Loading...
如果你最近踏上了东京的神田神保町,那个被赞誉为全球最大的古书店街的地方,可能会看到一种让人眼前一亮的怪异景象。禁不住想问:“这到底是哪位大神开了一家书店,里边坐着的都是外星人吗?”那些书店的老主人可忙坏了,迎来了不寻常的“大客户”。可惜,他们不是那些穿着华丽西装、手捧名著的社会名流,而是一群可爱的铁杆书粉——或者说,是科技公司里的“吸纸怪”。把每本书都当成了美味的纸浆大餐,专挑那些没人问津的旧书,仿佛每一本经历都在嚷嚷:“我不是废物,我能给你吃的!”
这些客户可真是不挑剔,从昭和时代的地方志、过期的法律文献、到封尘已久的医学手册,甚至连那些让人提不起兴趣的农业统计小册子,也都争先恐后地被他们拖走。他们买书的方式简直让人无语,因为他们根本不管书的作者是谁、品相怎样,“只要是有字的,我都要!”有些书店一整天就像打仗一样,被扫走上百本。更有意思的是,这些书籍的目的地竟然都是朝着同一个跨境物流中转站驶去。直到媒体追查后发觉,自去年以来,竟然有超过50吨的二手书籍被倾倒到了美国,这才让大家明白,这是科技巨头们打响的“纸质文明大清剿”。
那么,为什么那些高科技公司突然对厚厚的旧书纸如此“垂涎欲滴”?其实,答案实在是太有戏剧性了:在吞噬了几乎整个互联网后,大模型终于饿得开始“啃纸”了! 聚富企业官网
互联网的美味已经被“蹭秃”了,谁还愿意给这些模型提供粮食?在过去几年里,人工智能的进步逻辑基本上就是“我猛,我强,我就是牛”。硅谷的爬虫机器人像是饥饿的蝗虫,无情地把全球的网页、社交平台和所有能抓到的知识信息都吃得干干净净。可是,毕竟人类在网上留下的痕迹有限,大家都不知道,竟然有一天,网络上的生态遭到了“数据墙”的围困!据说,如果照此速度下去,到了2026年,聪明的AI们就会面临“吃不到饭”的绝境,因为优质的文本数据就要耗尽了。
更令人心惊的是,今天的互联网已经不再是纯净的知识海洋,反倒是充斥着各种垃圾信息,如同被AI恶搞过的涂鸦。数据的质量堪忧,假如让这些模型继续在网络上“捡垃圾”,那么“模型塌陷”便会悄然而至。剑桥和牛津的研究团队甚至发出警告:如果让AI用AI生成的数据训练自己,不出几代,结果就是变成了无厘头的胡言乱语。这就像一个画家,只会临摹复印件,久而久之,作品只剩模糊的噪点。这种“近亲繁殖”简直是对AI的智力重创。
面对即将干涸的知识海洋和满坑满谷的网络垃圾,硅谷的巨头们瞬间意识到,若想保护他们的AI“小宝贝”,那些未被数字化的纸质书籍,恰恰是绝佳的“高蛋白粮源”。所以,打算从古老的实体书下手是再好不过的选择。 聚富企业官网
你可能以为,AI公司买书只是单纯地安排一队小兄弟排排坐,一本一本小心翼翼地翻开?这可把这些科技先锋们拿捏得太简单了。在硅谷,把纸质书迅速变成训练集的过程,简直是一场机器的“暴力美学”。想象一下,这些公司为了获得源源不断的高质量文本,不惜建立起一条高效的“图书数字化流水线”。书发到手里后,根本不管内容,直接送进工业级切纸机,哐当一声,书脊瞬间切断,一本本如宝贵艺术品的著作被转眼化为几百张单页,伴随着轰鸣声,它们被送入高速扫描仪,瞬间变成高分辨率的数字文本。就这样,一本本凝聚了无数书页心血的书籍,在数秒钟之内完成了从物理存在到数字化的华丽转身,仿佛在诉说着人类文明的吞噬故事。
那么,为什么硅谷特别偏爱那些日本的古旧书籍呢?原因并不复杂,首先是数据的极高纯度和排版质量。日本自古以来便有盛大的出版业,其印刷业更是精于细节,字体排版达到了一种近乎完美的境界。这种品质保证了现代OCR软件几乎能以99.9%的准确率识别文字,简直是数据工程师的梦中情书。
与此同时,这些买家的目标不仅仅是数量,推荐系统同样看中那些充满“领域知识”的书籍。这次他们的“猎物”中包括了大量地方志、旧法律文献及昭和时代的行业报告,这些在当年发行量极小,甚至很少有机会被上传到互联网的珍品,蕴藏着社会运作的精髓,真是现代网页中无法获得的绝无仅有的财富。 聚富企业官网
在这场轰轰烈烈的“纸质文本抢购战”中,硅谷如同科学怪人,左手握着机器的冷酷,右手翻动着人类文明的遗页,增添了一抹奇妙的色彩!