当AI"吃"掉绝版书：大模型数据饥渴背后的物理代价

最近，澳大利亚的旧书商们发出了一项令人揪心的抗议。据报道，为了获取训练人工智能（AI）的数据，一些稀有书籍和绝版文献正在被粗暴地拆解、扫描，甚至遭到"可怕的破坏"（horrific destruction）。

这听起来有些魔幻，但却是当下科技界真实发生的隐痛。今天我们就来聊聊，AI的"胃口"是如何影响到现实世界的。

绝版书被"肢解"，AI到底在吃什么？

我们平时用的大语言模型（也就是能和你流畅聊天的AI），其核心能力来自于"阅读"海量文本。过去，它们主要吃互联网上的免费数据，比如维基百科、新闻和论坛帖子。

但随着AI越来越聪明，互联网上那些逻辑严密、没有废话的"高质量语料"快被吃光了。于是，数据挖掘公司将目光投向了物理世界——那些尚未数字化的实体书、稀有文献和绝版期刊。

想象一个场景：一位古籍书店老板遇到AI数据采买员。采买员说："这本19世纪的绝版植物图鉴我出高价买，但我们要把书脊切掉，放进高速扫描仪里。"老板心痛地拒绝："这书的价值不仅在字里，还在这两百年的装订和纸张里，切了就毁了。"

这就是澳大利亚书商们正在经历的现实。为了追求扫描速度，珍贵的装订被破坏，书籍沦为了一次性的数据耗材。

说白了，AI的"聪明"并不是凭空产生的，而是靠吞噬人类已有的知识结晶喂出来的。 当数字世界的免费午餐结束，它们就开始反向榨取物理世界的文化遗产。

为什么非要盯着实体书？

有人可能会问：不能用AI自己生成数据来训练AI吗？

目前的技术表明，用AI生成的数据去训练下一代AI，容易导致"模型崩溃"（Model Collapse），就像复印件的复印件，图像和逻辑会越来越模糊。因此，人类原创的、经过时间检验的高质量文本，依然是不可替代的"黄金数据"。

这意味着，大模型训练正面临一场"高质量数据枯竭"的危机。 那些躺在图书馆深处、私人藏家手里的实体书，成了最后的金矿。书商们抗议的物理破坏，本质上是数字资本对物理文化资产的掠夺式开采。

数字狂欢与物理代价的博弈

在我看来，这不仅仅是简单的版权纠纷，更是一场"数字永生"与"物理保护"的伦理博弈。 正如书商们所强调的，书籍不仅仅是信息的载体（More than just objects），它本身的纸张、批注、装订工艺，都是历史的一部分。把书拆了只提取文字，等于买椟还珠，抹杀了文物的物理属性。

换个角度看，这让人联想到中世纪的"羊皮纸刮擦"现象。当时因为羊皮纸太贵，修道士会刮掉古希腊典籍来抄写宗教经文。如今，为了训练AI，稀有书籍被物理拆解，这何尝不是一种现代版的"刮擦"？我们为了追求未来的智能，正在抹除过去的物理痕迹。

普通人如何看待与应对？

这件事看似遥远，其实和我们息息相关。如果稀有书籍被大量破坏，未来普通人想在旧书市场淘到品相完好的绝版书，成本将变得极其高昂。同时，这也提醒我们，日常使用的AI产品，其背后可能隐藏着不为人知的文化与生态代价。

值得警惕的是，我们要防范"为了AI发展可以牺牲一切"的极端技术乐观主义。技术的进步不应以摧毁人类文化遗产为代价。在关注AI概念股或相关投资时，也请留意数据合规与供应链风险（注：相关投资分析仅供参考，非专业意见）。

目前，欧盟等地区已经开始着手执行更严格的AI规则，未来如何平衡数据获取与物理保护，尚待全球立法者给出答案。

---

可转发的一句话总结： AI训练正面临高质量数据枯竭，稀有实体书遭拆解扫描，数字狂飙不应以破坏物理文化遗产为代价。

留言互动： 如果你有一本珍贵的绝版旧书，你会愿意为了让它"数字化永生"而接受它被拆掉书脊进行破坏性扫描吗？欢迎在评论区分享你的取舍。