书商们开始怀疑，AI公司正在大规模采购稀有书籍，随后将其销毁，仅仅是为了提取其中的文字内容用于模型训练。
对于真正热爱旧书的人来说，这种做法令人痛心。那些泛黄、脆弱的书页，承载着人类最早试图理解世界的记录，如今却可能被送进碎纸机，书页被撕下、扫描、丢弃。这是目前最廉价、最快速的扫描方式，而AI公司正竞相通过训练高质量长文本来提升模型能力，书籍正是这类内容的重要来源。书籍爱好者担忧，书籍销毁的实际规模远超目前的报道，部分实体书可能将永久消失。
令人痛惜的是，这一切本可以避免。
谷歌早在2009年就申请了一项无损书籍扫描技术的专利，AI公司完全可以采用这一方案——前提是愿意放慢速度并为此投入资源。不过，这项技术也并非无懈可击：研究发现，书页的弯曲弧度可能导致文字变形，部分页面也可能被遗漏。据《连线》杂志报道，操作员动作过快时还会出现失误，例如手部遮挡页面内容。
综合成本与速度方面的考量，谷歌的方案对那些寻求最低成本、最高效率的AI公司而言吸引力有限。而且对于珍稀书籍的处理，这一方法也未必是最佳选择。长期协助图书馆保存馆藏的互联网档案馆深知，扫描古籍需要时间与耐心，必须尽量减少对书籍的接触，这也是为什么这项工作被视为极具人文关怀的职业。
对于一心寻找捷径的AI公司来说，互联网档案馆的做法或许显得格格不入。
但对于那些在"AI毁书"传言中感到忧虑的书籍爱好者而言，互联网档案馆2021年发布的一篇文章或许能带来些许慰藉。文章介绍了该机构如何以不损伤珍贵稀有书籍的方式进行扫描。自2010年起便在档案馆担任书籍扫描员的张艾丽莎（Eliza Zhang）在文中分享了她为何如此热爱这种"费力"的扫描方式。
文章提到，互联网档案馆也曾尝试过自动化扫描，甚至测试了"配备真空吸附翻页装置的商业书籍扫描仪"。然而结果证明，这类自动化设备对于质地脆弱的书籍、珍稀版本及其他特殊馆藏效果不佳，而这些恰恰是合作图书馆委托档案馆数字化的主要对象。
张艾丽莎表示，这份工作需要高度专注，因为"年代久远、质地脆弱的书籍"往往"薄如蝉翼"。负责档案馆书籍扫描运营的安德烈亚·米尔斯（Andrea Mills）在文中解释道，"干净、干燥的人手才是翻页的最佳工具"。
为了确保每本珍稀书籍只需经历一次扫描，张艾丽莎始终不急不躁。每次翻页时，她都用脚踏板轻轻抬起扫描玻璃板，仔细调整摄像头角度，确认页面清晰可读。遇到折叠插页时，她还会专门做好标记，提醒自己返回补扫，以免在记录正文的同时遗漏附加内容。
Q&A
Q1：AI公司为什么要销毁书籍来训练模型？
A：AI公司销毁书籍是因为这是目前扫描大量书籍最廉价、最快速的方式。训练大语言模型需要高质量的长文本内容，而书籍正是这类内容的重要来源。将书页撕下后直接扫描，比非破坏性扫描方式效率更高、成本更低，因此一些公司选择了这条"捷径"。
Q2：谷歌的无损书籍扫描技术为什么没有被AI公司广泛采用？
A：谷歌2009年申请专利的无损扫描技术虽然可以避免损毁书籍，但存在明显局限：书页弯曲弧度可能导致文字变形、部分页面可能被遗漏，操作员动作过快时还会出现手部遮挡页面等失误。更重要的是，这种方式在成本和速度上不占优势，对于寻求最低成本、快速扫描数百万册书籍的AI公司来说吸引力不足。
Q3：互联网档案馆是如何在不损伤书籍的情况下进行扫描的？
A：互联网档案馆采用人工扫描方式，强调用干净、干燥的双手轻柔翻页。扫描员每次翻页都用脚踏板抬起扫描玻璃板，仔细调整摄像头并确认页面清晰。遇到折叠插页时还会单独标注，确保附加内容不被遗漏。这种方式虽然耗时，但能保证每本珍稀书籍只需经历一次扫描过程，最大程度减少对书籍的损伤。
