稀有書籍貨件追蹤至 Amazon AI 訓練設施 —— 對保存與版權的影響

Amazon 的 AI 訓練設施收到一批稀有書籍

事件經過： 調查記者追蹤了一批大量購買的二手「稀有」書籍，這些書籍最終運抵了一處由 Amazon 擁有的 AI 訓練場地。重要性： 此事件凸顯了大語言模型 (LLM) 開發者獲取實體著作的方式，引發了關於版權合規性、文化保存以及攝取冷門書目實際效用的疑問。

結論： 追蹤數據、運輸清單和現場照片證實，一批真實的實體書籍進入了 Amazon 的數據中心綜合體。

結論： 貨件中的大多數書籍可能是需求量低、已絕版的著作，而非珍貴的首版書。

結論： 在現行美國法律下，企業可以在不獲得明確許可的情況下，為了內部訓練而將受版權保護的著作數位化，前提是這些副本不進行分發。

幾位評論者（例如 @whatever1, @RobotCaleb）指出，這種做法符合現有的版權原則，即在轉換性、非公開的背景下，允許為了「合理使用」而製作副本。
由於缺乏關於哪些書目被掃描的公開披露，很難評估如果這些作品日後被複製，任何合理使用辯護是否站得住腳。

結論： 銷毀僅存的實體副本會消除數位掃描無法完全取代的取證記錄。

結論： 主要驅動力是數據多樣性；即使是邊際獨特的文本也能提高模型的魯棒性，儘管投資報酬率尚不明確。

結論： Hacker News 的討論建議提高透明度、加強追蹤，並可能對稀有書賣家進行「KYC」式的審查。

@AceyMan 建議二手書商實施驗證步驟，以防止無意中為 AI 訓練管線做出貢獻。
@dr_dshiv 強調了其他的保存工作，例如 Embassy of the Free Mind 的 SourceLibrary.org，該網站會掃描稀有的文藝復興時期文本以供大眾存取。
@bhouston 讚揚揭露該貨件的調查工作，指出持續的監督可以威懾不透明的數據獲取行為。

首要回答： 一批經過證實的稀有絕版書被送往 Amazon 的 AI 訓練設施，暴露了一種灰色地帶做法，即企業為了內部模型訓練而將受版權保護的著作數位化——這引發了關於文化流失、版權合規性以及此類數據對大語言模型實際價值等合理的擔憂。