Jejak 1,000 Buku Membawa 404 Media ke Operasi Pengimbasan Amazon—Apa Kaitannya dengan Latihan AI?

Proses ini menukar buku fizikal kepada teks yang boleh dibaca mesin sambil menghapuskan naskhah asal. Ia jelas berbeza daripada membeli buku untuk jualan semula, penyimpanan gudang atau pemenuhan pesanan pelanggan. Siasatan itu menggambarkan operasi berkenaan sebagai bukti adanya saluran pemerolehan dan pendigitalan buku yang besar—namun tidak menentukan jumlah keseluruhan buku terbabit atau mengenal pasti model Amazon tertentu yang dilatih menggunakan hasil imbasan tersebut.

Kenyataan Amazon dan perkara yang masih belum disahkan

Amazon memberitahu 404 Media bahawa syarikat itu membeli buku “untuk menambah baik produk kami”. Bagaimanapun, menurut laporan tersebut, Amazon tidak mendedahkan jumlah buku yang dibeli, bilangan kemudahan yang mengimbasnya, produk yang menggunakan bahan berkenaan atau sama ada aliran kerja di Las Vegas itu digunakan secara khusus untuk melatih model AI.

Perbezaan ini penting. Siasatan berkenaan menyediakan bukti operasi: penghantaran yang dijejaki, destinasi di dalam kemudahan Amazon, operasi pemprosesan buku dan keterangan pekerja tentang proses pengimbasan serta pemusnahan. Namun, ia bukan pengakuan awam yang lengkap bahawa setiap buku yang diproses di situ menjadi data latihan bagi model Amazon yang dinamakan.

Kesimpulan yang paling tepat lebih terhad, tetapi masih besar implikasinya: 404 Media menemui bukti operasi pendigitalan buku Amazon yang kelihatan serasi dengan pengumpulan data untuk AI, pada ketika Amazon sedang melabur dalam pembangunan model frontier dan perkhidmatan data. Reuters pula melaporkan bahawa Amazon sedang menyusun semula strategi AI dengan memberi tumpuan kepada usaha model frontier baharu.

Mengapa penjual buku mengesyaki pengumpulan data berskala katalog

Penjual buku memberitahu 404 Media bahawa sesetengah pesanan pukal kelihatan luar biasa kerana kandungannya bercampur-aduk dan tidak begitu mengambil kira nilai jualan semula, keadaan fizikal, subjek atau harga buku. Pembeli yang mahu menjual semula buku biasanya perlu memilih berdasarkan permintaan dan margin keuntungan. Sebaliknya, pembeli yang mahukan data latihan mungkin lebih berminat mendapatkan pelbagai tajuk dan nombor ISBN.

Corak itu menyebabkan peniaga mengesyaki syarikat AI atau broker data sedang cuba menelusuri katalog buku terbitan secara menyeluruh, bukan sekadar membeli tajuk yang mempunyai nilai komersial. 404 Media sebelum ini melaporkan bahawa ISBNdb memasarkan pemerolehan buku bercetak dalam jumlah besar kepada syarikat AI. Selepas laporan tersebut, ISBNdb membuang bahan berkaitan dan berkata halaman itu hanyalah ujian terhadap minat pasaran.

Bukti yang ada tidak menunjukkan bahawa setiap pesanan luar biasa berkait dengan Amazon atau AI. Namun, ia menjelaskan mengapa pasaran ini sukar ditafsirkan oleh penjual buku: pesanan yang nampak rawak mungkin tidak masuk akal sebagai urus niaga runcit, tetapi lebih munasabah jika tujuannya adalah memaksimumkan keluasan sesuatu set data.

Mengapa buku bercetak lama menarik untuk latihan AI

Buku bercetak menawarkan sesuatu yang semakin bernilai kepada pembangun AI: himpunan bahasa yang ditulis manusia sebelum teks janaan AI menjadi begitu meluas. Buku lama dan yang sudah tidak dicetak juga mungkin mengandungi maklumat khusus, tempatan, sejarah atau sukar ditemui yang tidak pernah tersedia secara meluas dalam talian.

Ini menjadikan buku fizikal berpotensi sebagai sumber teks yang luas dan kurang berkemungkinan terdiri daripada bahan sintetik. Laporan 404 Media mengenai ISBNdb menyifatkan buku lama sebagai bernilai sebahagiannya kerana ia “bebas daripada AI slop”—istilah bagi kandungan janaan AI yang berulang, hambar atau berkualiti rendah.

Penyelidik dan pembangun turut membincangkan “keruntuhan model” (model collapse), iaitu kemungkinan kualiti atau kepelbagaian model generasi baharu merosot apabila model dilatih berulang kali menggunakan output sintetik. Kebimbangan itu membantu menjelaskan minat terhadap bahan lama yang dihasilkan manusia, tetapi bukan bukti bahawa model Amazon telah mengalami keruntuhan model atau bahawa buku dari Las Vegas dikumpulkan atas sebab tersebut.

Persamaan dengan Anthropic dan batas undang-undang

Aliran kerja Amazon yang dilaporkan mempunyai persamaan dengan Project Panama oleh Anthropic. Dalam operasi itu, Anthropic membeli buku fizikal, menanggalkan jilid, mengimbas halaman dan membuang naskhah kertas untuk menghasilkan bahan digital bagi kerja AI.

Dalam perintah bertarikh 23 Jun 2025 bagi kes Bartz v. Anthropic, Hakim William Alsup memutuskan bahawa penggunaan buku untuk melatih Claude dan pendahulunya adalah “amat transformatif” serta merupakan penggunaan wajar (fair use) berdasarkan fakta yang dianalisis mahkamah. Beliau turut menganggap pendigitalan buku bercetak yang dibeli secara sah sebagai penggunaan wajar kerana Anthropic menggantikan naskhah fizikal yang dibeli dengan salinan digital yang sepadan, boleh dicari dan menjimatkan ruang untuk perpustakaan dalaman syarikat.

Keputusan itu bukan bermaksud memusnahkan buku secara automatik menjadikan latihan AI sah di sisi undang-undang. Cara buku diperoleh, tujuan penggunaannya, sama ada salinan disimpan atau diedarkan semula serta keadaan lain tetap penting. Kes yang sama membezakan layanan terhadap perpustakaan Anthropic yang dibina menggunakan buku cetak rompak.

Batas undang-undang ini penting dalam isu Amazon. Walaupun Amazon membeli buku secara sah, persoalan tentang skala operasi, cara hasil imbasan digunakan, kontrak dengan penulis atau penerbit, dan pemeliharaan karya fizikal yang jarang ditemui tetap berasingan daripada analisis penggunaan wajar yang khusus dalam kes Bartz.

Mengapa isu ini lebih besar daripada hak cipta

Bantahan penjual buku bukan hanya berkisar tentang jualan yang hilang atau pampasan hak cipta. Buku yang jarang dan tidak lagi dicetak boleh mempunyai nilai sejarah, intelektual, budaya serta sentimental. Apabila naskhah yang sukar diganti dipotong dan dikitar semula, kandungannya mungkin kekal sebagai imbasan, tetapi artifak fizikalnya lenyap.

Hal ini menimbulkan persoalan pemeliharaan yang tidak semestinya terjawab melalui keputusan hak cipta. Sesuatu proses boleh dipertahankan dari sudut undang-undang berdasarkan fakta tertentu, namun tetap membimbangkan pengumpul, penjual buku, perpustakaan dan pembaca yang melihat buku fizikal sebagai lebih daripada sekadar bekas teks.

Kontroversi ini juga menyerlahkan ketidakseimbangan maklumat. Syarikat AI mungkin memahami nilai data sesebuah buku yang tidak dikenali jauh lebih awal daripada penjual individu menyedari bahawa pesanan pukal yang ganjil sebenarnya sebahagian daripada strategi pemerolehan yang lebih besar. Kenyataan Amazon bahawa ia membeli buku untuk menambah baik produknya masih meninggalkan persoalan praktikal yang paling penting kepada industri buku: sejauh mana pembelian itu berlaku, apa yang diimbas dan apa yang terjadi kepada fail yang terhasil.

Dalam konteks strategi AI Amazon

Operasi buku yang didakwa itu selari dengan usaha Amazon yang lebih luas untuk bersaing dalam AI termaju. Reuters melaporkan pada Julai 2026 bahawa Amazon sedang menghentikan banyak model dalaman sambil menumpukan sumber kepada usaha model frontier baharu. AWS pula memasarkan Nova Forge, perkhidmatan yang membolehkan pelanggan menggabungkan data proprietari dengan data latihan yang dipilih Amazon ketika membangunkan model frontier tersuai.

Fakta tersebut memberikan sebab strategik untuk Amazon menghargai teks berkualiti tinggi, tetapi tidak membuktikan secara berasingan bahawa buku yang dijejaki 404 Media digunakan untuk melatih model tertentu. Bukti terkuat masih datang daripada laporan langsung tentang penghantaran dan kemudahan di Las Vegas.

Persoalan yang lebih besar ialah sama ada pasaran buku fizikal sedang berubah menjadi rantaian bekalan AI yang tidak kelihatan. Laporan 404 Media menunjukkan bahawa, sekurang-kurangnya dalam satu kes yang didokumentasikan, buku bergerak dari penjual buku ke operasi pemprosesan Amazon untuk diimbas dan dimusnahkan. Skala sebenar serta penggunaan fail selepas itu masih belum didedahkan.