亚马逊买下绝版书,拆掉书脊扫描,用来训练 AI 模型
Amazon, which started off selling books, is destroying rare texts to train AI
404 Media 在一本绝版书里塞了追踪器,最后定位到亚马逊在拉斯维加斯的 VGT3 设施。亚马逊确认会通过商业渠道买书来改进产品。这些绝版、不再印刷的书对训练大模型很有价值:它们没被传到网上,而且出版时间都在 2022 年之前,可以保证不是 AI 生成的文本,能避免模型用太多合成数据训练后出现“模型崩溃”——也就是输出质量越来越差的问题。
推荐理由:404 Media 用追踪器定位到亚马逊在拉斯维加斯的设施,亚马逊确认通过商业渠道购书改进产品,绝版书因未上网且出版于 2022 年前,成为稀缺的干净训练数据。