为了在训练大模型时加快数据录入速度，人工智能巨头 Anthropic 竟然毁掉了上百万本实体书。
当地时间7月20日，法院正式批准了 Anthropic 与作家群体达成的15亿美元和解协议。这是美国版权法历史上金额最高的和解案。不过，比起这笔巨额赔款，外界更盯着的是 Anthropic 内部推行的一项“毁书计划”。
根据法院公开的文件，Anthropic 在2024年初启动了名为“巴拿马计划”的项目。公司砸下数千万美元，从二手书商手里大量收购实体书，然后采用“破坏性扫描”的方式处理这些书：用工业设备切开书脊，逐页扫描内容存入数据库，最后把纸张销毁扔掉。据估算，已有200万册实体书籍因此被毁。
这背后，是 AI 公司对高质量训练数据的疯狂抢夺。相比网上那些质量参差不齐、甚至全是 AI 生成的内容，经过作者创作、编辑审核和出版流程层层筛选的书籍，堪称大型语言模型的信息宝库。而非破坏式扫描虽然保留书籍完整，但相比之下，破坏性扫描能大幅提升效率，还能降低成本。
尽管法院已经认定，Anthropic 通过合法渠道买书并用于大模型训练，属于“合理使用”，但这种毁坏书籍的做法依然引发了广泛争议。
作家的集体诉讼，扯出了 Anthropic 的“毁书计划”
“巴拿马计划”之所以曝光，源于一起作家集体诉讼。
2023年，美国恐怖小说作家安德莉亚·巴茨（Andrea Bartz）偶然发现，自己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。
她不愿自己苦心孤诣的成果被 AI 公司“窃取”，去构建它们价值数十亿美元的生意。于是，2024年8月，巴茨联合其他作家，在美国作家协会的支持下，向 Anthropic 提起集体诉讼。
随着司法调查深入，Anthropic 的数据获取手段彻底曝光。事实上，如今备受诟病的“破坏性扫描”，其实是 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，为了拿到高质量训练数据，Anthropic 最初曾试图通过收集盗版电子书来建立数据库。
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”，此举侵犯了作家权利。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”。
换句话说，破坏性扫描不违法，违法的是搞盗版。
今年7月，Anthropic 与一批作者达成总额高达15亿美元的和解协议。按照协议，每一本符合条件的书籍版权所有者平均能获得约3000美元赔偿。这场持续两年的版权纠纷，终于有了阶段性结果。
“破坏性扫描”，争议不只限于法律
尽管 AI 模型训练被法院认定为对书籍的“合理使用”，但“破坏性扫描”引发的争议早已溢出法律层面。
人们最担心的是珍贵书籍可能在此过程中遭到不可逆的破坏。虽然目前没有确凿证据表明 Anthropic 的项目已经销毁了具有特殊价值的珍稀书籍，但当涉及数百万册图书时，公众依然担忧，一些珍贵的历史古籍和绝版书籍可能已经流入 AI 训练的供应链。
对于 AI 公司来说，书籍的价值仅在于其中的文字数据。它们在扫描时未必会区分一本珍贵孤本与普通书籍的差异。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：“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
