紐約客詳述Anthropic拆書掃描補長尾資料，披露更多細節

《紐約客》補充法院已披露的Anthropic拆書掃描細節：內部項目Project Panama被寫成“破壞性掃描世界上所有書籍”，通過拆裝訂、裁頁、掃描後丟棄紙本，把文本送入Claude訓練。

今年年初美國二手商在Alibris等渠道接到異常訂單：布魯克林一書商往年全年賣不到十本，突然單次十幾本，專挑冷門，均價約75至80美元，買家名爲Green Parrot Project、Red Sparrow Project一類有限責任公司。一書商在書中放入定位卡，包裹抵達伊利諾伊州Addison的ARC Document Solutions工業掃描廠；該公司宣傳部分中心全天運轉，單客戶月處理量可達“足球場大小、箱子疊四層”。雜誌從書商收集600餘本疑似賣給人工智能公司的書，多爲1970至2010年代，不少首印僅約千冊；出現最多的十家出版社裏八家爲學術社，樣本約三分之一爲學術出版物，含法律、歷史、文學批評與1972年市政污水污泥利用手冊。研究員Mycal Tucker作證稱非虛構通常比小說更有訓練價值，可提升哲學、天文學等表現。

早期可向批發商按批量採購，大路貨之後轉向二手網站補互聯網與現成庫缺失的長尾。Anthropic稱不收購古董收藏級稀缺本，區分“罕見有價值”與難找的專業參考書。相關版權訴訟文件早先披露採購與掃描規模以百萬冊計，公司曾尋求供應商在約六個月內處理數十萬至兩百萬冊。另有報道稱案件和解金額約15億美元量級，法官曾就內部使用數字副本是否構成合理使用作出認定。

市場機制上，這是紙本長尾對網頁語料的補貨。受益方是二手冷門書與工業掃描廠；承壓方是印量極低的學術庫存與必須爲訓練數據付版權的出版方。資金從模型公司採購預算進入書商與掃描外包，紙本在掃描後退出流通。

600本是抽樣，不是全部書單。定位卡證明物流終點，不自動證明每一單都進入同一模型。

來源：公開信息