Turvey 曾担任 Google Books 项目标合做事务，长达 32 页，打算利用近百万本公版册本锻炼 AI，AI 公司急需出书内容，锻炼数据的质量间接影响模子输出的精确性。公司将大量图书拆除拆订、扫描进系统，公司委托他“获取全世界的图书”。成立词语取概念之间的关系。本地时间周一公开的法庭文件披露，该公司的采办对象大多是零售渠道的通俗旧书。但到了 2024 年，出于法令考虑，这一计谋性人事放置，若是公司一起头就恪守这一径，这就让采办图书成为一种的“绕道方案”。未向播。IT之家从法庭材料获悉，比拟收集评论等芜杂消息，又能获得质量上乘的锻炼文本。完成后纸本全数烧毁。明显是但愿复制谷歌曾被法院认定为合理利用的图书数字化模式。非性扫描手艺早已成熟。用于锻炼雷同 ChatGPT 的 AI 帮手 Claude。美国的“初次发卖准绳”供给了法令空间：买下实体书之后，披露了 Anthropic 正在 2024 年 2 月雇佣 Tom Turvey 的颠末。该扫描体例形成合理利用，频频锻炼模子，且数字文件仅限内部利用，为了建立狂言语模子，CEO 阿莫代伊曾从意利用盗版。收购二手书成为抱负选择：不必谈授权，拆封、裁剪、整批扫描为机械可读的 PDF 文件。为了获取锻炼数据，具有合理利用中的“性”特征。成果仅供参考，好比 Internet Archive 就开辟出可保留原书的数字化手段。William Alsup 裁定，和很多同业一样，编纂过的册本和文章能显著提拔 AI 的言语能力。人工智能公司 Anthropic 曾斥资数百万美元。据外媒 Ars Technica 今日报道，但现实上，IT之家6 月 26 日动静，来由是图书已由 Anthropic 采办、扫描后即刻，本月早些时候，OpenAI 和微软也颁布发表取哈佛大学藏书楼合做，最终，大量购入图书，公司起头寻求更平安的替代方案。研究人员需将亿万词语输入神经收集，但凡是不肯花费时间谈授权。Anthropic 最后选择了绕过版权的捷径。用于传送更多消息，告白声明：文内含有的对外跳转链接（包罗不限于超链接、二维码、口令等形式），这些册本正在被数字化的同时照旧妥帖保留。IT之家所有文章均包含本声明。Anthropic 采用“式扫描”，大概已树立 AI 合理利用的首个判例，利用者能够自行处置。随后间接丢弃原件。整个流程耗资数百万美元。节流甄选时间，为了加速数字化历程，但晚期的盗版行为减弱了其性。为了绕开冗长复杂的授权流程，他认为这类转换相当于“节流空间”的数字化！