AI公司批量收购旧书获纯净数据

据IT之家7月28日报道，调查媒体404 Media发现，多家AI公司正通过中间商大规模收购二手图书，用于训练AI模型。这些旧书被视为“纯净”训练素材，因为其版权通常已过期或清晰，内容经过时间检验，质量高且语言规范，避免了从互联网抓取数据可能引发的版权纠纷和公众反感。报道未披露具体AI公司名称，但指出收购规模巨大，涉及多个中间商，旧书来源包括图书馆、二手书店等。AI公司此前主要依赖网络爬虫收集数据，但面临多起版权诉讼和公众对数据隐私的担忧。收购旧书成为获取高质量文本数据的新途径，可能推动二手书市场价格上涨，并引发对文学遗产数字化的讨论。AI发展离不开海量数据，但数据质量是关键，旧书提供了经过筛选的优质内容，有助于提升模型训练效果。同时，此举也可能减少对网络数据的依赖，降低法律和声誉风险。