AirTagによる追跡が明らかに：アマゾンがAI学習のために希少書籍を廃棄

Ars Technicaの報道によると、ある独立調査員がアップルのAirTag追跡デバイスを使ったことで、アマゾン社内に隠された計画が偶然明らかになった。アマゾンのあるチームが人工知能モデルの学習のために、大量の希少・貴重な書籍を組織的に廃棄しているというものだ。この発見はテクノロジー界と文化界でたちまち大きな議論を巻き起こした。

偶然の追跡

調査員は当初、古本の箱にAirTagを一つ忍ばせ、中古品の流通経路を追跡しようとしただけだった。しかし電波信号が最終的に指し示したのは、アマゾンがオレゴン州に持つ倉庫施設だった。廃棄された梱包材や従業員からの情報を通じて、「Corpus Cleanup」というプロジェクトの存在が浮かび上がった。このプロジェクトは図書館が除籍した実物の書籍をスキャンしてデジタル化することを専門としているが、データ抽出完了後、それらの紙の本は廃棄物として処分されることが多かった。その中には希少な初版本、限定印刷物、さらには著者の手書き書き込みが残る貴重な蔵書まで含まれていた。

情報提供者によると、廃棄プロセスは非常に効率的で、まずロボットアームが一ページずつスキャンし、その後本はシュレッダーに送られる。全工程はわずか数分だが、処理される書籍の多くは再発見されるまでに数十年を要するものだという。

なぜ希少書籍なのか？

AI業界において、大規模言語モデルの学習には膨大なテキストデータが必要とされる。ウェブスクレイピングと比べ、実物の書籍から得られるコンテンツはより整理されており体系的で、多くのウェブサイトのクローラー対策も回避できる。希少書籍は独特の語彙スタイルや歴史的情報を持つことが多く、モデルの意味理解能力を高める上で特別な価値を持つ。しかし、これらの書籍を完全に廃棄することは、人類が物理的な媒体を永遠に失うことを意味する。これらの本はもはや貸し出され、研究され、後世に受け継がれることはない。

グーグルとインターネットアーカイブは何年も前から大規模な書籍スキャンを開始しているが、通常は原本の紙版を保存している。アマゾンが直接廃棄という手段を選んだ背景には、コスト削減の意図がある一方、デジタル優先という同社の戦略とも関係していると考えられる。匿名を希望した元アマゾンのエンジニアはArs Technicaに対し、「チームのリーダーは、モデルの学習が完了すれば元の書籍は余分な在庫に過ぎないと考えていた」と語った。

著作権と倫理のグレーゾーン

この行為は法的にも極めて問題をはらんでいる。多くの希少書籍はいまだ著作権保護下にあり、アマゾンが無断でスキャンして商業的なAI学習に使用することは、著作権侵害に当たる可能性がある。さらに重要なのは、実物の書籍を廃棄することは公共の文化的財産を破壊することと同義であるという点だ。図書館や蔵書家はアマゾンの行為を「海賊版より悪質だ」と表現している。

「モデルを学習させることはできる。しかし『原本』を燃やすべきではない。」ある書物史学者はそう評した。

近年、AI企業は著作権をめぐる訴訟に度々巻き込まれており、ニューヨーク・タイムズによるOpenAIへの提訴から作家グループによる集団訴訟まで、テクノロジー企業のクリエイターの著作権に対する軽視はすでに公衆の怒りを買っている。テクノロジー大手であるアマゾンのこの行為は、こうした対立を一層深めることになるのは間違いない。

ティラノサウルスのロゴが示す暗喩

最も衝撃的だったのは、このアマゾンのチームが自分たちのロゴに、大きく口を開けたティラノサウルスが今にも一冊の本を丸呑みにしようとしているデザインを採用していたことだ。この商標はチーム内の内輪受けジョークのようだが、外部からは傲慢さと破壊の象徴として映る。あるデザイナーは皮肉を込めて「彼らは自分たちが書籍を食い尽くしていることを自覚した上で、それを面白がっているのだ」と語った。

編集後記

AIの発展にはデータが必要だ。しかし、データの取得は人類の文化遺産を犠牲にする形であってはならない。実物の書籍は情報の媒体であるだけでなく、文明の記憶を宿す実体でもある。デジタルスキャンがテキストの内容を保存できたとしても、物理的な書籍そのものが持つ歴史の息吹、装丁の芸術性、そして読者との感情的なつながりは、決して複製できるものではない。「地球上最大の書店」として出発したアマゾンは、知識の守護者となるべきであり、破壊者であってはならない。私たちはAI企業に対し、より責任ある学習データポリシーを確立し、技術の進歩と人文的遺産のバランスを見つけるよう訴える。

本稿はArs Technicaから編集・翻訳したものです