Amazonが希少本を破壊しAI訓練データ化、追跡調査で判明

米Amazonが、AI大規模言語モデルの学習データを確保するため希少な古書を大量に購入し、スキャン後に廃棄していることが、調査報道メディア404 Mediaの追跡調査で明らかになりました。協力した古書販売業者が取引対象の希少本に追跡装置AirTagを忍ばせたところ、荷物は米ラスベガスにあるAmazonのAI訓練施設「VGT3」に到着したといいます。

この施設では書籍の背表紙を切断してページをスキャンする専門チームが置かれており、扉には本をつかむ恐竜のロゴが掲げられていると、Ars Technicaが報じています。Amazonは404 Mediaに対し「顧客向け製品・サービスの改善のため商業ルートで書籍を購入している」との声明を出しましたが、AI訓練への使用には直接言及していません。

希少な古書が重宝される背景には、インターネット上のテキストをすでに学習し尽くした大手AI企業の事情があります。特に2022年以前に書かれた文章はAI生成物が含まれないため、モデル崩壊と呼ばれる品質劣化のリスクを避けられる貴重なデータとされています。

Amazonは競合のGoogleやOpenAI、Anthropicと並ぶフロンティアモデル開発を目指しており、独自の学習データの確保が競争力の鍵とされています。一方でAnthropicやxAIは希少な古書を学習に使わないと公言しており、Amazonの手法は業界内でも異色の存在となっています。

書店関係者の間では、AI企業が希少本を大量購入して破棄しているとの疑惑が1年ほど前から指摘されていましたが、証拠を得るのは困難でした。今回の追跡調査により、その疑惑を裏付ける具体的な証拠が初めて示された形です。