亚马逊内华达州仓库员工揭秘：扫描并销毁图书以构建AI训练语料库
2026/08/27 22:11阅读量 2
404 Media报道指出，亚马逊在内华达州拉斯维加斯的VGT3仓库负责通过物理拆解和扫描书籍来收集数据。一名匿名员工透露，该过程涉及切开书脊、扫描书页后销毁原件，最初被误导为制作Kindle电子书，实则是为了建立用于AI训练的语料库。
事件概述
媒体机构 404 Media 对位于美国内华达州拉斯维加斯的亚马逊仓库进行了调查。该仓库内部团队代号为 VGT3（标志为一只手持书本的恐龙），其主要职能是接收大量新书及二手书，并通过物理手段处理这些书籍以获取数字内容。
核心操作流程
根据一名匿名员工的采访，VGT3 仓库的工作流程如下：
- 图书接收与筛选：仓库接收来自各地的多语种图书（包括德语、俄语、日语等），甚至包含代表英国女王向议会提交的文件等特殊文献。工作人员通过扫描条形码识别并移除重复图书，将其退还给经销商。
- 物理拆解与扫描：使用人工操作机器切开书脊，随后利用数十台扫描仪对书页进行数字化扫描。
- 原件销毁：扫描完成后，纸质书页会被直接处理掉（销毁）。
关键发现与争议
- 初期误导：亚马逊最初告知员工，扫描的目的是为了扩充 Kindle 电子书库。然而，考虑到版权法律风险，这被视为一种借口。
- 真实目的：员工后来了解到，这些被扫描的数据实际上是为了构建用于训练人工智能模型的语料库。
- 数据来源多样性：除了普通出版物，该设施还处理具有极高历史或法律价值的文件，显示出其数据采集范围的广泛性。
值得关注
这一报道揭示了大型科技公司如何通过实体仓储物流环节大规模采集非结构化文本数据，并暗示了在缺乏明确授权的情况下，通过“先扫描后销毁”的方式规避传统出版版权限制的做法。