亞馬遜被揭大量採購稀有書籍 拆書掃描訓練AI

亞馬遜（Amazon）據報正大量採購稀有及絕版書籍，將書籍拆除裝訂後掃描內容，作為人工智慧（AI）模型訓練資料。科技媒體404 Media調查發現，一本裝有追蹤器的稀有書籍最終被送往亞馬遜位於美國拉斯維加斯的VGT3設施，該設施的員工會將大量書籍拆開並掃描，實體書則在過程中遭到銷毀。

稀有書籍成AI訓練資料來源

404 Media透過一本書中的蘋果AirTag追蹤這項採購流程。據報導，一名書商曾在Biblio平台收到約1,000本書的大宗訂單，並同意在其中一本書內放置追蹤器。這本書經過多次轉運後，最終抵達亞馬遜位於拉斯維加斯的VGT3倉庫。

404 Media表示，VGT3主要處理大量紙本書籍。員工會先切除書籍裝訂，以便更快速地掃描內頁，完成後，原本的紙本書也會遭到破壞。該設施的團隊標誌是一隻手持書本的恐龍。

亞馬遜則向404 Media表示，公司會「透過商業管道採購書籍，以協助開發及改善客戶使用的產品與服務」，但沒有進一步說明這些書籍是否直接用於AI訓練。

AI公司近年持續尋找大量高品質文字資料，以訓練大型語言模型（LLM）。由於網路上的公開文字已被大量蒐集，過去較難取得的實體書籍因此成為潛在資料來源。

其中，絕版或網路上沒有完整電子版本的書籍尤其具有價值，因為相關內容可能尚未被AI模型廣泛吸收。此外，2022年以前出版的書籍不可能由當時尚未普及的LLM生成，因此能提供較可靠的人類創作文字，降低AI生成內容反覆被用於模型訓練而導致「模型崩潰」（model collapse）的風險。

AI訓練需求引發書籍採購潮

404 Media今年7月曾報導，部分書商近一年觀察到銷量大幅增加，並懷疑AI公司正在大量購買書籍，以取得新的訓練資料。

書商指出，這些訂單往往一次購買數百甚至上千本書，選書看似沒有特定規律，而且買家似乎不像圖書館或大學般在意價格，因此懷疑背後可能是AI公司。

然而，由於Biblio等書籍交易平台會替買家匿名，書商過去難以確認大量訂單究竟來自哪家公司。此次追蹤則讓404 Media得以確認，至少部分書籍最終進入亞馬遜的相關設施。