404 Media ตามรอยหนังสือ 1,000 เล่มถึงศูนย์สแกนของ Amazon เปิดปมข้อมูลฝึก AI

พัสดุหนังสือราว 1,000 เล่มกลายเป็นจุดเริ่มต้นที่ทำให้ 404 Media สืบสวนข้อกล่าวหาเกี่ยวกับการดำเนินงานของ Amazon ซึ่งรับซื้อหนังสือฉบับพิมพ์ นำไปแปลงเป็นข้อมูลดิจิทัล แล้วทำลายต้นฉบับกระดาษ การรายงานเชื่อมโยงพัสดุดังกล่าวกับสถานที่ปฏิบัติงานของ Amazon ในลาสเวกัส และพบขั้นตอนการทำงานที่สอดคล้องกับการสร้างชุดข้อมูลข้อความขนาดใหญ่สำหรับ AI อย่างไรก็ตาม Amazon ระบุเพียงว่าบริษัทซื้อหนังสือ “เพื่อปรับปรุงผลิตภัณฑ์ของเรา” โดยไม่ได้ยืนยันต่อสาธารณะว่ามีการซื้อหนังสือจำนวนเท่าใด ใช้กี่สถานที่ หรือการดำเนินงานในลาสเวกัสป้อนข้อมูลให้โมเดล AI รุ่นใดโดยเฉพาะ

AirTag พาไปถึงคลังสินค้า Amazon ได้อย่างไร

404 Media ซ่อน Apple AirTag ไว้ในพัสดุหนังสือจำนวนมากที่ซื้อจากร้านหนังสือในแคลิฟอร์เนีย จากนั้นติดตามเส้นทางของพัสดุซึ่งเดินทางผ่านรัฐวิสคอนซินและโคโลราโด ก่อนมาถึงคลังสินค้า LAS8 ของ Amazon ในลาสเวกัส พัสดุถูกส่งต่อไปยัง VGT3 ซึ่งเป็นหน่วยงานบริเวณด้านเหนือของพื้นที่ดังกล่าว โดยการสืบสวนระบุสถานที่จากโลโก้รูปทีเร็กซ์คู่กับหนังสือ รวมถึงคำบอกเล่าของคนงาน

ประเด็นสำคัญไม่ได้อยู่แค่ว่า Amazon เป็นผู้รับหนังสือ แต่ปลายทางและคำให้สัมภาษณ์ของพนักงานชี้ว่า VGT3 อาจกำลังแปรรูปหนังสือ มากกว่าจะจัดการหนังสือในฐานะสินค้าคงคลังทั่วไปเพื่อขายต่อหรือจัดส่งให้ลูกค้า

ขั้นตอน “ซื้อ–สแกน–ทำลาย” ที่ถูกรายงาน

ตามคำบอกเล่าของคนงานที่ 404 Media อ้างถึง สถานที่ดังกล่าวรับหนังสือฉบับพิมพ์จำนวนมาก จากนั้นตัดหรือแกะสันหนังสือเพื่อให้แต่ละหน้าผ่านเครื่องสแกนความเร็วสูง สแกนทั้งเนื้อหาและบาร์โค้ด ก่อนนำกระดาษที่แยกออกไปทิ้งหรือรีไซเคิล

กระบวนการนี้เปลี่ยนหนังสือจริงให้เป็นข้อความที่เครื่องอ่านได้ พร้อมกับกำจัดต้นฉบับเล่มนั้นออกไป จึงแตกต่างอย่างมีนัยสำคัญจากการซื้อหนังสือเพื่อขายต่อ เก็บเข้าคลัง หรือจัดส่งตามคำสั่งซื้อ การสืบสวนอธิบายว่านี่เป็นหลักฐานของสายการจัดซื้อและแปลงหนังสือเป็นดิจิทัลในระดับใหญ่ แม้ยังไม่สามารถระบุจำนวนหนังสือทั้งหมด หรือยืนยันว่าโมเดล Amazon รุ่นใดได้รับการฝึกด้วยข้อมูลจากการสแกนเหล่านี้

Amazon ชี้แจงอะไร และเรื่องใดยังไม่มีคำตอบ

Amazon บอกกับ 404 Media ว่าบริษัทซื้อหนังสือ “เพื่อปรับปรุงผลิตภัณฑ์ของเรา” แต่มีรายงานว่าบริษัทไม่เปิดเผยจำนวนหนังสือที่ซื้อ จำนวนสถานที่ที่ใช้สแกน ผลิตภัณฑ์ใดนำข้อมูลไปใช้ หรือกระบวนการในลาสเวกัสเกี่ยวข้องโดยตรงกับการฝึกโมเดล AI หรือไม่

ความแตกต่างนี้สำคัญ เพราะสิ่งที่การสืบสวนพบคือหลักฐานเชิงปฏิบัติการ ได้แก่ พัสดุที่ติดตามได้ ปลายทางภายในสถานที่ของ Amazon หน่วยงานที่ประมวลผลหนังสือ และคำบอกเล่าของคนงานเกี่ยวกับการสแกนและทำลายหนังสือ แต่ยังไม่ใช่การยอมรับอย่างครบถ้วนต่อสาธารณะว่า หนังสือทุกเล่มที่ผ่านสถานที่แห่งนี้กลายเป็นข้อมูลฝึกโมเดล Amazon ที่ระบุชื่อได้

ข้อสรุปที่แม่นยำที่สุดจึงควรอยู่ในกรอบที่แคบกว่านั้น แต่ยังมีนัยสำคัญ: 404 Media พบหลักฐานของการดำเนินงานแปลงหนังสือเป็นดิจิทัลของ Amazon ซึ่งดูสอดคล้องกับการเก็บข้อมูลสำหรับ AI ในช่วงที่ Amazon กำลังลงทุนกับการพัฒนาโมเดลแนวหน้าและบริการด้านข้อมูล ขณะเดียวกัน Reuters รายงานว่า Amazon กำลังปรับยุทธศาสตร์ AI โดยหันทรัพยากรไปสู่ความพยายามพัฒนาโมเดลแนวหน้ารุ่นใหม่

ทำไมร้านหนังสือจึงสงสัยว่าเป็นการกว้านซื้อข้อมูลทั้งแคตตาล็อก

ผู้ค้าหนังสือให้ข้อมูลกับ 404 Media ว่า คำสั่งซื้อจำนวนมากบางรายการมีลักษณะแปลก เพราะรวมหนังสือหลากหลายประเภท และดูเหมือนไม่ได้ให้ความสำคัญกับมูลค่าขายต่อ สภาพหนังสือ หัวข้อ หรือราคา หากผู้ซื้อมีเป้าหมายเพื่อขายต่อ โดยทั่วไปย่อมต้องคัดเลือกจากความต้องการของตลาดและส่วนต่างกำไร แต่หากเป้าหมายคือข้อมูลฝึก AI ผู้ซื้ออาจสนใจการรวบรวมชื่อเรื่องและ ISBN ให้ได้กว้างที่สุด

รูปแบบดังกล่าวทำให้ผู้ค้าบางรายสงสัยว่า บริษัท AI หรือโบรกเกอร์ข้อมูลอาจกำลังพยายามไล่เก็บหนังสือจากแคตตาล็อกที่ตีพิมพ์ทั่วโลก แทนที่จะเลือกเฉพาะเล่มที่มีมูลค่าทางการค้า 404 Media เคยรายงานก่อนหน้านี้ว่า ISBNdb ทำตลาดบริการจัดหาหนังสือฉบับพิมพ์จำนวนมากให้บริษัท AI หลังถูกนำเสนอข่าว บริษัทได้ลบเนื้อหาที่เกี่ยวข้องและระบุว่าหน้าเว็บดังกล่าวเป็นเพียง “การทดสอบความสนใจของตลาด”

หลักฐานที่มีไม่ได้พิสูจน์ว่าคำสั่งซื้อแปลก ๆ ทุกคำสั่งเกี่ยวข้องกับ Amazon หรือ AI แต่ช่วยอธิบายว่าทำไมตลาดนี้จึงตีความได้ยาก คำสั่งซื้อที่ดูไร้แบบแผนในมุมของการขายปลีก อาจมีเหตุผลมากขึ้นหากเป้าหมายคือการเพิ่มความครอบคลุมของชุดข้อมูลให้ได้มากที่สุด

เหตุใดหนังสือเก่าจึงมีค่าสำหรับการฝึก AI

หนังสือฉบับพิมพ์มีสิ่งที่นักพัฒนา AI ให้ความสำคัญมากขึ้น นั่นคือภาษาที่มนุษย์เขียนขึ้นจำนวนมหาศาลก่อนที่ข้อความจาก AI เชิงสร้างสรรค์จะแพร่หลาย หนังสือเก่าหรือหนังสือที่เลิกพิมพ์ยังอาจมีข้อมูลเฉพาะทาง ข้อมูลท้องถิ่น และเนื้อหาทางประวัติศาสตร์ที่ไม่เคยเผยแพร่ทางออนไลน์อย่างเข้าถึงง่าย

ด้วยเหตุนี้ หนังสือจริงจึงอาจเป็นแหล่งข้อความที่ทั้งหลากหลายและมีโอกาสน้อยกว่าจะเป็นเนื้อหาสังเคราะห์ 404 Media อธิบายว่าหนังสือเก่ามีคุณค่าในส่วนหนึ่งเพราะ “ปราศจาก AI slop” หรือข้อความจาก AI ที่ผลิตออกมาอย่างล้นเกิน ซึ่งสะท้อนความกังวลว่าชุดข้อมูลในอนาคตอาจมีเนื้อหาที่สร้างโดย AI เพิ่มขึ้นเรื่อย ๆ

นักวิจัยและนักพัฒนายังพูดถึงแนวคิด “โมเดลล่มสลาย” (model collapse) ซึ่งหมายถึงความเป็นไปได้ที่การฝึกโมเดลซ้ำ ๆ ด้วยผลลัพธ์สังเคราะห์จะทำให้คุณภาพหรือความหลากหลายของโมเดลรุ่นต่อมาลดลง ความกังวลนี้ช่วยอธิบายความสนใจในเนื้อหาที่มนุษย์สร้างขึ้นในอดีต แต่ไม่ได้เป็นหลักฐานว่าโมเดลของ Amazon เกิดภาวะดังกล่าว หรือหนังสือที่ไปถึงลาสเวกัสถูกเก็บรวบรวมด้วยเหตุผลนี้

กรณี Anthropic และเส้นแบ่งทางกฎหมาย

ขั้นตอนที่มีรายงานเกี่ยวกับ Amazon มีลักษณะคล้าย Project Panama ของ Anthropic ซึ่งเป็นโครงการที่บริษัทซื้อหนังสือจริง ตัดสันหนังสือ สแกนหน้า แล้วทิ้งต้นฉบับกระดาษ เพื่อสร้างข้อมูลดิจิทัลสำหรับงาน AI

คำสั่งศาลในคดี Bartz v. Anthropic เมื่อวันที่ 23 มิถุนายน 2025 วางเส้นแบ่งที่สำคัญ ผู้พิพากษา William Alsup เห็นว่าการนำหนังสือไปฝึก Claude และรุ่นก่อนหน้าเป็นการใช้งานที่ “เปลี่ยนแปลงไปจากต้นฉบับอย่างยิ่ง” (exceedingly transformative) และเข้าข่ายการใช้งานโดยชอบธรรม (fair use) ภายใต้ข้อเท็จจริงที่ศาลพิจารณา นอกจากนี้ ศาลยังมองว่าการแปลงหนังสือกระดาษที่ซื้อมาอย่างถูกต้องตามกฎหมายเป็นไฟล์ดิจิทัลก็เป็น fair use เพราะ Anthropic เพียงเปลี่ยนหนังสือที่ซื้อไว้สำหรับห้องสมุดภายใน ให้เป็นสำเนาดิจิทัลที่ประหยัดพื้นที่และค้นหาได้

อย่างไรก็ตาม คำตัดสินไม่ได้หมายความว่าการทำลายหนังสือจะทำให้การฝึก AI ถูกกฎหมายโดยอัตโนมัติ วิธีการได้มาซึ่งหนังสือ วัตถุประสงค์ของการใช้งาน การเก็บรักษาหรือเผยแพร่สำเนา และข้อเท็จจริงโดยรอบยังมีความสำคัญ คดีเดียวกันนี้ยังแยกกรณีการสร้างห้องสมุดจากหนังสือที่ได้มาด้วยวิธีละเมิดลิขสิทธิ์ออกไปต่างหาก

เส้นแบ่งนี้เป็นหัวใจของประเด็น Amazon แม้บริษัทจะซื้อหนังสือมาอย่างถูกต้องตามกฎหมาย คำถามเรื่องขนาดของการดำเนินงาน การใช้ไฟล์ที่สแกน สัญญากับผู้เขียนหรือสำนักพิมพ์ และการรักษาหนังสือหายากทางกายภาพ ยังคงเป็นคนละประเด็นกับการวิเคราะห์ fair use แบบจำกัดในคดี Bartz

เพราะเรื่องนี้ไม่ได้มีแค่ลิขสิทธิ์

ข้อคัดค้านของผู้ค้าหนังสือไม่ได้จำกัดอยู่ที่ยอดขายหรือค่าตอบแทนด้านลิขสิทธิ์ หนังสือหายากและหนังสือนอกพิมพ์อาจมีคุณค่าทางประวัติศาสตร์ ความรู้ วัฒนธรรม และความรู้สึกส่วนบุคคล เมื่อหนังสือที่มีอยู่อย่างจำกัดถูกตัดแยกและนำไปรีไซเคิล เนื้อหาอาจยังคงอยู่ในรูปสแกน แต่ชิ้นงานต้นฉบับกลับสูญหายไปอย่างถาวร

นี่คือข้อกังวลด้านการอนุรักษ์ที่คำตัดสินเรื่องลิขสิทธิ์ไม่สามารถตอบได้ทั้งหมด กระบวนการหนึ่งอาจมีเหตุผลทางกฎหมายภายใต้ข้อเท็จจริงชุดหนึ่ง และยังทำให้ผู้สะสม ผู้ค้าหนังสือ ห้องสมุด และผู้อ่านไม่สบายใจได้ เพราะพวกเขามองว่าหนังสือจริงไม่ใช่เพียงภาชนะบรรจุข้อความ

ประเด็นนี้ยังสะท้อนความไม่สมดุลของข้อมูล บริษัท AI อาจมองเห็นคุณค่าของหนังสือเฉพาะทางในฐานะข้อมูลฝึก ก่อนที่ผู้ขายรายย่อยจะรู้ว่าคำสั่งซื้อจำนวนมากที่ดูประหลาดนั้นเป็นส่วนหนึ่งของยุทธศาสตร์จัดหาข้อมูลที่กว้างกว่านั้น คำชี้แจงของ Amazon ว่าซื้อหนังสือเพื่อปรับปรุงผลิตภัณฑ์ จึงยังทิ้งคำถามเชิงปฏิบัติที่สำคัญที่สุดไว้กับวงการหนังสือ: ซื้อในขนาดใหญ่เพียงใด สแกนหนังสือประเภทไหน และไฟล์ที่ได้ถูกนำไปใช้อย่างไร

ฉากหลังยุทธศาสตร์ AI ของ Amazon

การดำเนินงานด้านหนังสือที่ถูกกล่าวหานี้สอดคล้องกับความพยายามในวงกว้างของ Amazon ที่ต้องการแข่งขันในตลาด AI ขั้นสูง Reuters รายงานเมื่อเดือนกรกฎาคม 2026 ว่า Amazon กำลังยุติการพัฒนาโมเดลภายในหลายรายการ และมุ่งทรัพยากรไปยังความพยายามพัฒนาโมเดลแนวหน้ารุ่นใหม่ ขณะเดียวกัน AWS ทำตลาด Nova Forge ซึ่งเปิดให้ลูกค้านำข้อมูลของตนมาผสมกับข้อมูลฝึกที่ Amazon คัดสรร เพื่อพัฒนาโมเดลแนวหน้าที่ปรับแต่งเอง

ข้อมูลเหล่านี้ชี้ให้เห็นเหตุผลเชิงยุทธศาสตร์ที่ทำให้ Amazon ให้คุณค่ากับข้อความคุณภาพสูง แต่ไม่ได้พิสูจน์โดยลำพังว่าหนังสือที่ 404 Media ติดตามถูกใช้ฝึกโมเดลใดโมเดลหนึ่ง หลักฐานที่หนักแน่นที่สุดยังคงเป็นการรายงานโดยตรงเกี่ยวกับเส้นทางพัสดุและสถานที่ในลาสเวกัส

คำถามใหญ่ที่ยังคงอยู่คือ ตลาดหนังสือจริงกำลังกลายเป็นห่วงโซ่อุปทานที่มองไม่เห็นของ AI หรือไม่ การรายงานของ 404 Media ชี้ว่า อย่างน้อยในกรณีที่มีการติดตามอย่างเป็นรูปธรรม หนังสือเดินทางจากร้านค้าไปยังหน่วยงานของ Amazon ซึ่งสแกนหนังสือแล้วทำลายต้นฉบับ ส่วนขนาดที่แท้จริงของการดำเนินงานและการใช้ไฟล์ปลายทางยังไม่มีการเปิดเผย