AI吞噬纸质书：数百万绝版典籍遭“破坏性扫描”的伦理危机
在数字化浪潮席卷全球的今天，我们习惯于认为信息的获取是无限且低成本的。然而，一场静默却剧烈的文化清洗正在物理世界中上演。为了喂养日益庞大的大型语言模型，科技巨头们将目光从拥挤的互联网转向了书架上沉睡的纸质书籍。这并非简单的数字化归档，而是一场带有毁灭性质的资源掠夺。当液压切纸机干脆利落地削掉书脊，将一本本承载着人类智慧结晶的实体书化为散页送入高速扫描仪，随后作为废纸回收时，我们不得不面对一个尖锐的问题：技术的进步是否必须以牺牲文化的物理载体为代价？
这一现象的核心驱动力在于数据质量的焦虑。随着生成式AI的爆发，互联网上充斥着大量由算法生成的文本，甚至出现了专门用于干扰模型训练的“数据投毒”工具。对于追求高质量输出的AI公司而言，2022年之前出版的纸质书成为了难得的“净土”。这些书籍经过编辑、校对和出版流程的严格筛选，代表了未经AI污染的人类原始智慧。尤其是那些冷门、绝版或不再重印的书籍，因其稀缺性和内容的独特性，成为了训练数据中的“上品”。这种对纯净数据的渴求，直接催生了地下化的图书采购与处理产业链。
Anthropic公司引发的“巴拿马计划”曝光，揭开了这一黑色产业链的一角。该计划并非单纯的图书馆数字化项目，而是一项系统性的、隐蔽的实体书销毁行动。通过供应商ISBNdb等中间机构，AI公司以保密协议为掩护，从旧书店、图书馆及绝版书目录中批量采购纸质书。这些书籍一旦进入处理流程，便面临被切割、扫描并最终销毁的命运。公司内部文件直言不讳地称其为“对全世界所有书籍进行破坏性扫描的行动”，并明确表示不希望外界知晓。这种隐秘性本身就暗示了操作者对道德风险的自知之明。
法律层面的博弈为这种行为提供了一定的灰色空间。在2025年的一起关键诉讼中，法官威廉·阿尔萨普做出了有利于AI公司的裁决。他认为，大模型阅读书籍是为了学习语言模式和知识结构，而非复述或销售原书，这种用途具有高度的“转化性”，符合合理使用的原则。更关键的是，法官指出，如果AI公司合法购买纸质书，扫描后销毁实体副本，仅保留一份数字文件供内部使用，并未增加市场上的流通副本数量，这在法律上可被视为格式转换而非侵权复制。这一判例巧妙地规避了盗版问题，将焦点转移到了获取方式的合法性上，从而为“买书-扫描-毁书”的模式打开了法律后门。
然而，法律上的自洽并不能掩盖文化伦理上的困境。对于畅销书而言，销毁一册或许无关痛痒，因为其存世量巨大。但对于绝版书、孤本或具有特殊历史价值的版本，这种破坏是不可逆的。古旧书的价值不仅在于印刷的文字，更在于其物理形态所承载的历史痕迹。书页上的批注、签名、题赠，以及装帧材料中隐藏的手稿或前主人的收藏印记，都是无法通过纯文本扫描完整保留的文化信息。一旦书脊被切断，纸张被打散，这些依附于实体结构的元数据便永久消失。AI得到了一份可用于训练的数字文本，却摧毁了一件不可再生的文化文物。
市场的反应揭示了这一行为的广泛影响。二手书商报告称，近期来自匿名买家的订单激增，采购对象多为冷门、外文书籍，且往往要求批量交易。这种异常的市场需求导致稀有书籍价格波动，同时也让许多书商感到不安。他们虽然借此清除了库存，但目睹珍本沦为纸浆的过程引发了强烈的心理不适。这种不适感源于对知识载体的敬畏与对工业化粗暴处理的冲突。ISBNdb等中介机构曾公然兜售此类服务，甚至将“保密”作为卖点，但在舆论压力下迅速撤下相关页面，声称仅为“市场测试”。这种急切的撇清关系，恰恰反映了行业内部对声誉风险的恐惧。
尽管马斯克等科技领袖表态要求采用无损扫描方式保存稀有书籍，但这更多是一种姿态性的回应，缺乏具体的执行标准和监管机制。目前，行业内缺乏统一的规范来界定哪些书籍属于“稀有”或“具有历史价值”，也没有强制要求AI公司公开采购书目或接受第三方监督。判断一本书是否值得保留实体，往往取决于商业效率而非文化价值。在这种逻辑下，任何无法产生即时经济回报或难以数字化的边缘知识，都可能面临被物理消灭的风险。
更深层次的矛盾在于，AI公司一方面承认2022年前的纸质书因未被AI污染而珍贵，另一方面却以对待一次性耗材的方式处理这些载体。这种悖论揭示了技术理性与人文关怀之间的断裂。算法需要数据，但数据不等于知识的全部。知识的传承不仅依赖于信息的比特流，也依赖于物质载体的延续。当我们将人类文明简化为可被机器读取的字符串时，我们丢失了阅读的体验、历史的触感以及文化记忆的多样性。
面对这一危机，单纯的道德谴责或个别企业的自律远远不够。我们需要建立更完善的法律框架，明确AI训练数据获取的边界，特别是针对绝版书和珍稀文献的保护条款。例如，可以规定对于存世量低于一定阈值的书籍，必须采用无损扫描技术，并将扫描后的实体书捐赠给公共图书馆或档案馆保存。同时，应推动建立透明的数据采购披露机制，让公众和学术界能够监督AI公司的数据来源，确保文化资源的公平利用。
此外，技术社区也应反思对“大数据”的盲目崇拜。是否真的需要销毁数百万本书才能训练出更好的模型？是否有更高效的数据筛选机制，或者通过合成数据、小样本学习等技术路径减少对原始数据的依赖？这些问题关乎AI发展的可持续性。如果AI的智能建立在文化废墟之上，那么这种智能本身也将是贫瘠且危险的。
最终，这场关于纸质书命运的争论，实质上是关于我们如何定义知识、记忆与未来的争论。在算法主导的时代，我们更需要守护那些无法被量化、无法被快速复制的文化细节。每一本被切碎的书中，都藏着一段独特的历史叙事。保护这些实体书，不仅是保护过去，更是为未来保留多种解读世界的可能性。技术应当成为文化的守护者，而非掘墓人。只有在尊重文化载体完整性的前提下，人工智能的发展才能真正融入人类文明的长河，而不是将其截断。