辽宁
美国人工智能公司Anthropic最近干了一件让人难以置信的事，这家公司从2024年初启动“巴拿马计划”，砸下数千万美元，从全球二手书商那里批量采购纸质书。单笔订单少则一千本，多则上百万本。他们尤其喜欢冷门学术书、绝版教材、地方史料、小语种文献和古籍，因为这些书的内容质量高；而且大多是2022年之前出版的，没有被AI生成内容污染过。
他们为什么要这么做？因为训练大语言模型需要海量高质量文本。
互联网上的公开网页虽然多，但垃圾内容太多，尤其现在生成式AI普及之后，机器写的文章到处都是，质量大幅下降。如果AI反复用这些合成数据训练自己，就会出现“模型塌缩”的后果，简单说就是模型的输出会越来越同质化，最后变得驴唇不对马嘴。
纸质书来自人类原创，经过编辑审校，结构完整、语言精准、知识密集，被视为“干净的知识矿藏”，能有效避免模型退化。
按理说，把书买来扫描数字化，这本身还能接受。但问题出在操作方式上，Anthropic拿到书之后，直接动用液压切割机切断书脊，再用高速扫描仪把散页扫成电子版，然后——这些书页就被粉碎销毁了。很多书本来就印数少，尤其是古籍，毁一本就少一本。
宝贵的学术成果还没来得及广泛传播，就变成了纸屑。更让人不安的是，这家公司走的是闭源路线，数据库不对外开放。这等于把知识集中到自己手里，筑起壁垒，搞知识垄断，长远看肯定会阻碍人类文明发展。
除了毁书，Anthropic还干过另一件事。早在2021年，其联合创始人之一就曾亲自操作，从网上下载了至少五百万本盗版图书，2022年又下载了几百万本。后来作者发现后告上法庭，法院判他们赔偿15亿美元，折合人民币超过100亿元。但讽刺的是，对于毁书的行为，联邦法官威廉·阿尔苏普却认为这属于“合理使用”，目的是“变革性”的大模型训练，所以没有处罚。
法律只是道德的底线，公众没法用底线来要求社会。Anthropic的做法虽然法律上可能逃过一劫，但舆论不会放过。
丑闻曝光后，马斯克紧急在社交媒体上表态，说他已经对自己的AI公司SpaceXAI提出要求，必须以不损坏书籍的方式进行扫描，处理后的数据要保存在图书馆里。但要注意，他说的是“我已要求”，这明显是看到舆论发酵才临时调整的，说明之前SpaceXAI大概率也是用同样粗暴的手段。不过马斯克这个举动至少证明，公众舆论还能给这些巨头施加一些压力。
但直到现在，Anthropic和其他几家公司还没有像马斯克那样做出承诺。谁也不知道他们是不是还在继续毁书。在资本面前，人类文明成果就这么被随意践踏。如果这种观念不被遏制，未来的人类世界会变成什么样，真是不敢想。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
