Anthropic Project Panama 與為 AI 訓練而毀損實體書的行為

AI 公司正將實體書數位化並毀損以獲取訓練數據

AI 公司正在收購數百萬本二手實體書，以獲取 2022 年以前的高品質訓練數據，因為這些內容較不容易受到 AI 生成內容的污染。在一種被稱為「破壞性掃描」（destructive scanning）的過程中，這些書籍會被拆解裝訂並切割成適合高速掃描的大小，隨後實體原件會被丟棄。

這種做法主要受三個因素驅動：

競爭優勢： 透過毀損實體副本，公司可以防止競爭對手也取得相同的稀有材料來用於其訓練集。
法律風險緩解： 在版權糾紛的背景下，儲存在私人伺服器上的數位副本比實體檔案更容易管理。
成本效率： 破壞性掃描比非破壞性方法顯著更便宜且更快，因為後者需要更多人力來修正頁面扭曲問題。

Anthropic 的「Project Panama"

Anthropic 的「Project Panama」已成為這種做法的主要案例。根據一項 15 億美元版權和解案（Anthropic v. Bartz）的細節，該公司花費了數千萬美元購買了數百萬本印刷書籍。這些書籍隨後由服務供應商處理，移除裝訂並將頁面掃描成帶有機器可讀文本的 PDF，然後丟棄紙本原件。

雖然法院裁定使用這些書籍來訓練 Claude LLM 是「極具轉換性」的，且根據《版權法》第 107 條構成合理使用，但該過程因其對知識實體保存的影響而引發了強烈的批評。

全球掃描倡議的呼籲

Anna's Archive，一個大規模的影子圖書館，正呼籲發起全球志願者行動，在稀有書籍、期刊和檔案被 AI 公司收購並毀損之前，將其掃描並上傳。該組織認為，這個過程造成了「知識壟斷」，使得某些文本的唯一倖存副本僅以私人數據的形式存在於企業伺服器上。

志願者被鼓勵掃描來自世界各地圖書館和檔案館的材料，以確保人類創作的知識能留在公共領域，特別是在 AI 生成內容開始主導網路的當下，這使得區分原始人類思想與合成輸出變得更加困難。

技術與倫理辯論

破壞性掃描的做法在技術專家與檔案管理員之間引發了兩極化的辯論：

反對毀損的論點

文化遺產的流失： 批評者認為，稀有書籍不僅僅是文字；它們包含排版、物質歷史和設計，這些在掃描過程中都會流失。
不可逆性： 一旦稀有副本被毀損，便無法恢復，如果企業實體決定限制存取，這實際上使得獲取該資訊的成本變得無限大。
與歷史損失的類比： 一些觀察者將此趨勢比作亞歷山大圖書館的焚毀，那裡數世紀的知識被永久抹除。

支持或中立的論點

大眾市場書籍的冗餘性： 許多人認為，大多數購買的書籍都是大眾市場的複製品。如果一本書存在數千本副本，毀損其中一本以換取數位版本並不傷及人類。
數位保存： 有些人主張，數位副本比二手書店中腐爛的實體書更耐用且易於存取。
機構保障： 其他人指出，美國國會圖書館和英國圖書館已經保存了幾乎所有在其各自領土內出版的書籍副本，使得毀損幾本二手書變得微不足道。

建議的解決方案

立法強制要求： 建議包括要求 AI 公司將任何不再受版權保護的書籍的高解析度掃描檔公開給大眾。
政府檔案管理： 有提議要求政府強制公司將原始掃描檔和 OCR 結果提供給國家檔案館以供妥善保存，直到版權到期。
非破壞性要求： 有人建議採用分層方法，對於真正的稀有書籍應進行非破壞性掃描，而大眾生產的商品化書籍則透過標準流程處理。