前言

背景： 一項獨立調查揭露，印刷書籍的運送——有些為稀有書且出版於 2022 年之前——被送往位於拉斯維加斯的一處 Amazon 設施進行數位化並實體銷毀。本文說明追蹤如何進行、為何某些紙本書對 AI 訓練有價值，以及此作法對出版社、AI 開發者和著作權法的更廣泛影響。目的在於呈現所揭露的事實，概述據稱在該設施使用的作業方法，並總結此做法所引發的法律與倫理問題。

懶人包

追蹤顯示大量書籍訂單被送往一個 Amazon 倉庫，員工拆除裝訂後將頁面送入掃描器，破壞了實體書籍。 2022 年之前印刷的書籍 受到重視，因為其文字較不可能是機器生成，對模型訓練更具吸引力。發現始於在一批貨物中藏入一枚 Apple AirTag，確認了對不尋常大宗採購的懷疑。

主體

一家科技媒體在一批書籍貨物中放入一個小型追蹤裝置，並追蹤到位於拉斯維加斯、被識別為 VGT3 的 Amazon 設施。根據該媒體報導對工人的採訪和現場觀察，印刷書籍以大量包裹到達，並以會破壞印刷品的方式處理：員工會切開書脊或裝訂，使單頁能更有效率地送入高速掃描器。結果是由實體頁面建立數位副本，而原書則被弄至無法使用。

報導引起關注，因為所購書籍的類型與購買原因。2022 年之前印刷的書籍對訓練大型語言模型的組織特別有價值，因為其文字較不可能來源於現有的機器產出。若訓練資料主要由機器生成的內容構成，可能導致所謂的「模型崩壞」，模型在學習自身生成內容時輸出品質逐漸衰退。因此，實體的、2022 年之前的書籍成為相對「乾淨」的訓練資料來源。

這些採購並不低調。書商注意到過去一年出現一種模式：買家下了異常大量的訂單，似乎對價格不在乎，並在廣泛且看似隨機的書目中挑選標題。該模式引發懷疑，認為買家並非典型的零售或圖書館客戶。最終在一批稀有書籍的貨物中放置追蹤標籤，清楚顯示了供應鏈，揭示大宗採購被集中並轉送到拉斯維加斯的作業地點。

Amazon 坦承確實透過商業管道採購書籍以支援服務與產品的開發與改進，但聲明強調此類採購是在既有商業做法範圍內進行。然而，已發表的報導是首次公開指出一個具體設施，在該處似乎以規模化方式對商業購買的書籍進行破壞性掃描。

此做法屬於更廣泛產業現象的一部分。有多家 AI 公司與第三方供應商據報會取得實體文本、拆除裝訂並數位化頁面以建立專有語料。有些作業據稱規模非常大，數位化了數百萬冊書籍。由於實體書籍在過程中無可逆地受損，常被類比為虛構的焚書場景；批評者認為這在象徵與實務上皆令人不安。

在法律層面，情況相當複雜。法院已開始評估以購得之書籍訓練模型是否構成合理使用。在至少一項聯邦裁定中，法官認為使用合法取得的書籍進行模型訓練可能屬於合理使用，對至少一家 AI 公司有部分法律上的平反。然而，另有訴訟則處理被盜版或非法取得副本的問題。有些公司因使用掃描的盜版書籍面臨或解決訴訟，某些案件亦導致集體訴訟與巨額和解。

營運祕密性導致公眾不易得知此類大宗採購的最終去向。出版社與書商直到近期才連結出不尋常訂單模式與其最終目的地之間的關聯。調查媒體使用的追蹤裝置提供了罕見且具體的連結，將銷售點與報導中被拆解與掃描的設施連接起來。

從產業角度看，對實體書籍作為訓練資料的需求反映了對高品質、多樣化文字來源的渴望，這些來源不應被模型生成內容所主導。對於出版社與權利人而言，破壞性掃描的興起引發了關於同意、補償及稀有或獨特實體藏品保存的擔憂。出版界許多人擔心，當這些收藏或典藏材料被購買後為數位化而遭到銷毀，將造成損失。

在透明度與問責方面也有實務考量。作者、出版社、圖書館與消費者等利害關係人對透過商業管道購買的文本最終如何被使用，能見度有限。就採購、處理方法與授權進行更充分的揭露，或可協助解決部分問題；與此同時，訴訟與監管審查可能持續塑造 AI 開發者及其供應鏈的作法。

總結而言，調查揭示了提供給 AI 公司的訓練資料生態系中一個環節。它顯示一個流程，商業取得的印刷書籍——有時為稀有且出版於 2022 年之前——被送往一處通過破壞性掃描將其數位化的設施。這些發現對法律權利、倫理考量與產業實務提出疑問，因為 AI 開發越來越依賴龐大且多樣的文字語料庫。

主要見解表