AI训练数据 – mylogs.cn https://mylogs.cn 发现、记录、分享 Mon, 03 Aug 2026 11:27:11 +0000 zh-Hans hourly 1 珍本被切脊扫描，只为喂饱大模型 https://mylogs.cn/%e7%8f%8d%e6%9c%ac%e8%a2%ab%e5%88%87%e8%84%8a%e6%89%ab%e6%8f%8f%ef%bc%8c%e5%8f%aa%e4%b8%ba%e5%96%82%e9%a5%b1%e5%a4%a7%e6%a8%a1%e5%9e%8b/ https://mylogs.cn/%e7%8f%8d%e6%9c%ac%e8%a2%ab%e5%88%87%e8%84%8a%e6%89%ab%e6%8f%8f%ef%bc%8c%e5%8f%aa%e4%b8%ba%e5%96%82%e9%a5%b1%e5%a4%a7%e6%a8%a1%e5%9e%8b/#respond Mon, 03 Aug 2026 11:26:10 +0000 https://mylogs.cn/?p=3438 你书架上那本压箱底的旧书，很可能正被人按吨收走。

珍本被切脊扫描，只为喂饱大模型
图片来源：Hackley Public Library / Flickr（CC BY 2.0）

据 404 Media 调查，今年 4 月起，二手书商陆续接到规模异常的订单，单笔从 1000 册到 100 万册不等。买家不挑题材、不挑作者，对价格也不敏感，溢价照收，唯一的硬条件是出版时间早于 2022 年——那是生成式模型大规模铺开之前，最后一批确定由人写成、没被机器文本污染过的内容。一位不愿具名的书商说，他从前一周卖出约 20 本，现在一周能走几百本。

书买回去并不入库。为了扫得快、扫得平，通行做法是用切割机削掉书脊，把散页送进工业扫描仪高速成像，扫完的纸页当废品处理。今年 1 月公开的法庭文件披露，Anthropic 内部有个代号「巴拿马计划」的项目，目标正是尽可能多地买书、扫描、销毁。法官认定购买后自行扫描属于合理使用，而该公司因早期囤积盗版书库，另与作者方达成 15 亿美元和解。

争议随后烧到了图书数据库网站 ISBNdb。它曾上线一个撮合页面，写着「世界上最好的训练数据就在书架上」。舆论发酵后页面被删，官方声明称自己从不训练模型，那只是一次市场需求测试。

说白了，问题不在扫描，而在扫描之后。绝版书退出流通，内容进了不对外开放的私有库，公众反倒读不到了。

你怎么看：花钱买下一本书，就有权把它变成纸浆吗？

图片来源：Hackley Public Library / Flickr（CC BY 2.0）

来源：404 Media、IT之家

]]> https://mylogs.cn/%e7%8f%8d%e6%9c%ac%e8%a2%ab%e5%88%87%e8%84%8a%e6%89%ab%e6%8f%8f%ef%bc%8c%e5%8f%aa%e4%b8%ba%e5%96%82%e9%a5%b1%e5%a4%a7%e6%a8%a1%e5%9e%8b/feed/ 0 Anthropic 15亿美元天价和解获批，AI版权案的最大赢家是谁？ https://mylogs.cn/anthropic-15%e4%ba%bf%e7%be%8e%e5%85%83%e5%a4%a9%e4%bb%b7%e5%92%8c%e8%a7%a3%e8%8e%b7%e6%89%b9%ef%bc%8cai%e7%89%88%e6%9d%83%e6%a1%88%e7%9a%84%e6%9c%80%e5%a4%a7%e8%b5%a2%e5%ae%b6%e6%98%af%e8%b0%81/ Thu, 23 Jul 2026 08:13:37 +0000 https://mylogs.cn/anthropic-15%e4%ba%bf%e7%be%8e%e5%85%83%e5%a4%a9%e4%bb%b7%e5%92%8c%e8%a7%a3%e8%8e%b7%e6%89%b9%ef%bc%8cai%e7%89%88%e6%9d%83%e6%a1%88%e7%9a%84%e6%9c%80%e5%a4%a7%e8%b5%a2%e5%ae%b6%e6%98%af%e8%b0%81/ 2026年7月20日，美国加州北区联邦法官 Araceli Martínez-Olguín 正式批准了人工智能公司 Anthropic 与作家团体达成的 15 亿美元版权和解协议。这不仅是美国历史上金额最大的版权集体诉讼和解案，更可能成为定义 AI 训练数据合法性边界的关键节点。

Anthropic 15亿美元天价和解获批，AI版权案的最大赢家是谁？
AI生成配图

一场价值 15 亿美元的官司

这场诉讼始于 2024 年，一群作家联合起诉 Anthropic，指控该公司未经许可使用其受版权保护的书籍来训练 AI 聊天机器人 Claude。Anthropic 从两个渠道构建训练数据集：一是合法购买和扫描的书籍，二是从 Library Genesis 和 Pirate Library Mirror 等盗版网站下载的侵权内容。

案件的核心分歧在于：用版权作品训练 AI 是否属于”合理使用”（fair use）。退休法官 William Alsup 在此前的裁决中做出了一个让业界既振奋又不安的区分——他认为用受版权保护的文本来训练 AI 模型本身属于合理使用，但 Anthropic 从盗版网站下载并存储了超过 700 万本侵权书籍，这一行为构成了独立的版权侵权。正是后一个结论，迫使 Anthropic 选择和解，以避免陪审团可能裁定的天价赔偿金。

和解细节：每部作品赔偿 3000 美元

最终批准的和解方案覆盖了约 506,194 部作品，作者和出版商预计每部作品可获得约 3,000 美元的赔偿——这相当于法定最低赔偿标准 750 美元的 4 倍。法院特别指出，这一数额比 2011 年被驳回的 Google Books 和解方案中提出的最高单书赔偿高出一个数量级。

通知程序覆盖了约 595,000 名潜在集体诉讼成员，成功触达了作品清单中 99.5% 的权利人。截至目前，超过 91% 的受影响作者和出版商已提交索赔申请。最终只有 350 名集体成员选择退出和解，另有 54 人提出异议或逾期申请退出。

律师费从 3 亿砍到 1 亿

和解方案中一个引人注目的插曲是律师费问题。原告律师团队最初要求诉讼标的额的 20%，即约 3 亿美元。在法院审理前，他们将比例主动降至 12.5%，约 1.87 亿美元。然而 Martínez-Olguín 法官认为这一比例仍然过高，最终将律师费削减至和解金的约 6.8%，约 1.0156 亿美元。法院还要求律师在赔偿分配完成后提交详细账目，如果实际工时少于预期，可能进一步降低费用。

三位代表原告的服务费也从此前申请的 5 万美元被调低至 1.5 万美元。法官表示，虽然原告付出了大量时间和精力，但更高的金额”不合理”。

非金钱赔偿：销毁盗版文件

除了现金赔偿外，和解协议还要求 Anthropic 销毁所有从 Library Genesis 和 Pirate Library Mirror 下载或获取的原文件及其副本，法律规定的保存义务除外。法院明确将这一销毁行为视为对集体成员的一项非金钱利益。

值得注意的是，和解的范围被刻意设计得相对狭窄——集体成员仅放弃与 Anthropic 在 2025 年 8 月 25 日之前获取和复制其作品相关的侵权索赔（即”输入”端），基于 AI 输出结果的索赔以及针对未来行为的所有索赔均不受影响。这意味着作者们保留了对 Anthropic 后续侵权行为的起诉权。

少数反对者的声音

并非所有人都满意这一和解结果。知名娱乐律师兼作家 Donald Passman 就是其中的典型代表。他撰写的《All You Need to Know About the Music Business》被视为音乐产业的经典教材。Passman 辩称自己收到和解通知过晚，且每部作品约 3,351 美元的赔偿无法充分补偿其个人版权索赔的潜在价值。但他要求在截止日后三个月提出的退出申请被法院以”不可原谅的延迟”驳回。

Anthropic 辩称，允许 Passman 退出”将给其他人打开后门”，破坏和解方案的终局性。法官采纳了这一观点。

更大的图景：AI 版权争议远未结束

尽管这 15 亿美元的和解案具有里程碑意义，但它并没有从法律上彻底解决 AI 训练数据的版权问题。Alsup 法官关于”AI 训练属于合理使用”的裁决只是单个地区法院的判决，而且 Anthropic 选择和解意味着案件永远不会进入上诉法院，无法成为具有约束力的判例。其他法官仍可就相似案件做出独立判断。

事实上，针对 Google、Meta、Midjourney 和 OpenAI 等一系列 AI 公司的版权诉讼正在平行推进中。就在上周，包括 Hachette、Cengage、Elsevier 以及作家 Scott Turow 在内的出版商和作者团体，又对 Google 提起了新的集体诉讼，指控该公司使用其版权作品训练 Gemini 平台。

Anthropic 在声明中对和解结果表示满意。该公司副总法律顾问 Aparna Sridhar 表示，很高兴此案确立了 AI 训练属于合理使用的里程碑裁决，同时也欣慰超过 91% 的权利人已提交索赔申请。三位原告代表则在声明中称，和解”让我们离 Anthropic 真正承担责任更近了一步，也给所有 AI 公司敲响了警钟——他们不能通过走捷径来绕过法律或践踏创作者的权益。”

]]>