最近，一股神秘的图书采购热潮席卷全球，引发了关于人工智能公司为训练模型而“毁灭书籍”的激烈争论。尽管公众对“珍本”被毁感到愤怒，但事实更为复杂。证据表明，至少有一家AI公司确实曾为扫描数据而购买并销毁书籍。然而，当前被大量收购的旧书大多并非传统意义上的珍本，而是一些过时的非虚构类书籍。虽然多家公司被卷入其中，但由于保密协议和中间商的存在，真正的买家身份仍然扑朔迷离。最终，比起物理书籍的损毁，AI将人类知识“消化”并同质化的行为，可能对文化造成更深远的破坏。
公众恐慌与未解之谜
社交媒体和新闻报道指责AI公司为方便扫描而切掉书脊，随后丢弃书籍，其中包括“数百万珍本”，这一行为被称为“邪恶的化身”。恐慌迅速蔓延，但其中夹杂着许多未经证实的信息。
- 最初的报道将矛头指向一家名为 ISBNdb 的图书数据库公司，但没有直接证据表明该公司参与了近期的采购。
- 报道中提及的“珍本”究竟有多稀有、多大价值，这一点并不清楚。
- 尽管如此，关于AI公司牺牲实体书来训练模型的讨论已经演变成一场公众恐慌。
事实：我们已知的情况
尽管许多细节被模糊的购买记录和相关公司的沉默所掩盖，但我们仍掌握一些关键信息。
- 至少一家大型AI公司承认使用了实体书。 根据法庭文件，AI巨头 Anthropic 曾在2024年春季购买了数百万册新旧书籍，扫描后将其销毁，用以训练其AI模型。
- AI公司热衷于购买 2022年（ChatGPT发布前） 出版的书籍，以确保训练数据不含AI生成的文本。
- 当AI模型被投喂自身的输出内容时，其性能会显著下降，这种现象被称为“模型坍塌”。这使得获取人类原创内容变得至关重要。
- 全球各地的书商都报告了来自单一买家的异常大宗订单，有时一个订单就包含几十本书。
所谓的“珍本”究竟是什么？
与许多报道相反，被大量采购的旧书似乎并非传统意义上的“珍本”。
“我们收到的订单包括像《1995年丹佛都市圈内幕指南》或《如何使用Corel WordPerfect 1991》这样的东西。”
这些书属于一个特殊类别：它们可能因为印量少而存世不多，但同时也已过时、不受读者欢迎且本身没有太大价值。在某些情况下，书商指出，运费甚至超过了书籍本身的售价。AI公司的目标是以尽可能低的成本获取大量文本，因此他们不太可能刻意为初版或稀有藏本支付高价。
谁是幕后买家？
调查指向了几家公司，但情况错综复杂。
- ISBNdb.com: 最初被指控，但该公司否认曾为AI训练购买、扫描或销毁任何书籍。他们声称网站上相关的广告页面只是为了探索市场需求，从未付诸实施。
- Zoom Books: 许多书商提到的一个更可能的买家是这家加拿大公司。德国和新西兰的书商都报告收到了来自 Zoom 的大额订单。然而，Zoom公司回应称其业务不涉及图书的数字化、扫描或销毁。
- PrepFort: 书商发现，一些来自Zoom的订单收货地址属于 PrepFort。这是一家第三方物流公司，专门为在亚马逊和沃尔玛上销售的商品做准备。使用这类中间商符合AI行业通过中介获取训练数据的策略，这为真正的买家提供了掩护。
- 2077AI: 这家总部位于新加坡的组织直接向荷兰书商发送邮件，希望购买数千种学术书籍，例如《岩土力学中的离散元建模》等。这类书籍印量小，知识深奥，在特定领域内很重要，可以被认为是真正的“稀有”书籍。
物理毁灭与文化破坏
目前我们知道的是，包括 Zoom Books 在内的一些公司正在大量收购二手书，但我们不确定这些书是否最终流向AI公司并被销毁。然而，基于 Anthropic 的先例和 2077AI 的尝试，这种可能性非常高。
即使没有发生字面意义上的焚书，将数百万本书籍的内容“摄取”，剥离其作者身份，并将其融合到一个以聊天机器人命名的同质化“智能”中的过程，本身就极具破坏性。
这种行为掩盖了知识创造过程中的艰辛与合作，削弱了作者创作的动力，并赋予AI公司对信息传播的巨大权力。与这种规模的文化损害相比，实体书的物理毁灭似乎显得微不足道了。