AIトレーニングのために、アマゾンが希少本を破壊？

TechCrunchの報道によると、アマゾンは人工知能モデルの学習用データを取得する目的だけのために、極めて貴重な希少本を破壊しているという。このニュースはどこかマジックリアリズムのような感覚を覚えさせる——書籍販売を起点に帝国を築いた企業が、今や自らの手で書籍を破壊しているのだから、これはAIブーム全体の中でも最も皮肉な光景のひとつと言えるだろう。

なぜ希少本がAIの新たなお気に入りになったのか？

TechCrunchの報道概要が指摘するように、「希少本は大規模言語モデルの学習にとって非常に価値が高い。なぜなら、これらのモデルはすでにインターネット上で入手可能な公開テキストをすべて吸収してしまっているからだ」。実際、わずか数年のうちに、ChatGPT・Claude・Geminiなどの大規模モデルはインターネット上のほぼあらゆる情報を「飲み込んで」しまった。ウィキペディアからRedditのフォーラム、学術論文から広告コピーに至るまで、クロール可能なテキストはすべて機械学習に利用されてきた。今や高品質な自然言語データはますます枯渇しつつある。

こうした背景のもと、デジタル化されておらず実体としてのみ存在する希少本が、AI業界にとっての「新たな油田」となった。これらの書籍には独自の叙述様式、歴史的な語料、マイナーな知識、ニッチな業界の専門用語などが含まれており、インターネット上では見つけられない貴重なサンプルだ。モデルの意味理解能力・多言語能力・文化的素養の向上に対して、代替不可能な役割を果たす。アマゾンはこの点に着目し、自社の膨大な書籍在庫を独自のデータ上の競争優位として活用しようとしているのは明らかだ。しかし衝撃的なのは、彼らが「破壊」という極端な手段を選んだことだ。

報道では「破壊」の具体的なプロセスは詳述されていないが、高速スキャン技術による書籍への物理的損傷、あるいはスキャン完了後に原本をそのまま廃棄することも含まれると推測される。この行為の背後にあるのは冷徹な実用主義の論理だ——コンテンツがデジタル化されれば、原本の実体としての価値は失われる、という考え方だ。しかし彼らが忘れているのは、希少本の価値はコンテンツそのものにとどまらず、版の形態・装丁・書き込みのひとつひとつにも、それぞれ文明の刻印が宿っているという事実である。

論争と批判：裏切りと近視眼的な行為

この報道が伝わるや、学術界・図書館関係者・珍本コレクターたちは深い怒りを示した。古典籍研究者のひとりは、これは単なる商業行為ではなく文化遺産への破壊行為だと述べた。希少本はしばしば唯一現存する本であり、一度損傷すれば、人類はその原本が持つ「現前性」を永久に失うことになる。さらに皮肉なのは、アマゾンがかつてEコマース帝国を築いた際の看板こそ、「地球上で最大の書籍セレクション」だったことだ。そして今、その「セレクション」をAIモデルの学習のために紙くずへと変えているのである。

これは孤立した事件ではない。ネット上のテキストが使い尽くされるにつれ、AI各社は新たなデータソースを血眼で探している。OpenAIやGoogleはすでに著作権コンテンツをめぐる訴訟に相次いで巻き込まれており、今度はアマゾンが直接「実物の焚書」に着手したことで、データ収奪は新たな極限に達したと言える。業界の論評は、これは極めて近視眼的な行為だと指摘している。工具的合理性の観点から見ても、原本を破壊すれば将来の再調査に支障をきたす。万が一スキャンデータが破損したり、フォーマットが時代遅れになったりすれば、原本こそが最後の「バックアップ」になり得たのだから。

編集部注：文明の知識がAIの学習燃料となるとき、私たちは炎で自らの図書館を焼き尽くそうとしているのではないか。

編集部注：AIのデータへの渇望と文化遺産の衝突

AIの発展にはデータが不可欠だが、データは無から生まれるものではない。人類が数千年にわたって積み重ねてきた書籍・文書・手稿は、いずれも文明の結晶だ。テクノロジー企業が「データの鉱山」のためにピラミッド全体を爆破するとき、得られるのはより賢いモデルかもしれないが、失われるのは取り返しのつかない記憶の一部である。

もちろん、デジタル化の意義を全否定すべきではない。古典籍をスキャンし、テキスト認識を施すことで、より多くの研究者や一般市民が閲覧できるようにすることは、それ自体として将来に遺産を残す素晴らしい行為だ。問題は、これらの資源をいかなる方法で「採掘」するかにある。アマゾンは非破壊スキャン技術を使い、完了後に原本を適切に保存するか図書館に寄贈することが十分可能だったはずだ。しかし彼らは最も粗暴で最も破壊的な道を選んだ。これはAI大手がデータ競争において抱える焦りと傲慢さを露わにしている。

この一件は業界全体への警鐘となっている。AIのデータへの渇望は永遠に満たされないかもしれないが、技術の熱狂と文化的倫理の間で、より均衡のとれた支点を見つけることを学ばなければならない。そうでなければ、未来のモデルは人類文明についての論文を書けるかもしれないが、私たちはそこで引用されているあの本を、もはや手に取ることができなくなるだろう。

本記事はTechCrunchより編訳