🐯虎嗅•最新收集於 25m
為什麼 AI 公司要銷毀正版書籍？
#copyright#training-data#data-governance#ai-policyai-training-data-acquisitionanthropicamazongoogle booksopenaispacex ai
💡AI 資料管線可能因保留或銷毀實體原件，而面臨不同的著作權風險。
⚡ 30-Second TL;DR
有什麼變化
文章稱 Anthropic 代號為 Panama 的內部專案會切除書脊、掃描頁面，再銷毀實體副本。
為什麼重要
如果相關做法屬實，可能影響 AI 公司設計授權資料管線及記錄著作權合規流程。這也凸顯高效取得語料、模型競爭力與文化資料保存之間的矛盾。
下一步行動
在使用受著作權保護的文字訓練模型前，請按司法管轄區審查語料庫，並保留來源、授權、掃描紀錄與刪除紀錄。
誰應關注：Founders & Product Leaders
關鍵要點
- •文章稱 Anthropic 代號為 Panama 的內部專案會切除書脊、掃描頁面，再銷毀實體副本。
- •該策略被描述為：以合法購買的實體副本為基礎，建立可主張為替代品的數位副本，以降低美國著作權風險。
- •文章將破壞式掃描與 Google 非破壞性的 Google Books 方法，以及 SpaceX AI 據稱對珍貴書籍的處理方式作比較。
- •依文章對中國法律的解讀，購買並銷毀書籍並不代表可未經授權掃描書籍，用於商業模型訓練。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •法律界對於『銷毀實體書以換取數位副本』是否構成美國著作權法下的『合理使用』（Fair Use）存在高度爭議，目前尚無明確判例支持此種大規模掃描行為。
- •此類『切書掃描』（Book Cutting）流程通常涉及第三方專業掃描服務商，這些服務商在處理受版權保護材料時，面臨與 AI 公司共同承擔侵權責任的法律風險。
- •除了 Anthropic，其他 AI 實驗室亦被指控利用類似的『影子圖書館』（Shadow Libraries）數據集進行訓練，這些數據集往往包含未經授權的數位化書籍。
- •美國出版商協會（AAP）及多位作家已針對 AI 公司未經授權使用受版權保護書籍提起多起集體訴訟，核心爭點在於 AI 訓練是否屬於『轉換性使用』（Transformative Use）。
- •此類行為引發了關於『數位保存』與『著作權保護』之間的衝突，圖書館界擔心這種破壞性掃描會導致珍貴文獻的實體遺產永久消失。
🛠️ 技術深入
- 掃描流程通常採用工業級高速掃描儀，並結合 OCR（光學字元辨識）技術將實體頁面轉化為機器可讀的純文字格式（通常為 JSON 或 TXT）。
- 為了優化模型訓練，掃描後的數據會進行去重、清洗與格式化，以去除頁碼、頁眉、頁腳等雜訊，確保訓練語料的純淨度。
- 該過程涉及將實體書的版權頁與元數據（Metadata）進行標註，以便在訓練過程中進行版權過濾或權重調整。
🔮 前景展望AI analysis grounded in cited sources
AI 公司將面臨更嚴格的數據來源審計要求。
隨著版權訴訟增加，監管機構可能要求 AI 開發商公開訓練數據集來源，迫使企業轉向授權數據庫。
出版業將大規模採用數位版權管理（DRM）技術保護訓練數據。
為防止 AI 公司未經授權抓取內容，出版商將在數位書籍中嵌入不可見的追蹤標記或加密技術。
⏳ 時間線
2023-09
Anthropic 與 Amazon 達成戰略合作，獲得大量雲端運算資源與數據處理支持。
2024-01
多位知名作家對 AI 公司提起集體訴訟，指控其未經授權使用書籍訓練模型。
2025-05
關於 AI 訓練數據合法性的法律辯論升級，涉及『切書掃描』的內部操作流程細節開始在媒體曝光。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗