正如你可能听说的，Anthropic 近期与多位作者达成版权诉讼和解，并同意向他们支付 15 亿美元。
自那以后，他们发现了一个可以继续“吞食”文字的法律漏洞：批量采购实体书并扫描。为了提高效率，他们用大型工业切书机把书脊切掉，再把书页送进高速扫描仪，扫描完成后就把纸质书扔掉。
例如，Anthropic 有一个名为“Project Panama”（巴拿马计划）的项目，计划扫描两百万本书。动机何在？一位联邦法官裁定，在合法购买的实体媒体上训练 AI 属于“合理使用”。AI 公司不再需要依赖影子数字图书馆，现在他们可以构建在法律上站得住脚的数据集。
现在这不叫“偷”了
几年前 Midjourney 风靡一时，我一位做艺术的朋友非常愤怒，认为艺术家被剥夺了应得的版税。我问这两者有什么区别：
- 人类艺术家去上艺术学校，研究大师作品，练就艺术技巧，然后被要求“用弗兰克·米勒的风格画一本漫画书”。他买了一堆弗兰克·米勒的漫画，研究它们，然后完成约稿。
- AI 摄取了弗兰克·米勒的全部作品语料，做着同样的事。
我那位艺术家朋友的回答是“但 AI 并没有买下这些作品来研究”。说得有道理。
但现在他们买了，这个论点就不成立了。即便 AI 买的是二手书，那也完全合法，就像人类也可能买二手书一样。
大家冷静点
自从这种破坏性扫描计划被曝光以来，关于它的哀嚎与咬牙切齿就没停过，大多来自那些痛心于珍贵古籍被毁的藏书爱好者。我的社交媒体信息流被各种尖叫刷屏：人类知识的结晶被丢进 AI 焚化炉、无数后代将被剥夺这些无价典籍、图书馆很快将空空如也，等等。从评论来看，你会以为古登堡圣经正在被机器人切片。
放轻松。
稍加理性思考就能让你平静下来。
首先，任何真正古老的作品早已过了版权期。Anthropic、OpenAI 等完全可以自由下载任何出版日期距今超过 70 年、且作者已逝世相应年限的公有领域书籍。这大约是 150 年，也就是 1876 年左右。当然，对很多书来说时间点要近得多，因为并非每个人都活到 80 岁。许多 20 世纪初的书籍已经没有版权了。
而且大量这类书籍早就被扫描过了。Google 曾长期开展非破坏性扫描图书馆书籍的项目，互联网档案馆（Internet Archive）也是。古登堡计划（Project Gutenberg）和许多其他来源都提供这些书。Anthropic 不可能找不到查尔斯·狄更斯的首版数字副本，反而要去买纸质首版来切碎。
其次，构建这类数据集的 AI 公司能有几家？并不多。
最后，每家公司只需一本。任何版本的一本即可。达芙妮·杜穆里埃 1936 年小说《Rebecca》（蝴蝶梦）的精装首版，配上精美护封，是件珍宝。而 2025 年出的平装再版则不是。AI 公司不会去买 1936 年版——他们会买能找到的最便宜的二手副本。事实上，他们正从二手书商处采购，以获取尽可能便宜的副本。
如果你是那种见不得任何书被毁的人……好吧，那你就咬碎牙吧。但我们还是现实点。每年都有大量书籍被销毁。并非每本书都是珍贵的经典。在 Amazon 出现之前，各地散布着许多二手书店，卖不出去的书常常因为占地太大而被化浆。
并非每本书都值得被永久保存。就这件事而言，任何必要的保存都不会因此受阻。