在训练大模型时，为了提高数据录入效率，人工智能巨头Anthropic毁掉了上百万本实体书。

当地时间7月20日， Anthropic与作家集体诉讼达成的15亿美元和解协议获得法院批准，这成为美国版权法历史上和解金额最高的案件。但比起天价的和解费用，更引人关注的是Anthropic内部的一项“毁书计划”。

法院披露的文件显示，Anthropic公司于2024年初启动代号为“巴拿马计划”的项目。该公司花费数千万美元，从二手书商大量购买实体书，并采用“破坏性扫描”的方式处理这些书籍，即用工业设备切开书脊，将每一页的内容进行扫描，保存至数据库，然后再将这些纸张销毁丢弃，估计已有200万册实体书籍被毁。

这一行为背后，是AI公司对于高质量训练数据的激烈争夺。相比互联网上质量低下、甚至本身就是由AI生成的内容，经过作者创作、编辑审核和出版流程筛选的书籍，是训练大型语言模型的信息宝库。而与非破坏的扫描方式相比，破坏性扫描能够提高效率、降低成本。

尽管法院已经认定，Anthropic 通过合法渠道购买书籍，并用于大模型训练，属于“合理使用”。但这种毁坏书籍的做法仍然引发了广泛争议。

作家的集体诉讼，牵出Anthropic的“毁书计划”

巴拿马计划的曝光，源于一场作家的集体诉讼。

2023年，美国恐怖小说作家安德莉亚·巴茨（Andrea Bartz）意外发现，她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。

她不甘心自己苦心创作的成果被AI公司“盗用”，去构建它们价值数十亿美元的生意。2024年8月，巴茨联合其他作家，在美国作家协会支持下，向Anthropic发起集体诉讼。

随着司法调查深入，Anthropic的数据获取手段全面曝光。事实上，如今被诟病的“破坏性扫描”，已经是Anthropic在法律压力下采取的一种成本更高的数据获取方式。

法院文件显示，为了获取高质量训练数据，Anthropic 最初曾通过收集盗版电子书的方式建立数据库。

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一个“中央数据库”，这一行为侵犯了作家的权利。但同时也认定，Anthropic使用合法渠道购买书籍训练模型，是对作家作品的“合理使用”。

也就是说，破坏性扫描不违法，违法的是盗版。

“破坏性扫描”，争议不只限于法律

尽管AI 模型训练属于一种对书籍的“合理使用”，获得法院支持，但“破坏性扫描”这一行为引起的争议已经超出了法律层面。

人们最大的担忧是珍贵书籍可能在这一过程中遭到不可逆的破坏。尽管目前没有确凿的证据表明Anthropic的项目已经销毁了具有特殊价值的珍稀书籍，但当范围涉及数百万册图书时，公众仍然担心，一些珍贵的历史古籍和绝版书籍可能已经进入到训练AI的供应链之中。

对于AI公司而言，书籍的价值只在于其中的文字数据。它们在扫描过程中未必会区分一本珍贵孤本与普通书籍之间的差异。但对于书商、收藏家、档案学者和历史研究者而言，实体书本身也是文化的一部分，其纸张、装帧、批注和流传痕迹都承载着无法被数字化内容替代的历史价值。

当然，也有观点支持AI公司对书籍的大量扫描。他们认为，与其让大量冷门的旧书长期沉睡在世界某个角落，不如让它们通过人工智能系统，重新成为人类知识库的一部分。

但问题在于，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公司的内部数据库，而不是面向公众的公共图书馆。

Anthropic对实体书籍的物理销毁，更是让人看起来颇有“斩草除根”的意味。这进一步引发了人们对知识垄断的担忧，AI公司似乎正在将人类共有的知识遗产私有化为独家的内部数据。

Anthropic的行为引发广泛关注，或许还有一个重要原因在于，“毁书”这一行为所具有的象征意义，以及它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、思想压制联系在一起。

因此，当大量实体书被切割、扫描并最终丢弃时，它极易让人产生一种负面联想——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，可能也恰好与当下蔓延的AI恐慌产生了共振。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，人们担心的也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