Amazon 为训练 AI 正在销毁珍稀书籍
Amazon, which started off selling books, is destroying rare texts to train AI
Amazon 这家以卖书起家的巨头，如今正购买大量珍稀书籍，切掉书脊后进行扫描，以此获取训练 AI 模型所需的独特数据。据 404 Media 追踪发现，这些书籍最终被送往 Amazon 位于拉斯维加斯的 VGT3 设施。由于互联网上的公开文本已被 LLM 大量消化，且 AI 生成内容可能导致“模型坍塌”，那些绝版或无法在线获取的珍稀文本成了训练数据的新金矿。这些 2022 年之前出版、未被 AI 污染的书籍，对于避免模型质量退化至关重要。
当 LLM 在 AI 生成的文本上进行训练时，它们面临着“模型坍塌”的风险，即在摄入过多 AI 生成内容后，模型输出的质量会逐渐退化。
HN 评论区
16- ChrisArchitect
[重复] https://news.ycombinator.com/item?id=49330742
之前也有过：
- littlecranky67
好吧，扫描完他们确实得销毁，否则就是侵犯版权。也许在美国不是这样，但在很多司法管辖区，你被允许制作书籍、CD 等的副本或扫描件，但如果你出售了介质，就必须删除副本。
鉴于 Anthropic 刚刚因下载/盗版被罚款 10 亿美元，我们真的不能责怪公司在扫描后销毁书籍。我们应该责怪的是版权法。
- anygivnthursday