爱范儿
·
Anthropic「蒸馏」了人类最大的知识库
💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
美国AI公司Anthropic启动“巴拿马项目”，将新书切割、扫描后销毁以获取高质量数据训练模型。尽管公司声称未用于正式模型，但其行为引发版权争议，最终以15亿美元和解，未承认违法。这一事件反映了AI对创作者权益的冲击。
🎯
关键要点
- Anthropic启动了名为“巴拿马项目”的计划，目的是切割、扫描并销毁书籍以获取高质量数据用于训练AI模型。
- 该公司声称未将这些数据用于正式模型，但其行为引发了版权争议，最终以15亿美元和解，未承认违法。
- AI公司对高质量数据的渴求导致了对纸质书的粗暴处理，Anthropic认为书籍的内容比网络文本更具价值。
- Anthropic曾尝试通过下载盗版书籍获取数据，显示出其对版权问题的漠视。
- 公司聘请了曾参与谷歌图书项目的Tom Turvey来主持“巴拿马项目”，显示出其对版权争议的熟悉。
- Anthropic主要依赖二手书零售商进行书籍采购，扫描过程如同工业流水线。
- 法院裁定AI训练属于合理使用，Anthropic支付的和解金相对较低，未承认任何违法行为。
- 这一事件引发了创作者对出版商和AI公司的不满，认为赔偿标准远低于法律上限。
- AI的快速发展和低成本内容生成对传统写作造成了冲击，创作者的生存空间被挤压。
- AI提取语言规律的逻辑被质疑，认为其规模化处理与人类阅读的性质不同，未能合理对待版权问题。
❓
延伸问答
Anthropic的“巴拿马项目”具体做了什么？
Anthropic的“巴拿马项目”涉及切割、扫描并销毁书籍，以获取高质量数据用于训练AI模型。
为什么Anthropic选择通过销毁书籍来获取数据？
Anthropic认为书籍的内容比网络文本更具价值，且通过授权获取数据成本高、耗时长。
Anthropic在版权争议中是如何处理的？
Anthropic最终以15亿美元和解，但未承认任何违法行为，法院裁定其训练行为属于合理使用。
这一事件对创作者有什么影响？
创作者对出版商和AI公司的不满加剧，认为赔偿标准远低于法律上限，生存空间被挤压。
Anthropic如何获取书籍用于“巴拿马项目”？
Anthropic主要依赖二手书零售商进行书籍采购，并通过工业化流程进行扫描。
AI训练与人类阅读有什么不同？
AI可以在短时间内消化大量书籍并低成本复制输出，而人类阅读则是逐本进行，无法实现同样的规模。
➡️
