粉碎以訓練：將珍本變為AI燃料的法律漏洞

專欄概述

這個故事的核心有一種奇怪的寂靜。沒有抗議，沒有引人注目的頭條新聞，也沒有病毒式的憤怒週期——只有卡車、倉庫和比任何人類閱讀速度都快得多的切書脊機器。在那種寂靜中，一種商業模式形成了：收購稀有書籍，掃描其頁面，然後銷毀剩餘部分。一位聯邦法官已經表示這是合法的。這家購買公司的行為並沒有刻意隱藏，但他們也沒有大肆宣傳。而我們之所以知道這件事，是因為一位二手書店老闆終於向記者透露了一些情況。

極致高效的抹除機制

整個過程幾乎是臨床般的冷靜。高速掃描設備專門設計用於通過破壞裝幀來處理書籍——書脊被切掉，頁面像散頁一樣送入，這比在保持書籍完整的情況下逐頁拍照要快得多。事後留下的不再是書。它是散頁，被碎成紙漿或丟棄，因為重新組裝從來就不是計劃的一部分。

一個名為ISBNdb的服務處於這一過程的中間，負責大宗訂單的中介——據報一次高達一百萬本書——同時保持買家身份匿名。這種匿名性在這裡發揮了巨大作用。這意味著圖書館、古籍店或收藏家在出售大量十八世紀農業文本時，根本不知道他們的庫存是去向碎紙機而不是書架。這也意味著公眾無法清晰地追蹤有多少不可替代的卷冊已經經過了這條生產線。

為什麼銷毀是重點，而非副作用

這裡有一個讓我讀了第二遍才完全吸收的部分：銷毀並不是法律論證的附帶結果，它本身就是論證的核心。一位聯邦法官裁定，這種做法屬於合理使用，具體原因是消除原件確保了在給定時間內只有一份作品存在。換句話說，如果你確保副本和原件從不共存，你就不會因為有效地複製受版權保護的書籍而被起訴。掃描它，粉碎它，在法律上來說，沒有複製任何東西——只是將紙張轉換成了數據。

這是對版權法的一種巧妙解讀，很容易理解為什麼買家想要大約2022年之前出版的書籍。任何更早的作品都保證不含AI生成的文本，這對於試圖用真實的人類寫作來訓練模型，而不是意外餵食從最近印刷批次中抓取的人工智能生成散文循環至關重要。在這個框架下，2022年之前的書籍不僅是歷史文物。它們是乾淨的數據。

建立在避免成為頭條之上的商業

與過去幾年AI訓練爭議的不同之處在於——抓取網站、盜版影子圖書館、從串流平台提取音頻——ISBNdb自身的營銷似乎完全明白這看起來有多糟糕。404 Media的報導揭示了該公司網站上的語言，大致原文承認，“AI公司銷毀兩百萬本書”並不是一個能產生同情心的頭條。然而，這項業務依然存在，建立在標準配置的NDA（保密協議）之上，以及一套首選詞彙，其中“粉碎”變成了“數字保存”。

這個短語“數字保存”在其欺騙性方面做得近乎驚人。保存通常意味著將某物安全地保留給未來。這裡的意思恰恰相反：實體物件被故意銷毀，倖存下來的是一個純粹作為訓練材料的數字副本，很可能再也沒有人會以任何有意義的方式去閱讀它。一位向404 Media講述情況的書店老闆描述了將幾乎沒有其他倖存副本的卷冊送入機器的過程——這些書籍已經經歷了戰爭、火災、洪水以及幾百年的普通忽視，卻最終在一台為速度而非細心而設計的掃描設備中走向終結。

抓取是可逆的。這不是。

我讀過許多關於AI公司抓取開放網頁或從盜版書籍集合中提取內容的故事，總有一種隱含的“至少它還在某處存在”的安慰感。一個網站可以重新上傳。一本暢銷書可以無限期重印。即使是一個道德上有爭議的種子下載檔案，也不會讓原始文本從世界上消失——某個地方仍有人擁有一份副本。

稀有書籍沒有這種安全網。如果某種植物調查或區域歷史的特定版本在全世界只有三份倖存副本，而其中一份被送入掃描儀並粉碎，倖存副本的數量就永久變成了兩份。沒有重印，沒有備份服務器，沒有第二個來源。這是我遇到的第一個原始材料本身成為犧牲品，而不僅僅是其周圍補償模式的AI訓練爭議。

這也給更廣泛的行業關於大規模獲取訓練數據的對話帶來了新壓力——據報道，包括Anthropic在內的公司聘請了來自主要數字化項目的高級人才，包括Google Books的前合作夥伴負責人，專門為了追求全面的書籍訪問權以用於訓練目的。將“世界上所有的書”變成可用數字形式的雄心並非新鮮事；Google本身就花了近二十年時間掃描數百萬卷書籍。新穎之處在於這樣做不留實體原件。

合法、高效，值得深思

這一切不需要反派。沒有人違法。法院審查了這種做法，發現了一個合理但令人不安的理由將其稱為合理使用。ISBNdb並沒有隱藏它的存在。買家 presumably 認為自己在解決一個真正的數據問題——乾淨的、前AI時代的文本是一種真正的稀缺資源，而很好地訓練模型是一個真正的技術挑戰。

但合法性和舒適感並不是一回事，誠實地討論我們實際上在討論哪一個是值得的。一項將不可逆轉的銷毀視為使複製可接受的條件的裁決，將在它存在的期間塑造行為，而它所塑造的行為是大規模收購實體稀缺資源——一旦消失就無法替換的書籍。這與被抓取的網頁或絕版平裝書是不同的損失類別，而且這類事情往往只有在事後才能被理解，當特定的文本消失，有人尋找不再存在的副本時。