Sind KI-Giganten die Hauptschuldigen der „Bücherverbrennung“? Musk distanziert sich umgehend: Er hat SpaceX AI angewiesen, Bücher verlustfrei zu scannen.

Mit der Flut von KI-generierten Inhalten, die ins Internet strömen, sind von Menschen erstellte „saubere Korpora“ plötzlich zu einer knappen Ressource geworden. Vor diesem Hintergrund richten KI-Giganten ihren Blick auf gedruckte Bücher.

Kürzlich wies ein Bericht des unabhängigen Mediums 404 MediaX darauf hin, dass KI-Unternehmen massenhaft seltene Bücher kaufen, die vor 2022 veröffentlicht wurden, mit Hydraulikschneidern die Buchrücken abschneiden und sie scannen, um saubere, nicht von KI „verunreinigte“ Daten zu erhalten (Bücher, die vor 2022 veröffentlicht wurden, enthalten keine KI-generierten Inhalte).

Um zu verhindern, dass die Daten erneut auf den Markt gelangen, werden diese Bücher anschließend oft zerkleinert und vernichtet. Der Bericht weist darauf hin, dass Anthropic Millionen von physischen Büchern vernichtet hat, darunter auch seltene, vergriffene alte Schriften mit sehr geringem Bestand.

Wie bekannt ist, wird diese Aktion von Anthropic als „Panama-Plan“ bezeichnet und von einem US-Bundesgericht für rechtmäßig befunden. Das Gericht stellte fest, dass das Modell „rechtmäßig gedruckte Bücher kaufen und dann zerstörendes Scannen durchführen“ unter die faire Nutzung fällt.

Sobald der Bericht veröffentlicht wurde, entwickelte sich die öffentliche Diskussion schnell in den sozialen Medien: Als der X-Plattform-Account Hedgie über diese Angelegenheit berichtete, erhielt er eine Antwort von Elon Musk. Der letztere erklärte: „Ich habe das SpaceX-KI-Team angewiesen, alle wertvollen Bücher in den Bibliotheken zu bewahren und ein zerstörungsfreies Scanverfahren anzuwenden, um Beschädigungen der Buchrücken zu vermeiden.“

Hedgie antwortete darauf: „Vielen Dank an Musks Team für diese Maßnahme. Auch wenn das Scannen etwas langsamer ist, erhaltet ihr trotzdem die Trainingsdaten. Wenn SpaceX KI daran festhält, sollten andere Unternehmen der Branche dies als Standard übernehmen.“

Egal welche Methode zur Datenerhebung angewendet wird, zahlreiche Anzeichen deuten darauf hin, dass Bücher zu einer der wichtigsten Quellen für KI-Trainingskorpora geworden sind.

Wie im oben genannten Bericht beschrieben, ist ISBNdb ein Unternehmen, das Dienstleistungen für den Massenkauf von Büchern anbietet und behauptet, über die „weltweit größte Buchdatenbank“ zu verfügen. In den letzten Jahren hat es sich zu einem „Buchdatenlieferanten“ für KI-Unternehmen umgewandelt. Die Washington Post stellte fest, dass Anthropic eine Zusammenarbeit mit Better World Books aufgebaut hat, einer Plattform, auf der Bibliotheken, Händler und Privatpersonen alte Bücher verkaufen.

Vor diesem Hintergrund kommt es häufig zu Rechtsstreitigkeiten zwischen ausländischen Verlags- und Medienkonzernen und KI-Unternehmen:

Am 22. Juli reichte News Corp eine Gegenklage beim Bundesgericht in Oakland, Kalifornien, ein und beschuldigte das US-amerikanische Suchmaschinenunternehmen Brave Software, ohne Genehmigung massenhaft Artikelinhalte von Medien wie *The Wall Street Journal* und *New York Post* aus dem eigenen Konzern abzurufen und weiterzuverkaufen, um sie für das Training von KI-Modellen zu verwenden.

Am 14. Juli reichte eine Gruppe großer Verlage eine Klage gegen Google ein und beschuldigte das Unternehmen, Millionen von urheberrechtlich geschützten Büchern illegal zu nutzen, um sein KI-Modell Gemini zu entwickeln, und nannte dies „eine der schwersten Urheberrechtsverletzungen in der Geschichte“. Aus Google-Kreisen hieß es, dass das Unternehmen mit „potenziellen Strafen von 10 bis 100 Milliarden Dollar“ rechnen muss, wenn die von Verlagen bereitgestellten Texte für Google Play Bücher verwendet werden.

Laut einem Forschungsbericht von CITIC Securities wird erwartet, dass die digitale Verwaltung von kulturellem geistigem Eigentum im Jahr 2026 der Verlagsbranche einen zusätzlichen Raum von etwa 70 Milliarden Yuan bringen wird. Für das Training großer Modelle werden große Mengen hochwertiger Korpusdaten benötigt, und die Inhaltsvermögen von Verlagsunternehmen können den Modellen reichhaltige, hochwertige Sprachmaterialien liefern. Zhongtai Securities erklärte, dass die urheberrechtlichen Verhältnisse der Inhalte relevanter Verlage relativ klar sind und sie deutliche Vorteile bei spezialisierten Inhalten haben. Sie dürften mehrere technologische Zyklen wie Internet und KI überdauern und zu grundlegenden Kernvermögen für nachhaltige Entwicklung werden.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „CLS AI daily“, Autor: Zhang Zhen, veröffentlicht mit Genehmigung von 36Kr.