法学硕士培训的阴暗面：据报道，安特罗皮克公司的“巴拿马计划”销毁了数百万册书籍

机器学习的文学屠杀

在对人工智能霸权的无情追求中，对高质量训练数据的渴求已达到白热化程度。虽然大多数用户通过简洁的界面和友好的响应与人工智能互动，但一种令人不安的趋势却在幕后悄然滋生。有报道称，开发《克劳德》系列的人工智能巨头Anthropic公司，为了加速其大型语言模型（LLM）的训练，开展了一项大规模行动，旨在获取并系统性地拆解数百万册实体书籍。

这项据称代号为“巴拿马计划”的行动，凸显了人类文化保护与人工智能时代数据采集工业化之间日益加剧的冲突。

揭秘“巴拿马计划”：破坏机制

据包括《华盛顿邮报》详细调查在内的报道，“巴拿马计划”并非仅仅是一项数字化工作，而是一场破坏行动。

该流程旨在实现最高效率和速度，优先考虑吞吐量而非保存。

据报道，该工作流程包含几个残酷的步骤：

• 批量收购： 花费数百万美元从商业市场收购大量印刷文献。
• 破坏性准备： 据称，该公司没有仔细扫描装订好的书籍，而是直接剪掉了书脊。这使得单页书籍能够以远超传统书籍扫描方法的速度通过高速工业扫描仪进行扫描。
• 数字化： 散页被转换成机器可读文本，然后整合到用于提升克劳德认知能力的大型数据集中。
• 处置： 文本提取完毕后，剩余的实体碎片——如今已去除装订——被作为废料丢弃。

据称，一份内部规划文件以令人不寒而栗的清晰度描述了该项目：“巴拿马计划是我们旨在破坏性地扫描世界上所有书籍的尝试，”并补充道，“我们不希望人们知道我们正在进行这项工作。”

法律后果和“合理使用”之争

围绕巴拿马计划的争议与人工智能时代更广泛的版权法律之争密不可分。Anthropic公司最近以15亿美元和解了一起巨额版权诉讼。

尽管法院裁定，训练人工智能模型通常属于“合理使用”范畴——将人工智能的学习过程比作人类作家研究现有作品以创作新作品——但法院也认定，Anthropic 公司维护着一个包含 700 万册盗版书籍的图书馆，侵犯了版权。

虽然其他人工智能巨头，如 OpenAI、谷歌和 Meta，也曾因使用数字图书馆而面临类似的诉讼，但据报道，Anthropic 目前是唯一一家为了实现数据目标而销毁实体书籍的主要公司。

Anthropic 的回应

当 Tom's Guide 就此提出质疑时，Anthropic 的一位发言人为其获取书籍的做法辩护，指出这是人工智能行业的普遍做法。该公司强调，他们并非专门针对珍稀或古籍，并表示：“我们的数据采集项目不会购买和销毁‘珍稀’或‘古籍’。我们从常规商业市场购买书籍。”关于法律纠纷，该公司援引了巴茨和解案，坚称法院已确认人工智能训练在版权法下的合法性。

伦理底线

“巴拿马计划”的曝光引发了深刻的伦理问题。尽管该公司声称其目标仅为普通商业书籍，但为了获取数字副本而系统性地销毁数百万件实物，开创了一个危险的先例。即使是批量销毁实体文献，也代表着人类思想的原始产物被牺牲，以驱动未来可能取代作者的算法。

随着人工智能的不断发展，数据需求与对有形和知识产权的尊重之间的矛盾，仍然是科技行业面临的最严峻挑战之一。