AI公司疯狂收购旧书：只为找到”没受过AI污染”的纯净数据

核心看点

AI发展遇到了一个尴尬的问题：互联网上的内容已经被AI生成内容严重污染。为了获取高质量、”纯净”的训练数据，多家AI公司正通过中间商大规模收购二手图书。

为什么盯上旧书？

调查媒体404 Media最新报道揭示了这一趋势：

• AI垃圾内容泛滥：大量由AI生成的低质量内容充斥互联网，污染了数据环境
• 旧书更”干净”：2022年之前出版的纸质书籍更有可能是人类原创作品
• 规避舆论风险：通过中间商收购比直接抓取网络内容更低调

Anthropic的先例

作为卷入版权诉讼的主要AI公司之一，Anthropic曾投入数百万美元购买大量纸质图书，用于提取内容训练Claude AI模型，随后再将这些图书销毁。

法院认定将正版图书用于AI训练属于版权法中的”合理使用”，但公众对AI公司”吃干抹净”的做法仍有争议。

数据焦虑背后的真相

这一现象反映了AI行业的深层焦虑：

• 高质量人类创作数据正在枯竭
• AI生成内容的”递归污染”问题日益严重
• 模型性能提升越来越依赖数据质量而非数量

总结

AI公司收购旧书的背后，是整个行业对”纯净数据”的渴求。当AI开始吃AI的”剩饭”，模型质量必然下降。这场”旧书争夺战”或许只是开始——未来，高质量人类创作内容可能越来越稀缺，也越来越值钱。