Anthropic“毁书”练模子：激发数字取秘本担心

　　人们最大的担心是宝贵册本可能正在这一过程中遭到不成逆的。虽然目前没有确凿的表白Anthropic的项目曾经了具有特殊价值的珍稀册本，但当范畴涉及数百万册图书时，仍然担忧，一些宝贵的汗青古籍和册本可能曾经进入到锻炼AI的供应链之中。

　　对于AI公司而言，册本的价值只正在于此中的文字数据。它们正在扫描过程中未必会区分一本宝贵秘本取普黄历籍之间的差别。但对于书商、珍藏家、档案学者和汗青研究者而言，实体书本身也是文化的一部门，其纸张、拆帧、批注和传播踪迹都承载着无法被数字化内容替代的汗青价值。

　　法院披露的文件显示，Anthropic公司于2024岁首年月启动代号为“巴拿马打算”的项目。该公司破费数万万美元，从二手书商大量采办实体书，并采用“性扫描”的体例处置这些册本，即用工业设备切开书脊，将每一页的内容进行扫描，保留至数据库，然后再将这些纸张丢弃，估量已有200万册实体册本被毁。

　　跟着司法查询拜访深切，Anthropic的数据获取手段全面。现实上，现在被诟病的“性扫描”，曾经是Anthropic正在法令压力下采纳的一种成本更高的数据获取体例。

　　正在客岁6月裁定，该公司将跨越700万本盗版册本保留至一个“地方数据库”，这一行为了做家的。但同时也认定，Anthropic利用渠道采办册本锻炼模子，是对做家做品的“合理利用”。

　　Anthropic的行为激发普遍关心，大概还有一个主要缘由正在于，“毁书”这一行为所具有的意味意义，以及它带给的强烈负面不雅感。

　　但问题正在于，AI公司的册本数字化取公共机构鞭策的文化保留存正在素质区别，而不是面向的公共藏书楼。更是让人看起来颇有“养虎遗患”的意味。这进一步激发了人们对学问垄断的担心，AI公司似乎正正在将人类共有的学问遗产私有化为独家的内部数据。

　　因而，当大量实体书被切割、扫描并最终丢弃时，它极易让人发生一种负面联想——Anthropic能否正正在将本来属于全人类的文化遗产，为本身掌控的资本？

　　本地时间7月20日， Anthropic取做家集体诉讼告竣的15亿美元息争和谈获院核准，这成为美国版权法汗青上息争金额最高的案件。但比起天价的息争费用，更惹人关心的是Anthropic内部的一项“毁书打算”。

　　这一行为背后，是AI公司对于高质量锻炼数据的激烈抢夺。比拟互联网上质量低下、以至本身就是由AI生成的内容，编纂审核和出书流程筛选的册本，是锻炼大型言语模子的消息宝库。而取非的扫描体例比拟，性扫描可以或许提高效率、降低成本。

　　当然，也有概念支撑AI公司对册本的大量扫描。他们认为，取其让大量冷门的旧书持久沉睡界某个角落，不如让它们通过人工智能系统，从头成为人类学问库的一部门。

　　2023年，美国可骇小说做家安德莉亚·巴茨（Andrea Bartz）不测发觉，她的做品呈现正在一个被Anthropic等AI公司普遍利用的锻炼文本库中。

　　她不甘愿宁可本人苦心创做的被AI公司“”，去建立它们价值数十亿美元的生意。2024年8月，巴茨结合其他做家，正在美国做家协会支撑下，向Anthropic倡议集体诉讼。

　　虽然法院曾经认定，Anthropic 通过渠道采办册本，并用于大模子锻炼，属于“合理利用”。但这种册本的做法仍然激发了普遍争议。

　　虽然AI 模子锻炼属于一种对册本的“合理利用”，获院支撑，但“性扫描”这一行为惹起的争议曾经超出了法令层面。

　　正在人类汗青中，册本持久被视为学问、回忆取文明传承的主要载体。保留册本、传送思惟取学问，某种程度上就是正在延续文明。而汗青上的大规模毁书事务，无论是秦始皇期间的焚书，仍是期间的焚书活动，往往都取节制、思惟联系正在一路。

　　“毁掉册本、投喂AI”这一极具意味意味的画面，可能也刚好取当下延伸的AI发急发生了共振。当一本本承载着人类文明的册本被切割、扫描，并成为锻炼AI的“燃料”时，人们担忧的也许不只是某些册本被，而是人类本人创制的机械最终会反噬本身。