珍稀图书遭粉碎用于 AI 训练引众怒，图书数据库 ISBNdb 下架 AI 相关测试页面

IT之家 8 月 2 日消息，本周，一则关于大量珍贵图书被集中粉碎、仅为训练大语言模型（LLM）提供数据的消息，引发了读书爱好者和普通网友的广泛关注。消息称，一些图书供应商近期收到了数量异常庞大的图书订单。业内人士猜测，AI 公司希望获得质量更高、更干净的训练数据，同时尽可能规避版权风险。而这场争议的焦点，则指向了图书数据库网站 ISBNdb。外界认为，该网站不仅鼓励这种做法，甚至还为 AI 公司与图书供应商之间牵线搭桥。随着舆论迅速发酵，ISBNdb 开始试图与这场争议划清界限，并删除了自己此前发布的相关内容。ISBNdb 在最新声明中表示：“我们已经注意到近期关于网站上一则营销落地页的报道，也理解它所引发的担忧。我们并不训练 AI 模型，也从未从事过相关业务。那个页面只是一次市场需求测试，相关服务从未真正上线，目前我们已经将页面删除。”几天前，404 Media 报道称，多家图书供应商突然接到大量图书采购订单。由于学校和图书馆近年来预算紧张、采购需求下降，不少供应商经营压力较大，因此更容易接受这类大额订单。当时外界普遍怀疑幕后买家是 AI 公司，而 ISBNdb 则成为舆论焦点，因为它曾推出一项服务，似乎专门帮助 AI 企业与图书仓储机构建立联系。如今已经删除的宣传页面上曾写道：“世界上最优质的 AI 训练数据，就摆放在书架上。图书承载着经过筛选、同行评审和专业领域沉淀的人类知识，其结构化程度是任何网络爬虫都无法复制的，内容密集、经过编辑且具有权威性。”事实上，这一做法并非首次曝光。早在今年 1 月，一份公开的法庭文件就披露了 Anthropic 内部代号为“Project Panama（巴拿马计划）”的项目。该项目旨在尽可能购买大量图书，完成数字化扫描后再将实体书销毁。Anthropic 此后与作者达成了一项总额 15 亿美元（IT之家注：现汇率约合 101.47 亿元人民币）的和解协议。不过，随后公开的法庭文件显示，这种做法本身被认为是合法的，真正让公司担忧的是由此带来的负面舆论。因此，Anthropic 愿意支付高额代价，以避免相关做法被曝光。如今，这一内幕已经公开，因此近期出现的大量珍贵图书采购订单也受到了更严格的关注。一位匿名图书卖家在接受 404 Media 采访时表示：“这么做既能帮我清理那些本来就很难卖出去的库存，也能让我赚到钱。但另一方面，我并不喜欢这些图书最终的用途，也不愿意看到一些稀有图书被直接打成纸浆。”报道称，随着 AI 公司越来越难获得“干净”的训练数据，它们正在寻找新的数据来源。互联网上大量低质量内容，以及越来越多由 AI 自己生成的内容，都可能导致模型训练出现“负反馈循环”问题。因此，各家公司希望获取质量更高的数据，同时又尽量避免引发外界关注。今年夏天，电影公司 A24 就宣布与谷歌达成合作，为 DeepMind 提供训练素材，希望帮助其媒体生成模型摆脱大量质量低劣、风格混乱的 AI 内容。至于为何要销毁实体书，报道认为，这并不是为了掩盖痕迹，也不是出于收藏稀有知识的目的。虽然“巴拿马计划”的相关文件并未说明销毁图书的具体原因，但最可能的解释仍然是为了降低成本。实际上，图书数字化扫描并不一定需要破坏原书，但如果整个流程追求低成本、高效率，就很可能直接拆掉书脊，以获得更平整、更清晰的扫描效果，随后再将已经损坏的书籍当作废纸处理。