Ars Technica报道

最近的一份报告揭示了Anthropic公司为收集训练其人工智能模型Claude所需数据所采用的激进方法。该公司不仅利用了数百万受版权保护的作品，而且还对其进行了物理销毁。

此举揭示了人工智能革命的隐性成本，也生动地比喻了艺术产业的毁灭。Anthropic在谷歌的支持下，不只引用了数百万受版权保护的书籍——这本身就是一种充满伦理和法律问题的做法。它更进一步：将书籍页面从封面中撕下，扫描成数字文件，然后将数百万页原始文本直接丢弃。因此，说人工智能“吞噬”了这些书籍，并非修辞手法，而是对所发生事情的准确描述。

这种做法是在周一发布的一项版权判决中曝光的，该判决对Anthropic以及普遍对数据渴求的科技行业来说，都是一次重大胜利。主审法官、美国地区法官威廉·奥尔萨普裁定，Anthropic可以在合法购买的书籍上训练其大型语言模型，即使没有获得作者的明确许可。

这一裁决部分归因于Anthropic销毁书籍并进行扫描的方式——据Ars Technica报道，Anthropic并非第一家使用这种方法的公司，但其规模之大却引人注目。

“首次销售原则”被滥用

从本质上讲，这种做法利用了一个被称为**“首次销售原则”（first-sale doctrine）**的法律概念。该原则允许购买者对其购买的物品为所欲为，而无需版权所有者的干预。正是因为有了这个原则，二手书市场才能存在；否则，例如，图书出版商可能会要求分成或禁止其书籍的转售。

但人工智能公司却恶意利用了这一原则。根据法庭文件，Anthropic于2024年2月聘请了谷歌图书扫描项目前合伙人负责人汤姆·特维，其任务是“获取世界上所有的书籍”，同时避免“法律/操作/商业困难”，正如Anthropic首席执行官达里奥·阿莫迪在文件中所述。

特维随后找到了一个变通方案：通过购买实体书籍，Anthropic将受到首次销售原则的保护，无需再获取许可。此外，移除页面也使得扫描更加便捷和经济。

由于Anthropic仅在内部使用扫描后的书籍，并随后销毁了副本，法官认为此过程类似于“空间保存”，这意味着它是“变革性的”，因此在法律上是可接受的。

懒惰与虚伪的行径

当然，这是一种可疑的规避行为，也是一种公然的伪善。Anthropic在刚开始运营时，曾采取过一种更不道德的做法，即下载数百万本盗版书籍来喂养其人工智能。Meta也曾使用数百万本盗版书籍，目前正因此受到一群作家的起诉。

这还是一种懒惰和疏忽的做法。正如该报指出的，许多档案管理员已经开发出各种方法来批量扫描书籍，而无需破坏或更改原始副本，其中包括互联网档案馆和谷歌自己的图书项目（该项目不久前也曾是自身一场重大版权之争的主题）。

但所有这一切，都是为了节省一些美元——并获取那些极其宝贵的训练数据。事实上，人工智能行业正面临高质量数据来源枯竭的困境——这并非最不重要的，因为它一直都在短视地破坏其所依赖的来源——因此，对一些作者造成损害，并将一些书籍送入碎纸机，对大型科技公司而言，不过是微不足道的代价。

来源：Ars Technica