独立科技媒体 404 Media 报道称，其在一批稀有书籍中放入追踪设备后，看到这批书被送往亚马逊位于拉斯维加斯的一处设施。报道指出，亚马逊会在这里扫描纸质书，并在过程中将书拆毁，用于训练 AI 模型。
这篇调查于周一发布。404 Media 称，这是首次公开定位与 AI 训练相关的大宗图书采购最终流向何处。
报道提到，这批书的最终目的地是亚马逊的 VGT3 团队。根据员工向 404 Media 的说法，该团队的工作就是接收大批纸质书，切掉书籍装订部分，让页面能更快进入扫描仪，书也会在这一过程中被毁。报道还写道，这个团队的标志是一只爪子抓着书的恐龙。
为何纸质书突然变得抢手
报道称，2022 年之前出版的书籍包含的文本，很多并没有现成地大量出现在互联网上，而且关键在于，这些内容并不是机器生成的。文中提到，如果模型反复用自身产出的内容训练，可能出现「模型崩塌」，即质量在递归循环中不断下降。
按这一说法，2022 年前出版的纸质书成了 AI 训练可用的「干净」文本来源。
不只亚马逊参与其中
报道称，亚马逊并不是唯一一家这样做的公司。围绕向 AI 实验室供应实体书，已经出现了一条小规模产业链：这些书会被拆解、扫描，然后丢弃。报道还提到，Anthropic 的内部项目「Project Panama」已经大规模开展过这一流程，通过破坏性扫描将数百万本书数字化。
版权问题已进入法院
对「干净文本」的争夺已经进入诉讼阶段。报道提到，一名联邦法官裁定，使用合法购买的图书训练 AI，可能构成合理使用。这被视为 Anthropic 的一项部分胜利，Meta 和 OpenAI 也提出过类似主张。
不过，盗版副本是另一回事。报道称，Anthropic 已就扫描盗版书籍一事同意支付 15 亿美元和解金，Salesforce 目前也因涉嫌图书盗版面临集体诉讼。
图书卖家的怀疑如何被证实
报道称，过去一年里，一些书商注意到大宗订单激增，并怀疑背后是 AI 公司，因为这些买家对价格并不敏感，挑选的书目看起来也较为随机。404 Media 表示，这些担忧最终因一枚 AirTag 显示出的目的地而得到证实。
亚马逊回应
亚马逊表示，公司「通过商业渠道购买图书，以帮助开发和改进客户使用的产品和服务」。