Amazonが希少本を裁断しAI学習に活用
原題: Amazon, which started off selling books, is destroying rare texts to train AI
なぜ重要か
AI学習データの枯渇問題が深刻化する中、希少な物理書籍が新たなデータ源として注目され、著作権・文化財保護との摩擦が業界課題として浮上している。
Amazonが希少本を大量購入し、背表紙を裁断してスキャン、AI学習データとして活用していることが404 Mediaの調査で判明した。同メディアが追跡装置を希少本に仕込んだところ、ラスベガスのAmazon施設「VGT3」に到着したことが確認された。Amazonは「顧客向け製品・サービス改善のために商業チャンネルを通じて書籍を購入している」とコメントした。
テクノロジーメディア404 Mediaの調査報道により、Amazonが希少本を組織的に購入・裁断し、AIモデルの学習データとして活用していることが明らかになった。同メディアは追跡装置を希少本の中に仕込み、その本がラスベガスにあるAmazonの施設「VGT3」へ送られたことを特定した。同施設は、恐竜が本を爪で持つシンボルを使用している。
Amazonは404 Mediaに対し、「顧客が利用する製品・サービスの改善を目的として、商業チャンネルを通じて書籍を購入している」と声明を発表した。具体的な購入規模や対象書籍の詳細については明らかにしていない。
Amazonをはじめとする大手AI企業は、LLM（大規模言語モデル）の学習に膨大な量のテキストデータを必要としている。インターネット上から収集できるデータはすでに限界に近づきつつあり、絶版本やネット上で入手不可能な希少本は新たな学習データ源として注目されている。なお、Anthropicは著作権で保護された書籍を違法に海賊版として使用したとして問題視された事例もある。
希少本が特に価値を持つ理由の一つとして、2022年以前に出版されたテキストにはAIが生成した文章が含まれないという点が挙げられる。LLMがAI生成テキストを大量に学習した場合、「モデル崩壊（model collapse）」と呼ばれる現象が起き、出力品質が劣化するリスクがある。このため、人間が書いた高品質なテキストの確保が業界全体で急務となっている。