S2E68 AI 巨頭的秘密：偷買二手書，掃描完就銷毀 Why?

重點摘要

• OpenAI 執行長 Sam Altman 於 2024 年秘密啟動「巴拿馬計畫」，大批收購 2022 年前出版的二手書並掃描以取得訓練資料，因為那個年份之後的網路內容已有超過三分之一留有 AI 處理痕跡，實體書成為極少數能確保「純人類書寫」的乾淨資料來源。
• 書商發現神秘大批買家後聯絡記者，其中一名 404Media 記者決定在書中藏入 Apple AirTag 追蹤器，最終確認書籍流入拉斯維加斯一個代號 VGT3 的 Amazon 倉庫——該倉庫的標誌是一隻爪子拿著書、正在進食的恐龍，顯示背後是有計畫的組織性採購行動。
• AI 公司連市面上已極難找到的珍本古書也掃描後直接銷毀而非保存，引發社群強烈反彈；Amazon 回應刻意迴避任何 AI 訓練字眼，僅稱「透過合法管道收購、存入自家資料庫」，Anthropic 也在 2025 年被爆出進行類似的秘密收書行動，但受到的輿論衝擊遠小於 Amazon。
• AI 模型的競爭優勢已不再只靠資料量，2023-2024 年初期 Scaling Law 成立後，主流突破方向轉向強化學習（RL）、推論時算力投入（Test Time Compute）、持續學習（讓模型訓練後仍能吸收新知而不必重訓整個大模型），以及讓模型自行設計實驗、生成下一代模型的 RSI（遞迴改良，Recursive Improvement）。
• 以色列政府花費 90 萬美元委託公關公司建立仿美國智庫風格的網站，以中立語氣搭配完整引用，讓 ChatGPT、Gemini 在回答以巴衝突問題時引用並傳遞親以色列政府立場，這是一種針對大型語言模型訓練資料的「資料投毒」攻擊手法。

詳細內容

乾淨資料稀缺危機與 AI 巨頭的秘密收書行動

2022 年 ChatGPT 問世後，現今網路上超過三分之一的內容已帶有 AI 處理痕跡，且這個比例還在持續上升。要訓練新一代模型，就需要不含 AI 生成內容的原始人類文字；2022 年前出版的實體書，成為幾乎唯一能確保「純人類書寫」的乾淨資料來源。

Sam Altman 於 2024 年秘密啟動「巴拿馬計畫」，透過不同買家名義大批採購各類二手書，刻意分散採購主體以避免引起注意。書籍涵蓋主題不限，但每本 ISBN 不重複，確保掃描到不同內容。書商們注意到神秘的大批買家卻始終查不出真正買主，其中一名書商聯絡了 404Media 記者，該記者決定在書中藏入 AirTag 追蹤器以追蹤其去向。最終確認書籍流入拉斯維加斯一個代號 VGT3 的 Amazon 倉庫——該倉庫的標誌是一隻爪子拿著書、正在進食的恐龍，顯示這是有系統規劃的掃描銷毀設施。Anthropic 也在 2025 年被爆出進行類似的秘密收書行動，但受到的輿論衝擊遠小於 Amazon。

最引爭議的是：即使是市面上已極難尋覓的珍本，掃描完成後也直接銷毀，而非保存，在社群上掀起強烈反彈。Amazon 官方回應時完全未提 AI 訓練，僅稱「透過合法管道收購書籍並存入資料庫」。

AI 模型競爭優勢的演進：從資料量到算法突破

乾淨資料固然重要，但 2023-2024 年初期 Scaling Law（規模定律）成立——堆積資料即可提升性能。進入現在，各家已轉向以下方向：

• 強化學習（RL）：讓模型透過獎勵機制持續自我優化
• Test Time Compute（推論時算力投入）：讓模型在生成答案時投入更多計算，換取更高品質輸出
• 持續學習（Continual Learning）：解決模型「知識截止日」限制，讓訓練後的模型持續吸收新知，而不必每次重訓整個大模型（成本與人力耗費極高）
• RSI（遞迴改良，Recursive Improvement）：模型自行設計實驗、調整參數與權重，最終產生下一代模型

主持人也點出 AI 開發與傳統軟體的根本差異：傳統軟體新版本通常比舊版本更好，但 AI 模型可能「進一步退兩步」。以 Claude Opus 5 為例：程式設計能力提升了，語感與表達卻明顯退步，答案也變得冗長繞圈。主持人直接建議：若使用 Opus 5 時感覺模型「在說什麼我看不懂」，不是使用者的問題，而是模型問題——換回 Opus 4.8 即可恢復流暢。

以色列政府 90 萬美元的 AI 資料投毒行動

以色列政府花費 90 萬美元，委託公關公司成立一個仿美國智庫風格的網站：文章立場表面中立、引用資料完整、來源標注清晰，外觀與真正的學術報告無異。目標是讓 ChatGPT、Gemini 等大型語言模型在回答以巴衝突相關問題時，抓取並引用這些網站內容，從而輸出帶有親以色列政府立場的回答。

這是一種針對 LLM 知識來源的「資料投毒」攻擊——大型語言模型依賴網路資料作為知識基底，若資料本身被植入政治目的，模型的回答就會在使用者毫無察覺的情況下被悄悄塑造。類似手法也見於提示注入（Prompt Injection）攻擊：在網頁中植入使用者肉眼看不見的隱藏文字，讓 LLM 在解析頁面時接收到背後的隱藏指令。

精選語錄

「如果你覺得自己理解能力變差，我跟你說不是，不是你的問題，是模型的問題，請你換到 Opus 4.8，你會發現正義跟良善都回來了。」

「你的新版本理論上就是會是比舊版本慢慢的變好嘛……但是現在 AI 時代，有的時候你進一步退兩步耶。」

時間軸

• 逐字稿未提供具體時間戳記，以下為主題推進順序：
• 開頭：NordVPN 廣告
• 第一段：乾淨訓練資料危機——2022 年後網頁 AI 污染現況
• 第二段：巴拿馬計畫揭露，AirTag 追蹤事件，Amazon VGT3 倉庫與恐龍標誌
• 第三段：掃描珍本後銷毀引發爭議；Anthropic 2025 年案件被波及
• 第四段：AI 競爭優勢演進——Scaling Law → RL → Test Time Compute → 持續學習 → RSI
• 第五段：Opus 5 語感退步現象，建議換回 Opus 4.8
• 第六段：以色列政府 90 萬美元偽智庫計畫與 AI 資料投毒手法