404 Media Tracked Rare Books to an Amazon Facility That Scans and Destroys Them for AI Training

I en av de mer uppfinningsrika undersökningarna av AI-branschens omättliga aptit på träningsdata, placerade journalister på 404 Media en spårningsenhet i en försändelse med sällsynta böcker som de misstänkte skulle köpas för AI-träning – och följde den över hela landet till en Amazon-anläggning i Las Vegas där böcker skannas och förstörs.

Berättelsen, publicerad i måndags av 404 Medias grundare Emanuel Maiberg, identifierar destinationen som Amazons VGT3-anläggning i Las Vegas. Enligt undersökningen har Amazon köpt enorma mängder böcker, skannat dem efter AI-träningsdata och förstört de fysiska volymerna i processen - en operation som butiken säger att inte tidigare rapporterats.

Fynden ger ett nytt namn till en praxis som i tysthet har besvärat bokhandlare och arkivarier i månader, och de kommer när allmänhetens uppmärksamhet i allt högre grad vänder sig till var AI-företag faktiskt får sin data. Följ vår pågående bevakning av träningsdatakrigen på AI Buzz Wire.

En spårningsenhet i en låda med böcker

Metodiken bakom utredningen är det som gör den anmärkningsvärd. Istället för att förlita sig på dokument eller intervjuer, bäddade 404 Media in en GPS-spårare i en försändelse med sällsynta böcker som försäljningsstället misstänkte skulle förvärvas av ett AI-företag, och övervakade sedan paketets resa till sin slutdestination.

Den destinationen – Amazons VGT3-anläggning – beskrivs i rapporten som platsen där Amazon skannar böcker efter AI-träningsdata. Den fullständiga utredningen, som beskriver köpoperationen och dess omfattning, är tillgänglig för 404 Media-prenumeranter.

Berättelsen spreds snabbt genom utvecklare och tekniska policykretsar efter att ha landat på förstasidan av Hacker News i måndags, där kommentatorer diskuterade de kulturella och juridiska konsekvenserna av att förstöra sällsynta böcker för att träna kommersiella AI-system.

Amazon ansluter sig till en växande lista

Rapporten är det senaste kapitlet i en bredare kontrovers om ödet för fysiska böcker under AI-eran. Tidigare i somras dokumenterade bokhandlare och forskare hur AI-företag köpte antika och slutna volymer i hundratusentals, matade in dem i utbildningsdatauppsättningar och förstörde de fysiska kopiorna – en praxis som kritiker beskriver som den industriella utplåningen av kulturarvet.

Det som utmärker den nya rapporteringen är att den namnger en specifik anläggning, ett specifikt företag och en specifik leveranskedja. Fram till nu har mycket av diskussionen förlitat sig på samlade anspråk från bokhandlare och domstolshandlingar. En spårad försändelse erbjuder en konkret datapunkt: en låda med sällsynta böcker, en köpare och en byggnad.

Varför efterfrågan på utbildningsdata fortsätter att eskalera

Ekonomin bakom praktiken är okomplicerad. Frontier AI-modeller rapporteras allmänt ha konsumerat det mesta av högkvalitativ text som är lätt tillgänglig på den öppna webben, vilket tvingar företag att söka efter svårare åtkomliga källor: böcker, arkiv och licensierade korpus. Sällsynta och out-of-print volymer är attraktiva just för att de sannolikt inte kommer att förekomma i vanliga webbskrapade datamängder.

För kritiker har förstörelsen av fysiska böcker för att mata den efterfrågan blivit en symbol för branschens extraktiva förhållande till mänsklig kultur – data som en resurs som ska utvinnas oavsett vad som går förlorat i processen. För de inblandade företagen representerar digitaliserade böcker en juridisk gråzon som domstolar och lagstiftare fortfarande sorterar igenom, särskilt eftersom upphovsrättstvister över utbildningsdata går igenom flera jurisdiktioner.

Varken skanning eller digitalisering i sig kräver förstörelse - förstörelsen, konstaterar förläggare och arkivarier, verkar vara en kostnadsbesparande åtgärd, eftersom lagring av fysiska volymer är dyrare än att pulpa dem när innehållet har fångats.

Bevarandeproblemet

Arkivarier har länge hävdat att digitalisering inte är bevarande. En skanning fångar texten i en bok men inte dess marginaler, dess bindande historia, dess materiella kvaliteter - egenskaperna som gör en sällsynt volym till en historisk artefakt snarare än en behållare av ord. Att förstöra den fysiska kopian efter skanning stänger dörren vid framtida undersökning, och till skillnad från digitala filer kan en massabok inte skannas om eftersom bildtekniken förbättras.

Bokhandelns ekonomi förvärrar förlusten. Sällsynta och slutna volymer finns kvar i ett litet antal. När köpare med budgetar i AI-skala kommer in på marknaden kan de bjuda över bibliotek och samlare för de återstående exemplaren – och när dessa kopior förstörs efter skanning kan den överlevande befolkningen i en given upplaga krympa permanent inom månader.

Bokhandlarföreningar i Europa har varit bland de mest högljudda kritikerna av praktiken, och 404 Media-utredningen ger deras varningar ett konkret fotavtryck: en anläggning, en leveranskedja och en namngiven företagsköpare.

Vad kommer härnäst

Undersökningen kommer sannolikt att intensifiera granskningen av Amazons roll i AI-dataförsörjningskedjan, en position som annars domineras av dess molnverksamhet. Det kan också förnya uppmaningar i Europa och USA om regler som kräver bevarande av kulturellt material som används i AI-träning, en idé som har spridits av bokhandlarföreningar och vissa beslutsfattare när omfattningen av bokköp har blivit tydligare.

För tillfället är det mest konkreta resultatet av utredningen informativ: en namngiven anläggning, en dokumenterad resa och ett offentligt register om att bokhandelns varningar inte var abstrakta. De sällsynta böckerna i den spårade sändningen avslutade sin resa i Las Vegas. Deras innehåll lever förmodligen vidare i en utbildningskorpus.

Följ AI Data Wars

Träningsdata, upphovsrättsstrider och AI-etiken i stor skala – täcks dagligen på AI Buzz Wire.

Läs mer AI-nyheter →