pada kedai buku dalam talian Kanada yang dipanggil Zoom Books, yang dilaporkan oleh Verfassungsblog telah memperoleh ratusan ribu tajuk bukan fiksyen yang hanya terdapat sedikit permintaan komersial yang tinggal. Jilid ini—karya akademik yang tidak jelas, sejarah wilayah dan manual teknikal khusus—hampir tidak bernilai kepada penjual buku terpakai tetapi mewakili bahan latihan yang belum diterokai sebelum ini untuk makmal AI.

Futurisme melaporkan bahawa kemusnahan sedang berlaku "pada skala yang luar biasa, walaupun hampir tiada salinan yang tinggal," bermakna bagi sesetengah tajuk, salinan yang diimbas dan dicincang mungkin merupakan antara edisi terakhir yang masih ada dalam edaran.

Penjual Buku dan Penyelidik Tolak Ke Belakang

Laporan itu telah membimbangkan penjual buku antik, yang mengatakan pembeli pukal memutarbelitkan pasaran terpakai dan mengalih keluar edisi yang jarang ditemui lebih cepat daripada yang boleh disimpan oleh arkib. Agensi Anadolu memetik seorang penjual buku kuno Turki menyatakan keraguan tentang skop tuntutan, sambil mengakui kebimbangan yang semakin meningkat di seluruh pasaran buku Eropah. Liputan dalam Times of India dan Boing Boing membingkaikan trend itu sebagai akibat langsung firma AI yang cuba "melarikan diri daripada ceroboh AI mereka sendiri" dengan berundur ke cetakan pra-internet.

Pemeliharaan berhujah bahawa kemusnahan itu amat membimbangkan kerana tiada pendaftaran pusat menjejaki buku yang telah diimbas dan dimusnahkan. Sebaik sahaja tajuk yang masih hidup rendah dicincang, kerugian itu mungkin kekal—melainkan syarikat yang mengimbasnya memilih untuk berkongsi salinan digital, yang biasanya tidak.

Tahap Baru Perang Hak Cipta

Kempen pembelian buku terletak di persimpangan dua pertikaian undang-undang yang tidak dapat diselesaikan: sama ada melatih model AI pada karya berhak cipta tanpa kebenaran merupakan penggunaan adil dan sama ada memusnahkan sumber fizikal selepas mengimbas mengubah kalkulus. Mahkamah setakat ini telah menghantar isyarat bercampur-campur, dengan beberapa keputusan memihak kepada pembangun AI dan yang lain mengekalkan tuntutan pencipta.

Bagi syarikat AI, kalkulus adalah mudah. Buku bercetak menawarkan teks yang padat, berkualiti tinggi, hasil tulisan manusia yang semakin sukar dicari dalam talian. Bagi perpustakaan, arkib dan pengumpul yang menjaga edisi jarang, pertukaran adalah jauh lebih baik: artifak fizikal yang tidak boleh ditukar diubah kepada token latihan dan kemudian dikitar semula menjadi pulpa.

Amalan itu juga menimbulkan persoalan tentang ketelusan. Pendedahan Anthropic datang hanya kerana ia terpaksa dalam litigasi. Masih tidak diketahui berapa banyak syarikat lain yang menjalankan strategi serupa, berapa banyak buku yang telah dimusnahkan, atau sama ada mana-mana piawaian seluruh industri akan muncul untuk mengekalkan tajuk berisiko sebelum ia diimbas dan dibuang.

Masalah Skala Tiada Siapa Dapat Mengukur

Sebahagian daripada apa yang menjadikan trend itu sukar untuk polis adalah penyebarannya. Tidak seperti satu arkib atau pangkalan data yang besar, kempen membeli buku diedarkan merentas beribu-ribu transaksi individu—di jualan harta pusaka, jualan nyah akses perpustakaan dan pasaran dalam talian—di mana pembeli pukal yang membeli palet tajuk bukan fiksyen tidak menimbulkan bendera merah yang jelas. Walau bagaimanapun, diagregatkan merentasi ratusan ribu pembelian, kesan terkumpulnya ialah penyingkiran senyap-senyap petak khusus yang luas, pengetahuan peredaran rendah daripada rekod fizikal.

Pustakawan dan arkivis telah memberi amaran bahawa kerugian tidak diagihkan secara merata. Penjual terlaris pasaran besar bertahan dalam banyak salinan, tetapi tajuk yang paling menarik kepada jurulatih AI—karya padat maklumat yang khusus dengan cetakan kecil—adalah yang paling tidak mungkin disimpan di tempat lain. Setelah dimusnahkan, ia mungkin wujud hanya sebagai data latihan proprietari yang dikunci di dalam pelayan syarikat, tidak boleh diakses oleh orang ramai yang pada asalnya menghasilkan dan bergantung padanya.

Kekal Mendahului AI

Perang data latihan semakin memuncak, dan pertaruhannya melangkaui kunci kira-kira korporat. Untuk membaca lebih banyak berita AI dan mengikuti cara mahkamah, pengawal selia dan pemulihara bertindak balas, teruskan mengikuti AI Buzz Wire.

Baca lebih banyak berita AI →