亞馬遜掃描稀有書後銷毀，餵 AI 模型 Nova 訓練

Elponcrab

33 分鐘前

一枚塞進舊書裡的 AirTag，揭開了 AI 訓練資料背後的實體代價。根據獨立媒體 404 Media 8 月 18 日的調查，一批運往亞馬遜的稀有書籍，在抵達倉庫後被裁掉書背、逐頁掃描，實體書則在過程中被銷毀，掃描出的資料用來訓練亞馬遜的 Nova 模型。

Table of Contents

AirTag 從加州一路追到拉斯維加斯倉庫

404 Media 在一筆透過二手書平台 Biblio 下單的 1,000 本書中，把一枚 Apple AirTag 藏進一本冷門書內。追蹤軌跡顯示，這枚 AirTag 從加州，一路經過威斯康辛與科羅拉多，最後停在亞馬遜位於拉斯維加斯的園區、一座名為 LAS8 的倉庫;倉內有個代號 VGT3 的單位，門上還漆著「恐龍拿著書」的標誌。據亞馬遜員工描述，他們整天的工作就是切掉書背，把書一頁頁送進掃描機，實體書因此被摧毀。

為何要用實體書:躲開「模型崩潰」

會這麼大費周章，是因為 2022 年以前印製的紙本書，含有大量沒有廣泛出現在網路上，也非機器生成的文字，是相當有價值的訓練素材;若拿 AI 生成的文字反覆訓練，模型品質會在遞迴循環中退化，也就是所謂的「模型崩潰」。亞馬遜證實它「透過商業管道購書，以協助開發與改善產品和服務」，但這項作業先前未被公開報導過。這種做法並非亞馬遜獨有:Anthropic 也曾以代號「Project Panama」的計畫大規模買書、裁切並數位化，並已就盜版書籍的爭議以 15 億美元和解，Salesforce 則面臨相關的集體訴訟。當 AI 對「乾淨資料」的胃口越來越大，實體書的命運與版權界線，正被推到聚光燈下。