AI公司扫描训练用书：所谓「珍本」并不稀有

近期多家AI公司被报道大规模扫描书籍用于模型训练，扫描对象限定为2002年前出版的内容以规避AI生成内容的法律风险。由于扫描过程具有破坏性，且规模庞大，此事引发舆论关注。Hackaday发表的一篇评论文章对相关报道中「珍本」（rare books）的说法提出了质疑，认为这一表述夸大了实际损失。

扫描过程为何要拆毁原书

文章作者曾在出版行业长期任职，对纸质与电子出版都有了解。他指出，AI公司拆解书脊、销毁原书至少出于两方面考虑。其一，从技术操作看，散页文件的数字化远比成册书籍简便，去掉装订是工序上的自然选择；其二，从版权角度看，购买原书后再将唯一实体销毁，可以主张仅存一份数字副本，从而在版权纠纷中占据有利位置。

「珍本」说法与实际情况的偏差

文章的核心反驳集中在「珍本」这一用词上。报道中描述的被扫描书籍几乎都通过ISBN订购，而ISBN国际标准书号体系直到1970年才建立。这意味着扫描对象不可能是中世纪手抄本或古籍善本，而主要是1970年之后出版、近半个世纪内的印刷品。

对于工业化时代大量印制的现代书籍而言，「稀有」与否取决于首印量与后续保存状况。许多1970年后出版的图书本身印量大、存世多且市场价值低，作者认为这些书在被销毁前几乎无人关注其存续。而真正稀有且有价值的近代出版物，通常已由图书馆或收藏机构妥善保存，不太可能流入大规模扫描的采购渠道。

出版业本身就在大量销毁书籍

文章进一步指出，公众对AI公司销毁书籍的愤怒，与对出版行业自身销毁未售出新书的冷漠形成了鲜明对比。出版业每年都会将大量未售出的全新书籍送入造纸回收链条，这一规模远超AI扫描项目。作者反问道：如果真的珍视旧书，那对出版业长年销毁图书的行为为何不见同等程度的抗议？

结语

文章承认AI公司有许多值得批评之处，但在诸多争议中，「破坏性地数字化书籍」相对而言并不算最严重的一项。作者呼吁公众把注意力放在AI公司更不愿意回答的问题上，例如训练数据的来源构成、版权合规细节以及模型对社会的影响等更具实质性的议题。

（注：本文为Hackaday发表的评论文章，原文以作者个人观点为主，对相关事件的描述基于公开报道与行业经验，并非AI公司或出版方的一手声明。）