AI公司大量购入旧书，因其不含AI垃圾

# AI公司大量购买旧书，因为它们没有AI垃圾 来源：https://www.404media.co/ai-companies-are-buying-tons-of-old-books-because-theyre-free-of-ai-slop/ 随着AI公司寻找更多训练数据来改进模型，一家公司正将旧印刷书籍视为理想来源，因为这些书籍保证不含AI公司自己生产的那种AI垃圾。 “世界上最好的AI训练数据就摆在书架上，” ISBNdb在其网站（https://isbndb.com/?ref=404media.co）上宣称。该公司自称生产“全球最大的书籍数据库”，并为AI公司提供大批量图书采购服务。“书籍代表着经过策划、同行评审、特定领域的人类知识，其结构化方式没有任何网络爬取能够复制。密集、经过编辑、权威。” 在网站的一篇文章（https://isbndb.com/blog/ai-training-data-poisoning/?ref=404media.co）中，ISBNdb解释称，2022年之前出版的印刷书籍是AI训练数据的理想选择，因为它们不包含AI生成的文本。正如文章正确指出的那样，如今AI公司能从互联网上抓取的数据很可能包含AI生成的文本，这可能导致“模型崩溃”，即使用AI生成数据训练的模型会变得更差，更容易出错。文章还指出，反对将自己的作品用于训练目的的书籍作者现在可以轻松地通过制作旨在操纵和破坏AI模型的作品来“毒害”AI模型。 “前大语言模型时代的印刷书籍在结构上保证没有这种污染。仅此一点就是显著优势……在此日期（2022年之前）之前出版的实体书在结构上不含现代毒化工具。” ISBN代表国际标准书号，是大多数书籍背面的商业书籍数字标识符和条形码。多年来，ISBNdb帮助书商、图书馆和分销商管理库存、查找和销售书籍，但生成式AI的繁荣使其对AI公司变得有价值。除了销售书籍元数据访问权限外，ISBNdb现在还帮助AI实验室采购批量印刷书籍，每批订单从1000本到100万本不等。ISBNdb的数据使AI公司能够有条不紊地获取、扫描印刷书籍并将其转化为训练数据，同时避免重复。 AI公司试图大量收购印刷书籍用于训练数据的行为在今年1月引起广泛关注，当时一起针对Anthropic的版权诉讼（https://arstechnica.com/ai/2025/06/anthropic-destroyed-millions-of-print-books-to-build-its-ai-models/?ref=404media.co）中披露的内部文件详细说明了其获取和扫描数百万本印刷书籍并在此过程中销毁它们的计划。《华盛顿邮报》的文章发现，Anthropic正在从一家名为Better World Books的公司购买书籍，该公司是图书馆、零售商和个人可以出售书籍的多个市场之一。谷歌最近也因类似地将版权书籍用于训练Gemini而被出版商起诉（https://www.theguardian.com/books/2026/jul/14/publishers-sue-google-gemini-ai-training?ref=404media.co）。 ISBNdb宣传称可以保密AI公司的身份。 “每次合作都签订严格的保密协议，” ISBNdb网站称。“每个项目都从具有法律约束力的保密协议开始。您的身份、策略和采购目标永远不会被披露。” ISBNdb指出，AI公司可能不希望被发现他们在扫描过程中销毁印刷书籍。 “形象问题确实存在，” ISBNdb网站称。“‘AI公司销毁200万本书’不是一个能赢得同情的标题。” 一位专门在这些市场上销售外语书籍的专业书商告诉我，从4月开始，他和其他书商注意到销售额出现了历史性的飙升。这位书商要求匿名，以便他能在这些平台上继续做生意。 “我个人对此心情复杂，”这位怀疑自己已向AI公司出售了数百本用于训练数据的书的书商告诉我。“从财务上看，我受益了，同时也清理了原本不太可能卖出的旧库存。我手头有来自海外和外文书籍的库存，很适合这类销售。另一方面，我不喜欢最终用途，也不喜欢珍稀书籍被毁掉。” 这位书商说，他的库存中满是珍稀书籍、外文书籍和低发行量书籍，这意味着如果它们在成为训练数据的过程中被销毁，这些书将更难获得。 这位卖家告诉我，正常情况下，好的时候一周能卖大约20本书。自4月以来，他每周通常能卖出数百本。虽然卖家没有明确证据表明这些购买是由AI公司进行的，但这些购买行为让他怀疑这一点。首先，他说，他出售的那种书是专业书籍，通常由学校和图书馆购买。由于资金减少，这些组织的购买量呈下降趋势。大宗采购通常也反映对特定主题的兴趣，而近期巨额采购的书籍几乎没有共同点，除了它们都有ISBN编号外。这位卖家也出售没有ISBN的珍稀书籍，这些书都不在大批量采购之列。我没有看到任何证据表明这位书商近期的销售是由ISBNdb促成的，或者客户是Anthropic或其他AI公司。 “不仅是数量，还有订单的奇怪之处，”书商告诉我。“我以前接到过图书馆订单，通常它们大多局限于单一主题，或者可能稍微宽泛一点的范围。但基本上，世界上几乎所有图书馆都预算不足。我知道美国所有大学图书馆都不怎么买了。澳大利亚图书馆也不怎么买了。这些书……毫无规律可言。此外，他们完全不在乎书的价格。我有些书通过这种方式卖出，定价过高。这有点像AI的标志，因为他们钱太多了。” “是否只有我注意到，自上年底以来，自动购买订单的数量有所增加？”一位书商2月份在Alibris的论坛（https://www.tapatalk.com/groups/alibrisdealersforum/automated-orders-t4060.html?ref=404media.co）上写道。Alibris是另一个销售书籍的市场。自动购买功能允许客户标记他们希望在Alibris上架后立即自动购买的书籍。“对正在发生的事情有什么评论吗？是不是有AI要读每一本书？对于选择是如何做出的有什么见解吗？它们似乎在品相、格式（精装和平装）、价格等方面差异很大。” “我们有几位新的批量买家正在大量收购普通图书，所以很多卖家都收到了大量订单，”Alibris客户服务总监Mike Feldman回应道。 一位书商告诉我，类似的大量书籍订单也通过另一个名为Biblio的市场出现。客户可以向Biblio提供他们想购买的ISBN列表，然后由公司处理。 6月份，荷兰的一家出版物采访了几位珍稀书商，他们报告了类似的大批量采购（https://nltimes.nl/2026/06/25/rare-book-dealers-fear-tech-firms-destroying-obscure-editions-train-ai-models?ref=404media.co），并认为这些采购来自AI公司。 很难确切地说这些书是被买来用于训练数据并可能被AI公司销毁的，因为ISBNdb以及Biblio和Alibris等图书市场对买家身份保密。大批量书籍采购首先会被送到配送中心，例如Alibris在那里检查书籍质量，然后发送给客户。 Anthropic内部关于其扫描数百万本书籍计划的文件（在版权诉讼中披露）并未明确说明该公司为何要在过程中销毁书籍。对Tom Harvey（Anthropic聘请领导该项目，此前曾协助创建Google Books）的证词显示，Anthropic签约进行扫描的一家公司是Datamation，该公司提供（https://www.datamationis.com/services/conversion-services/book-scanning/?ref=404media.co）“大批量破坏性和非破坏性书籍扫描”服务。在破坏性书籍扫描过程中，书脊被切开，以便将书页送入扫描机，这比非破坏性书籍扫描更快、更便宜。 无论其初衷如何，在作者诉Anthropic的版权诉讼中，联邦法官William Alsup认定Anthropic制作书籍数字副本的行为合法，正是因为这些书籍被销毁了。 “在此，每一本购买的印刷副本都被复制，以节省存储空间并实现数字副本的可搜索性，” Alsup在他的裁决（https://s3.documentcloud.org/documents/25982181/authors-v-anthropic-ruling.pdf?ref=404media.co）中写道。“印刷原件被销毁了。一个取代了另一个。而且，没有证据表明新的数字副本在公司外展示、共享或出售。” Alsup表示，这“显然是变革性的”，因此符合《版权法》第107条规定的合理使用。 ISBNdb的网站也向AI公司宣传这一法律论点。 “从二级市场大规模购买纸质书并不会剥夺创作者本应获得的任何收入，” ISBNdb网站称（https://isbndb.com/blog/print-books-sourcing-ai-training/?ref=404media.co）。“这些书已经完成了对其创作者的经济义务。” “负责任的物理采购不是焚书，” ISBNdb网站在一个关于为什么回收销毁的书籍至关重要的部分中说。“这是一本书生命周期的完成：从树木到知识，再回到树木。” ISBNdb和Anthropic没有回应置评请求。 ## 关于作者 Emanuel Maiberg 关注那些塑造技术但鲜为人知的社区和过程、麻烦制造者以及小恩怨。请通过 [email protected] 给他发邮件。 Emanuel Maiberg