亞馬遜購珍稀舊書拆毀掃描 訓練AI模型

網上書商起家的亞馬遜（Amazon）近日被揭發購入大量珍稀舊書後，切斷書脊並掃描內容，用作訓練人工智能（AI）模型。據404 Media報道，該媒體在書本內放置追蹤裝置，最終發現書本被送往亞馬遜位於拉斯維加斯的VGT3倉庫，該設施以一隻恐龍爪持書本的圖案作為標誌。

亞馬遜在聲明中回應指出，公司「透過商業渠道購買書籍，以改善客戶使用的產品和服務」。據報道，亞馬遜團隊以一隻準備吞食書本的暴龍作為標誌。

訓練大型語言模型（LLM）需要極大量文字數據，互聯網上的資料幾乎已被企業消化殆盡，甚至有企業非法盜版書籍。珍稀書籍，尤其是絕版或網上難以找到的文本，因而成為備受追捧的訓練數據來源。

這些文本尤其珍貴，因為2022年之前出版的內容，不可能由AI生成。若LLM以AI生成的文本訓練，可能導致「模型崩潰」，即模型輸出品質在吸收過量AI生成文本後下降。