文化資產保護 - Kerwin AI Information

📌 本文重點

稀有書正被當成可消耗的 AI 訓練燃料

AI 公司毀書掃描，公共與學術系統幾乎無法介入

法規與監管忽略了「為訓練 AI 而毀書」的文化風險

開發者與使用者可以用技術與選擇阻止文化被黑箱吞噬

AI 公司掃描稀有書、毀掉實體館藏，不只是「技術細節」，而是正在改寫誰有權決定人類知識如何被保存與毀棄。在算力和數據被視為新基礎建設的年代，如果文化保存不被視為同等重要的基礎建設，下一代回頭看 2020s，很可能只會看到一片被模型吃掉、卻無從考證的知識黑洞。

一、稀有書正在變成「可計價燃料」，而不是公共記憶

這一連串調查指向同一個不舒服的事實：AI 公司已經在物理層面「拆書」取數據。

404 Media 用 AirTag 追蹤一批稀有書，最後發現終點是亞馬遜（Amazon）AI 訓練設施。
The Decoder 更直接揭露：Amazon 大量購買印刷書，掃描後在過程中銷毀實體本。
TechCrunch 報導指出，稀有書對 LLM 特別有價值，因為模型已經把網路文本吃得差不多了。

💡 關鍵： 稀有書一旦被視為可耗盡的訓練燃料，企業就有系統性毀書的經濟動機，而公共記憶卻沒有被計入成本。

這些片段串起來，就是一條新的產業邏輯：

大模型已吃完「開放網路」：Common Crawl、維基百科、開放論文庫已經是所有主流模型的標配，差異性變低。
下一步的競爭優勢，來自「稀缺數據」：未上網的冷門專著、地方志、技術手冊、灰色文獻，成為模型差異化的秘密武器。
在算力與時間壓力下，「拆書掃描」比「精緻保存」更符合企業 KPI：
一次性買斷、拆書、工業化掃描 → 資料直接進 ML pipeline。
書的狀態、保存品質，不影響模型的 loss，只影響文化的損失。

當稀有書被視為可計價的訓練燃料，它在企業眼中是「可消耗資源」，而不是「不可替代的公共記憶」。這就是我們必須警惕的：AI 產業現在有動機，也有資本，去「吞掉」圖書館裡最稀有的那一層知識。

二、圖書館與學者的失語：資料掠奪如何變成「默許常態」

更令人不安的不是 Amazon 做了什麼，而是公共與學術系統幾乎沒有發聲權。

1. 図書館被繞過，文化保護被視為「流程阻力」

現行館藏制度假設的是：

書在館內，透過借閱、影印、有限度數位化，慢慢流通；
稀有本的任何處置，需要館方、捐贈人、甚至文化部門同意。

但現在的路徑變成：

稀有書先透過二手市場、清倉、甚至館藏汰舊流入商業渠道；
AI 公司以「合法購買」之名取得實體，再在封閉設施內決定命運；
圖書館、研究者、原持有者，完全不知道這批文獻之後被如何處置。

以 Anna’s Archive 的呼籲為例，作者不得不以「在 AI 公司毀掉之前，先盡快掃描保存」作為行動口號，這本身就暴露了權力結構：

現在是民間志工在搶時間，跟算力巨頭「賽跑」，看誰先把書變成位元。

2. 學術界的尷尬：想用好數據，又害怕失去實體

對研究者而言，稀有文獻數位化本來是好事：

跨國、跨學門共享：不必飛去某個小鎮圖書館查一冊地方志。
可機器分析：文本可被 NLP、歷史語料庫、數位人文工具重複利用。

問題是，現階段的數位化是由企業主導、模型優化導向，不是「公共數位典藏導向」：

掃描的優先順序由「對模型有利」決定，而非「對學術與文化有利」。
檔案格式、清洗策略、甚至是否保留原始影像，都只對內優化 ML pipeline。
學術界最後拿到的，可能只是被模型不可逆地「消化過」的摘要與輸出，而不是原始文獻。

文化記憶的核心問題在於可考性：當實體書被銷毀，而掃描檔被鎖在 Amazon 的私有 S3 上，我們失去的不只是紙，而是未來任何人驗證某段知識來源與脈絡的能力。這種損失是不可逆、也無法靠「模型回答問題」補回。

三、法規完全沒準備好：我們從未想過「為訓練 AI 而毀書」

法律上，這個場景幾乎是空白地帶：

著作權法只管「複製與利用」，不管「實體銷毀」：
只要企業合法購買書籍，自行拆解、掃描、銷毀，通常不觸及著作權的紅線；
用來訓練模型，只要輸出不明顯「逐字抄襲」，目前多數法域仍屬灰色。
文化資產保護法門檻過高：
真正被列為「文物」、「古蹟」的只是一小撮，絕大多數 20 世紀專業書、地方志、技術手冊都不在保護清單上；
但對歷史學、科技史、社會學而言，常常是這些「非文物級」的材料最關鍵。
監管仍停留在「AI 內容風險」，沒看到「AI 訓練前的文化風險」：
大家在談深偽、AI 詐騙、模型偏見，卻極少把「文化保存」納入 AI 監管架構；
現狀等於默許企業在文化資產層面自由行動，只要後續不做違法用途即可。

我認為，這是一個需要制度性翻轉的時刻：

稀有文獻的數位化與開放治理，應被視為 AI 時代的公共基礎建設，而不是交給單一平台暗中操作。

具體可以怎麼做？至少有三個方向：

公共數位館藏基金：由政府、研究機構與民間資金共同出資，優先購買與數位化危險中的稀有書，並以開放授權釋出掃描檔與文本。
「毀書前通報」制度：對一定年代與稀有度以上的出版品，如果要大量銷毀或拆解，須向公共文化機構通報，給公部門或圖書館優先收購或數位保存權。
模型訓練透明義務：
對超大規模模型，要求申報受保護文獻類型的使用比例與取得方式；
對使用稀有文獻訓練的部分，強制要求在合理時間後將原始掃描檔（非 processed corpus）
交付公共典藏機構保存。

💡 關鍵： 一旦把稀有文獻的數位化視為公共基礎建設，就能用制度迫使 AI 企業將掃描成果回流公共典藏，而不是永久鎖在私有雲端。

這些設計不是在「卡 AI」，而是在承認：既然算力與數據已被視為基礎建設，就不能讓文化保存變成基礎建設的外部性。

四、給開發者與使用者的行動建議：不要當文化毀滅的共犯

如果你是開發者或技術決策者，現在可以做的不是「道德焦慮」，而是具體把文化保存寫進技術與商業選擇：

問清楚你的訓練數據從哪裡來：遇到「私有稀有 corpus」「獨家紙本掃描」這類賣點，請直接問一句：實體文獻是否被保存？掃描檔是否會公開或交付公共機構？
在技術架構中預留「公共回饋」機制：
例如把自家掃描 pipeline 的一部分輸出，固定捐贈給開放典藏計畫；
或在合約中加入條款：訓練完成後，掃描檔可在不影響商業機密的前提下分級開放。
作為使用者，優先支持「不毀書的 AI」：
當你選擇模型與雲端服務時，把「文化與數據倫理政策」列為評估指標之一；
對於被揭露有系統性拆書、銷毀稀有文獻而拒絕改善的公司，直接用錢投票，減少依賴。

我們已經接受「AI 需要大量數據」這個產業共識，但下一步要補上的，是另一個更重要的共識：

任何模型都不值得用不可替代的文化記憶去換。

如果我們現在不把文化保存視為 AI 時代的基礎建設之一，任由稀有書在黑箱裡被掃描、被銷毀，那麼當下一代試圖理解 2020s 的思想、技術與社會，他們打開的可能只剩下模型輸出的二手敘事，而再也找不到原文獻留下的細節與歧義。那不是進步，那是文明自己按下的刪除鍵。

🚀 你現在可以做的事

實際去查詢你所使用的模型或雲端服務的「訓練數據來源與文化保存政策」，並記錄回覆內容

支持或捐款給像 Anna’s Archive 等開放典藏／掃描保存計畫，幫助民間掃描在毀書前完成保存

在團隊或公司內部提出「不毀書的 AI」準則，將稀有文獻保存與掃描成果回流公共機構寫入採購與技術選型標準

標籤: 文化資產保護

AI 公司正在摧毀圖書館的未來