30 秒看重點
- 事件：AI巨頭為訓練模型，正全球性大舉收購舊書，掃描後隨即銷毀實體文本。
- 意義：加速「純人類文本」絕跡，知識與文化記憶恐遭不可逆破壞，引發倫理大哉問。
- 影響：衝擊全球知識保存與版權，台灣應思考如何平衡AI發展與文化資產保護。
嘿！你最近有注意到一個超扯的AI新聞嗎？有消息指出，Google、Anthropic等大型AI公司，為了餵養他們的語言模型，正在全球各地大量收購舊書。這些書買來不是為了保存，而是直接「割脊碎紙」，快速掃描成數位文本後就銷毀。這種為了AI而「毀屍滅跡」的行為，不只衝擊文化保存，更引發「純人類文本」可能絕跡的巨大擔憂。
為何AI要「毀屍滅跡」珍貴舊書？
這一切都源於AI對「高品質訓練數據」的無盡飢渴。 生成式AI模型，比如ChatGPT或Claude，之所以能寫詩、寫程式、甚至聊天，全靠吞食海量的文本數據來學習人類語言模式與知識。然而，現有的網路文本，已經被AI生成內容（AIGC）嚴重污染，要找到純粹、高品質、沒有AI「參雜」的「純人類文本」變得越來越難，尤其是在2022年之後，AI生成的內容更是爆炸性成長。為了確保模型學到的內容是最接近人類智慧精華，這些AI巨頭開始把目光轉向了實體世界——那些尚未被AI碰觸過的「老派」舊書。
其中，AI公司Anthropic更是走在前線，他們正大舉收購2022年以前出版的舊書，進行一種名為「割脊掃描」的破壞性數位化過程。 什麼是割脊掃描呢？簡單來說，就是把書脊切掉，讓書頁變成單張，這樣才能用自動進紙掃描器以最快速度、最高品質數位化。這就像把一塊美味的雞排，為了方便油炸而把它肢解一樣。一旦數位化完成，這些實體書本的生命也就走到盡頭，直接被送進碎紙機。這麼做的目的，不只是為了快速，更是為了讓掃描的文字內容達到最佳的辨識精度，讓AI「學習」得更徹底、更精準。這背後的考量，除了對數據品質的追求，也可能是為了規避版權問題，畢竟許多舊書可能已經過了版權保護期，或是數位化後更容易聲稱「合理使用」（Fair Use）。這場全球性的「數據淘金熱」，正在犧牲我們實體的文化遺產，以換取AI模型的進化速度與效能，形成一種令人不安的「數據掠奪」。
- 近期： AI公司為訓練大型語言模型，全球性大舉收購實體舊書。
- 2022年以前： Anthropic等公司特別鎖定此時間點前的出版品，尋找被認為是「純人類創作」的文本。
- 數位化後： 這些被收購的舊書經過「割脊掃描」快速轉為數位檔，實體書則直接銷毀。
台灣圖書文化如何面對「AI的飢渴」？
這波AI數據獵殺潮，對台灣的圖書文化與知識保存來說，無疑是一記警鐘。 台灣擁有豐富的圖書資源，從國家圖書館的古籍、地方文史資料到獨立書店裡的限量出版品、作家手稿，都可能是AI眼中的「純人類文本」寶庫。若有國際AI公司以高價在台灣收購絕版書、舊書，進行破壞性數位化，這對我們獨特的文化記憶將造成不可逆的傷害。試想，一本地方誌或原住民語辭典，如果被掃描後銷毀，其文化意義與研究價值將隨之消失，數位副本永遠無法取代實體帶來的歷史厚重感。政府與文化界應儘速思考，如何制定政策保護本地文化資產，例如建立更完善的國家級數位典藏機制，或者與國際AI社群討論數據使用的倫理規範。同時，台灣AI新創在數據倫理上，也應建立一套更嚴謹的自律準則，避免陷入短視的「數據掠奪」。
編輯觀點：知識的「飢餓遊戲」：餵飽AI，卻餓死文明？
看到AI公司為了數據，不惜「割脊碎紙」珍貴舊書，我感到非常憂心。這就像一場知識的「飢餓遊戲」，為了餵飽越來越大的AI模型，我們正在消耗人類文明的實體記憶。AI的進步固然重要，但難道要以犧牲知識的永恆性為代價嗎？我們需要嚴肅思考，是否能找到更永續、更道德的數據獲取方式，而不是一味追求效率與規模。畢竟，AI的智慧，是從人類的知識中學習而來，若我們親手摧毀這些知識的根源，那未來AI生成的內容，又該如何確保其真實性與價值呢？這不僅是技術問題，更是倫理與文明的挑戰。
常見問題
- 什麼是「割脊碎紙」？
- 「割脊碎紙」是指將書籍的書脊裁切掉，使書頁分離成單張，以便使用自動進紙掃描器進行高效數位化。掃描完成後，實體書通常會被銷毀。
- AI公司為何要大量收購舊書？
- AI公司需要海量且高品質的文本數據來訓練其大型語言模型。由於網路上的文本越來越多AI生成內容，舊書被視為未受AI污染、更純粹的「人類創作文本」寶庫。
- 這些AI公司掃描舊書合法嗎？
- 合法性仍存在爭議。雖然許多舊書可能已過版權保護期，但對於尚有版權的書籍，未經授權的掃描可能構成侵權。這也是目前AI數據倫理的核心爭議之一。
- 這對出版業和作家有什麼影響？
- 短期內，舊書回收市場可能升溫。但長期而言，它模糊了版權界線，挑戰了創作者對其作品的控制權，也可能影響未來數位內容的獨特性與價值。
- 一般大眾該如何看待AI公司破壞舊書的行為？
- 這是一個需要平衡AI發展與文化保存的倫理問題。大眾應意識到其對知識傳承的潛在影響，並督促AI公司和政府制定更透明、更負責任的數據採集與使用規範。
名詞小教室
- 割脊掃描 (Destructive Scanning)
- 為了將書籍內容快速且精準地數位化，把書的書脊切除，讓每一頁都能平整地單獨掃描，掃描後實體書通常會報廢。
- 純人類文本 (Pure Human Text)
- 指那些完全由人類創作，未經AI模型參與或編輯的文本內容，被認為是訓練AI模型時最「純淨」的數據來源。