LLM研修の暗黒面：アントロピック社の「プロジェクト・パナマ」が数百万冊の本を破壊したとされる経緯

機械学習のための文学的大虐殺

人工知能の優位性を執拗に追求する中で、高品質のトレーニングデータへの渇望は最高潮に達しています。ほとんどのユーザーは、クリーンなインターフェースと役立つ応答を通じてAIとやり取りしていますが、舞台裏では不穏な傾向が現れています。クロードシリーズを手がけたAIの有力企業であるAnthropicが、大規模言語モデル（LLM）のトレーニングを加速するために、数百万冊の物理的な書籍を取得し、組織的に解体する大規模な作戦を実行したことを示す報告が出ています。

「プロジェクト・パナマ」と名付けられたとされるこの作戦は、人間の文化の保存とAI時代のデータ収集の工業化との間の、ますます深刻化する対立を浮き彫りにしています。

「プロジェクト・パナマ」の解明：破壊のメカニズム

ワシントン・ポストによる詳細な調査を含む報告によると、プロジェクト・パナマは単なるデジタル化の取り組みではなく、破壊的な取り組みでした。このプロセスは、最大限の効率とスピードを追求して設計されており、保存よりも処理量を優先していました。

ワークフローには、いくつかの非情なステップが含まれていたと伝えられています。

• 大量取得: 商業市場から膨大な量の印刷物を取得するために、数百万ドルを費やしました。
• 破壊的な準備: 製本された書籍を丁寧にスキャンする代わりに、同社は本の背表紙を切り落としたとされています。これにより、個々のページを高速産業用スキャナーに通す速度が、従来の書籍スキャン方法をはるかに上回る速度で可能になりました。
• デジタル化:バラバラのページは機械可読テキストに変換され、その後、クロードの認知能力を洗練するために使用される膨大なデータセットに統合されました。
• 廃棄:テキストが抽出されると、残りの物理的な断片（綴じ具が取り外された状態）は廃棄物として廃棄されました。

内部計画文書には、このプロジェクトについてぞっとするほど明確に記述されているとされています。「プロジェクト・パナマは、世界中のすべての書籍を破壊的にスキャンするための我々の取り組みです」と述べ、「我々は、このプロジェクトに取り組んでいることを知られたくないのです」と付け加えています。

法的影響と「フェアユース」論争

プロジェクト・パナマをめぐる論争は、AI時代の著作権をめぐるより広範な法的闘争と密接に結びついています。 Anthropic は最近、15 億ドルで大規模な著作権訴訟を和解しました。裁判所は、AI モデルのトレーニングは一般的に「フェアユース」の範囲内であると判断しました。これは、AI の学習プロセスを、人間が既存の作品を研究して新しいものを作成するプロセスと比較したものです。しかし、裁判所は、Anthropic が 700 万冊の海賊版書籍のライブラリを維持していたことで著作権を侵害したと判断しました。

OpenAI、Google、Meta などの他の AI 大手もデジタルライブラリの使用に関して同様の訴訟に直面していますが、Anthropic は現在、データ収集の目的を達成するために書籍の物理的なコピーを物理的に破棄したと報告されている唯一の大手企業です。

Anthropic の回答

Tom's Guide の質問に対し、Anthropic の広報担当者は、書籍の入手方法を擁護し、これは AI 業界全体で一般的なアプローチであると指摘しました。同社は、希少本や古書は対象としていないことを強調し、「当社のデータ収集プログラムは、『希少本』や『古書』を購入して破棄することはありません。通常の商業市場から書籍を購入しています」と述べた。法的紛争に関して、同社はバーツ和解を指摘し、裁判所は著作権法の下でのAIトレーニングの合法性を支持していると主張した。

倫理的結論

プロジェクト・パナマの暴露は、深刻な倫理的問題を提起している。同社は一般的な商業書籍のみを対象としていたと主張しているが、デジタルコピーのために何百万もの物理的な物体を組織的に破壊することは、不安定な前例となる。物理的な文献の喪失は、たとえ大量であっても、人間の思考のオリジナルな成果物が、いつか著者自身に取って代わるかもしれないアルゴリズムの燃料として犠牲にされる世界への移行を意味する。

AIが進化し続けるにつれて、データの必要性と物理的および知的財産の尊重との間の緊張は、テクノロジー分野にとって最も重要な課題の1つであり続ける。