近期，人工智能領域的巨頭Anthropic以一種前所未有的方式引發了公眾和法律界的廣泛關注。據悉，該公司斥資數百萬美元，購買了大量圖書，但其目的并非收藏或出版，而是為了拆解這些書籍，將其轉化為訓練AI助手的寶貴數據。
據外媒Ars Technica深入報道，Anthropic在獲取訓練數據的策略上采取了頗具爭議的手段。他們選擇將實體書籍進行拆解、掃描，并在掃描完成后立即銷毀原件。這一做法的細節在法庭文件中得以曝光，并引發了法律界的廣泛討論。然而，法官William Alsup對此做出了“合理使用”的裁定，理由在于Anthropic所購買的書籍均通過合法渠道獲取，且掃描后的數字文件僅供內部使用，并未對外泄露。
Anthropic的這一舉措背后，是對谷歌書籍項目成功經驗的借鑒。公司CEO阿莫代伊透露，在項目初期，團隊曾考慮過使用盜版電子書作為訓練數據，但出于法律風險的考量，最終決定通過購買二手書籍的方式來確保數據的質量和合法性。通過“破壞式掃描”，Anthropic得以快速高效地將書籍轉化為PDF格式，為AI模型的訓練提供了充足的數據資源。
值得注意的是，盡管非破壞性掃描技術已經相當成熟，并被多家機構所采用，如Internet Archive便開發出能夠保留原書的數字化方式，OpenAI和微軟也與哈佛大學圖書館合作，計劃數字化近百萬本公版書籍，確保書籍原版得到妥善保存。相比之下，Anthropic的做法顯得更為激進，無疑為AI訓練領域帶來了新的思考角度。
隨著人工智能技術的不斷發展，如何在尊重知識產權的前提下獲取訓練數據，成為了業界亟待解決的問題。Anthropic的這一嘗試，盡管在公眾和法律界引發了廣泛爭議，但也為未來的AI發展提供了新的方向和可能性，引發了業界對于數據獲取方式的深入思考和探討。
