Sen Ye
@SenYe10
가입 December 2017
0 팔로잉 중 0 팬
这是不是现代版的数字知识垄断“焚书”？
AI巨头疯狂大量收购2022年之前出版的旧书、绝版书籍
疯狂扫描之后，直接销毁，目的是为啥？
因为AI生成内容泛滥，内容被污染，由人工创作的“干净语料”突然变为稀缺资源
现状的网络充斥大量AI产出的同质化水文，如果持续抓取这类文本训练模型，会造成模型退化、逻辑混乱灵。
而2022年前印刷的书籍，全部是人类原创、经过编辑校对，是相对稀缺、纯净度相对高的高质量语料。
这些巨头更现实的考虑是：
第一、规避一部分版权风险。按照海外现有判例，企业合法购入实体图书、仅内部提取文字训练，被认定为“合理使用”；比直接爬取电子书，法律纠纷门槛更低。
第二、可以筑建独家数据壁垒。不少冷门专著、地方史料存量稀少，收购销毁之后，同行很难获取同源文本，形成别人拿不到的知识库。
这到底是不是“焚书”，他们应该怎么做才更好？
더 보기
