追踪珍稀书籍，终点竟是Amazon AI训练场
We Tracked a Shipment of Rare Books. It Ended at an Amazon AI Training Facility
我在珍稀书籍中植入追踪器，想看看哪家AI公司会购买它们，结果发现终点是Amazon位于拉斯维加斯的VGT3设施。调查发现，Amazon正大量收购书籍，切断书脊进行扫描以获取AI训练数据，随后将书籍销毁。员工透露，他们的工作就是接收书籍、拆封并扫描，而该设施的标志是一只手持书籍的霸王龙。AI公司急需高质量的人类文本数据来训练LLM模型，而纸质书籍因不含AI生成内容成为理想来源。尽管有争议，Amazon仍坚持这一做法，声称这是为了改进产品。
AI公司并不在乎书籍的历史价值、智力价值或情感价值，他们只想要内容作为一串文字。
HN 评论区
31- joshstrange
我实在很难对这件事感到激动。'珍稀书籍'这个词被频繁使用，但我的直觉告诉我事实并非如此。这些是二手书（经常？总是？），虽然肯定存在浪费，但总体而言他们只需要每本书的一份副本。
虽然我希望有一个已经数字化的所有书籍的仓库（想到这是目前最好的解决方案让我很痛心），但事实上并没有，所以我认为这并不是一个真正的问题。
如果他们真的建了只烧珍稀书籍的熔炉，并且必须不断往里塞书，那故事就完全不同了，但这里发生的情况并非如此。而那本被销毁的副本将以某种方式'活下去'，否则它可能根本无法做到这一点。
- dr_dshiv
我们真的需要思考亚马逊、Anthropic、OpenAI 以及其他公司在此类行为上的长期影响。
因为干这件事的不仅仅是一家公司，而是几十家甚至上百家，它们都拥有巨额预算，并且都在争夺同一批日益枯竭的旧书供应。那些谈论图书馆清仓和类似措施的人忽略的是，这种为了 AI 摄入而进行的破坏性书籍扫描所涉及的规模之大。这是前所未有的。
几年后，市面上可购买的旧实体书数量暴跌至几乎为零并非不可能，而且在许多情况下，这将包括某些特定版本的最后一本副本。二手书店将关门，大量小众知识可能会永远失传。更糟糕的是，这一切都将在相对隐秘中进行，没有任何透明度，也不会保留关于损失内容的公共记录。
更严重的是，这种事只能做一次。如果我们的社会现在不采取任何行动，将来就没有重来的机会。一旦实体书被销毁，它就永远消失了，如果我们还能剩下一个数字副本，那就算运气好。但即便如此，数字副本也无法提供实体副本所具备的那种法医级的可验证性。未来的研究人员如果想寻找这些书籍中可能包含的材料，将一无所获。
如果我们的社会对此无所作为，我们将因此变得更为贫瘠。
- Aurornis
自由思想大使馆（https://www.embassyofthefreemind.com）是位于阿姆斯特丹的一家珍稀书籍图书馆，他们正用老派的方式扫描书籍……这促成了 https://SourceLibrary.org 的诞生——一个收录了 5000 多本文艺复兴时期书籍的集合，这些书此前从未被翻译过。如果你关心这个话题，请考虑捐款！
- olalonde
这感觉像是一场人为制造的争议。别人买了书之后怎么处理，对我来说有什么区别吗？无论他们怎么做，这本书对我来说实际上都已经不可获取了。如果人们真的担心这些'珍稀'书籍，他们应该游说版权所有者将其发布到网上或印刷更多副本。
- ursuscamp
这篇文章的长度以及那些不必要的可视化图表，在看完结尾发现他们根本不会透露任何关于被扫描书籍的信息后，感觉纯属浪费。
他们最接近真相的承认是，这些'珍稀书籍'并不是人们听到'珍稀书籍'这个词时通常会关心的那种东西：
> 正如卖给我这些书的书商告诉我的，世界上没多少人会像关心《雾都孤儿》第一版那样关心这些书，但这并不意味着它们没有价值。
好吧？但既然如此，为什么它们被认为有价值到值得专门写一篇文章报道它们被送往书籍扫描设施呢？在不透露任何关于这些书籍具体信息的情况下，我完全不知道它们是那些被低估的经典文学作品，还是某种关于《如何使用 Microsoft Office 97》的旧指南。
推特上曾有一个更平衡的观点（我现在找不到了，因为推特），一位书商表示情况更接近后者：这些书之所以稀有，是因为它们不再有人需要，大多数人早就把副本扔掉了。部分媒体正在竭尽全力暗示这些是被珍视的文学经典被送进碎纸机，从而剥夺了人类宝贵的东西，但那位书商似乎很乐意卖掉这些没人想买、毫无用处的旧书。
- andsoitis
这里的'稀有'是指你祖父 1982 年的 John Deere 手册，而不是指《了不起的盖茨比》的试印版。这些 AI 公司摄入的书籍数量，与每年通过正常途径销毁的旧书数量相比，不过是沧海一粟。
- spogbiper
让我感到最可怕的是，这些公司甚至对保护工作都不屑一顾。当 AI 变得比人类更强大时（这显然是迟早的事，尽管关于时间跨度存在很多不确定性和不同意见），我希望 AI 会比我们更关心保护人类。
从目前我观察到的强大组织的运作方式来看，我并没有像我希望的那样确信。
- xiphias2
'珍稀'这个词在这些标题和文章中被用来煽动情绪并骗取点击量。