Anthropic为何买书扫描后销毁
内容提要
Anthropic公司实施“巴拿马计划”，斥资数千万美元购买旧书，切脊扫描后打成纸浆，用于AI训练。此举因法律上仅购买一份并销毁原件，被视为“转换性使用”而合法，但公众反感，需保密。核心是版权规则滞后，旧书（2022年前）被视为干净训练数据，避免模型崩塌。
延伸解读
“转换性使用”的法律逻辑
Anthropic买书扫描后销毁，法律上被视为“转换性使用”，因为购买实体书后扫描并销毁原件，并未增加副本数量，不构成复制和传播。这解释了为何销毁原件可能合法，而保存原件反而可能侵权。但这一逻辑依赖法官对“转换”的认定，存在不确定性。
旧书为何成为“干净”训练数据
2022年前出版的旧书不含AI生成内容，被视为“干净”训练数据，可避免模型崩塌。这类似二战前沉船中的低背景钢，因未受核污染而用于精密仪器。ISBNdb利用这一点，专门收购旧书供AI训练，既满足法律要求，又保证数据质量。
版权规则滞后于AI时代
纸质书、电子书、AI模型三种形态的版权规则各不相同。纸质书允许买家自由处置，电子书限制复制和传播，而AI训练权定价模糊，导致出版社和AI公司难以达成协议。Anthropic钻了纸质书规则的漏洞，以低成本获取训练数据，但公众反感，只能秘密进行。
Q&A
Anthropic公司为什么要买旧书扫描后销毁？
Anthropic公司实施“巴拿马计划”，购买旧书扫描后销毁，主要是为了获取训练AI模型的文本数据。这样做在法律上被视为“转换性使用”，因为只购买一份并销毁原件，不构成复制和传播，从而规避版权问题。同时，旧书（尤其是2022年前出版的）被视为更干净的训练数据，避免模型崩塌。
什么是“巴拿马计划”？
“巴拿马计划”是Anthropic公司内部对批量购买旧书、扫描并销毁的项目的代号。从2024年开始，Anthropic花费数千万美元从二手书商处购买旧书，外包给Datamation公司进行扫描，扫描后原书被回收打成纸浆。该计划旨在获取训练数据，同时避免版权纠纷。
为什么扫描旧书后要销毁原件？
销毁原件是为了在法律上构成“转换性使用”，避免版权侵权。因为只购买一份并销毁，世界上仍只有一份副本，不构成复制和传播，从而合法。如果保留原件，可能被视为新增副本，引发版权问题。
为什么旧书被视为“干净”的训练数据？
旧书（尤其是2022年前出版的）被视为“干净”的训练数据，因为那时生成式AI尚未普及，书中不含AI生成内容。使用这些数据训练模型可以避免“模型崩塌”，即模型因大量AI生成内容循环训练而语言偏离人类。
Anthropic为什么不用谷歌扫描的4000万册书？
谷歌扫描的4000万册书使用受限，版权期内的书只能用于搜索和展示小段落，不能用于训练模型。谷歌本身也面临出版商起诉，指控其将扫描书用于训练Gemini。因此，Anthropic不能直接使用谷歌的数据，只能自行购买扫描。
为什么Anthropic不直接购买电子书的训练权？
因为出版商尚未确定训练权的定价，无法估算训练一本书相当于购买多少本。传统按销量分成的模式不适用于AI训练，出版商担心训练导致销量下降，因此定价困难。Anthropic宁愿钻现有规则的空子，购买实体书扫描销毁，成本更低。
ISBNdb公司是做什么的？
ISBNdb公司原本维护图书ISBN编码数据库，现在也提供图书收购、扫描和销毁服务。它帮助AI公司购买旧书并扫描，同时签订严格保密协议，广告语是“世界上最好的AI训练数据，正躺在书架上”。
为什么公众对销毁旧书感到反感？
公众对销毁旧书感到反感，因为人们赋予书籍人格和感情，听到书被打成纸浆，尤其是孤本或稀有书被毁，容易产生情绪反应。尽管法律上可能合法，但公众情感上难以接受，因此公司需要保密。
