前沿研究TechCrunch
research · 海外 AI 灵感
扫描绝版书脊：亚马逊用实体书训练AI防模型崩溃
亚马逊购买稀有书籍，切断书脊扫描内容，用于训练AI模型，以获取纯净的预2022年文本数据。
为什么有市场空间
国内大模型训练同样面临数据瓶颈，尤其需要高质量中文语料。古籍、地方志、内部刊物等稀缺文本未被充分数字化，类似模式可帮助获取独特数据。此外，国内版权环境复杂，但商业采购方式可规避部分风险，同时符合AI发展政策对高质量数据的需求。
01
背景故事
随着大语言模型训练数据日益枯竭，互联网上的文本已被大量摄取，且充斥AI生成内容，导致模型可能发生'模型崩溃'，质量下降。亚马逊作为曾经的在线书商，利用其图书采购渠道，大量购买稀有书籍，尤其是绝版或无法在线获取的文本，通过物理扫描将其转化为训练数据。这些书籍因出版时间早于2022年，确保内容非AI生成，为模型提供高质量、纯净的语料。此举虽引发争议，但揭示了AI训练数据来源的新思路。
02
落地效果
据404 Media报道，亚马逊通过商业渠道购买稀有书籍，在拉斯维加斯的VGT3设施进行扫描。尚未公开具体用户量或营收数据。
栏目说明
本栏目内容由 AI 对海外科技媒体公开报道进行中文改写，并经创新性筛选、国内相关性门控与 MVP 可行性分析生成。 金点子用于灵感参考，不构成投资或创业建议。点击「查看原文」可追溯出处。