ARTICLE / DEEP READING

热点资讯

从比赛现场到数据趋势,深入阅读每一篇值得关注的体育内容。

大模型终于露出了最原始的獠牙:它们开始吃纸了!文章配图
READ
IN DEPTH

FEATURED ARTICLE

大模型终于露出了最原始的獠牙:它们开始吃纸了!

如果你最近去过东京的神田神保町——那个被誉为世界最大古书店街的地方,可能会注意到一种极为诡异的景象。 这里的古书店主们,接待了一批奇奇怪怪的“大客户”。 他们既不是戴着老花镜的老学者,也不是搞文献收藏的富豪,更不像任何一种人类读书人。 他们买书不挑作者,不看名气,不选装帧,甚至不计较品相。从昭和时代的地方志、几十年前的法学判例集、早已淘汰的旧医学手册,到极其枯燥的农业生产统计小册子,只要是带字的,他们统统照单全收。 有店家一天就被扫走上百本,有的店铺累计卖出了上千册。买家注册的账号名称五花八门,但包裹最终的送达地址,却全都指向了同一个跨境物流中转站。 直到日本媒体追查发现,自去年以来已经有超过50吨日本二手书籍被出口到了美国,大家才恍然大悟:这根本不是什么书虫在淘宝,而是一场跨国算力巨头发起的“纸质文明大清剿”。 按一本书500克粗算,50吨相当于整整10万册纸质书。那些藏在书架深处、落满灰尘的纸质知识,正在被整箱整箱地塞进集装箱,运往大洋彼岸。 顶尖的高科技AI公司,怎么突然对古董摊上的“破纸”产生了如此饥渴的食欲? 答案既科幻又讽刺:在吞噬了几乎整个互联网之后,大模型终于没饭吃了。它们开始“吃纸”了。 一、互联网被“蹭秃”了,大模型面临断粮危机 过去几年,人工智能的进化逻辑简单粗暴:大力出奇迹。只要模型够大,数据够多,AI就能越来越聪明。硅谷的爬虫机器人像蝗虫过境一样,把全球网页上的维基百科、论坛贴吧、新闻报道、甚至社交平台上的吵架纪录全给吃了个遍。 但人类在网络上留下的字,毕竟是有限的。 权威AI研究机构 Epoch AI 曾发布过一份让人后背发凉的预测报告:按照目前大模型训练数据的消耗速度,互联网上积累的高质量人类文本数据——大约在数万亿至数十万亿 Token 之间——将在2026年前后彻底耗尽。 这就是让硅谷所有首席科学家夜不能寐的“数据墙”(Data Wall)。 比“没书吃”更可怕的是“吃毒药”。如今的互联网,早已不是那个纯洁的知识海洋,而是充斥着各种由AI批量生成的营销号文章、SEO垃圾信息和水军废话。如果大模型继续纵容爬虫在现在的网络上“拾荒”,就会陷入极其可怕的“模型塌陷”(Model Collapse)。 英国剑桥大学和牛津大学的研究人员在《Nature》上发表的论文证实:如果让AI用AI生成的数据来训练自己,只需要迭代几代,模型的输出就会彻底沦为毫无逻辑的呓语。这就像让一个画家只临摹画册的复印件,复印件再复印,几代之后,画面就只剩下模糊不清的噪点。这种“算力近亲繁殖”会导致AI智力急速衰退。 面对即将见底的网络数据库和遍地有毒的垃圾信息,硅谷巨头们放眼全球,猛然发现:最纯净、最具有逻辑深度、绝未被AI污染过的“高蛋白粮源”,居然全部静静地躺在那些没有被数字化的实体纸质书里。 二、从“优雅爬虫”到“工业斩首”:硅谷的物理拆书术 既然互联网的数据榨不出来汁了,那就只能对实体书下手。 你可能以为AI公司买书回去,是安排一排工作人员坐在桌前,小心翼翼地翻页扫描?那太低估科技新贵们对效率的狂热追求了。在硅谷,把纸质书变成训练集的过程,充满了工业时代最原始的暴力美学。 此前就有外媒曝光过 AI 独角兽公司 Anthropic 的经典操作。为了快速获取海量高质量图书文本,他们建立了极其凶残的“图书数字化流水线”: 巨头们买来成吨的实体图书,甚至根本不看内容,直接送进工业级切纸机。随着铡刀轰然落下,珍贵的书脊被瞬间切掉,一本本厚重的著作瞬间化为几百张散落的单页。 随后,这些纸张被塞进高速工业扫描仪,以每分钟几百页的速度狂飙,转化成高分辨率图像。紧接着,最新的 OCR(光学字符识别)视觉大模型接手,将图像中的文字、排版、表格瞬间提取为结构化的数字文本。 什么叫硬核数字化?这就叫“拆书炼丹”。 一本凝聚了作者半辈子心血的著作,在流水线上只需几秒钟,就会经历从物理消亡到数字升华的全过程。书脊断裂的声音,就是大模型吞噬人类文明的嚼碎声。 三、为什么偏偏是日本的古旧书籍? 在这场全球性的“纸质文本抢购战”中,日本的二手书之所以成为硅谷眼中的“顶级A5和牛”,有着非常现实的技术逻辑。 首先,是极高的数据纯度与排版质量。日本从近代以来就拥有极其庞大的出版业,印刷工艺精良,字体排版高度规范。 这种高质感纸张和清晰的印刷,让现代 OCR 软件的识别准确率几乎高达 99.9%。相较于某些印刷质量参差不齐、扫描出来满屏糊字的其他语种旧书,日本古书简直是整理数据工程师的梦幻食材。 其次,是不可替代的“领域知识深度”。这次神秘买家扫荡的重点,包含了大量的“地方志”(地方历史记载)、过期的法律判例集、以及昭和时代的行业报告。这些东西在当年发行量极小,且极少被上传到互联网。里面记录的社会运行逻辑、人情世故、法律博弈和历史细节,是任何现代网页都提供不

about image

SHARE THE IDEA

觉得有用?分享给朋友

让更多人看到这篇内容。

返回资讯列表

YOU MAY ALSO LIKE

推荐阅读

TRENDING STORIES

热点新闻

江苏一律师打了12年官司,发现对方证据上的公章,竟是好友空壳公司

江苏一律师打了12年官司,发现对方证据上的公章,竟是好友空壳公司

有个80后诉讼律师,打了十二年人身损害赔偿纠纷官司,结果在整理当事人证据时,意外发现一份关键材料上的签章,出自他十年私交好友早已注销的空壳咨询公司。 这律师当时整个人都僵住了,脑子里一片轰鸣,手里的U盘直接滑落到办公桌底下,半天没敢伸手去捡。 这位律师名叫戚霁明,接待的当事人是一对退休的机械厂技术员老夫妇,杭建民和裴淑珍,夫妻俩攥着一沓病例和缴费单据,委托他追讨外孙摔伤致残的赔偿。 戚霁明是土生土

随着王艺迪3-4孙颖莎后,日媒一针见血,指出早田希娜3-4输球原因

随着王艺迪3-4孙颖莎后,日媒一针见血,指出早田希娜3-4输球原因

正在开打的蒙彼利埃冠军赛,女单的半决赛现场,毫不客气的讲,孙颖莎把这场半决赛的赛场打成了过山车,大比分3:0领先,结果被王艺迪连扳三局,将比赛拖进决胜局。然而在决胜局当中,孙颖莎又是11:2拿下比赛,成功挺进决赛。 这可不是孙颖莎第一次在本站打满7局。在1/4决赛当中,刚刚和早田希娜鏖战7局,决胜局更是打成了9:9平,之后孙颖莎连得两分,11:9收下了比赛,也是把对早田希娜的连胜纪录延续到22场。

三星第四代齐聚!李富真儿子变帅气,李在镕女儿搀扶姑姑贴心孝顺

三星第四代齐聚!李富真儿子变帅气,李在镕女儿搀扶姑姑贴心孝顺

一段挺长的楼梯,22岁的李元珠放慢脚步,一只手扶着姑姑李富真,一级一级往上走,两个人边走边聊。 前面是两身笔挺的深色西装,19岁的任东贤和26岁的李智昊并肩,肩线几乎齐平。 李在镕与林世玲2009年离婚,到今年整十七年,李富真和这位前嫂子各带着孩子进了同一个场子。 首尔这场名流活动,三星第四代到场的是这三个人。 现场图文写的是首尔一场诺悠翩雅纪念展。 诺悠翩雅归LVMH,CEO是Frédéric

四川省纪委监委:2人被开除党籍2人被“双开”

四川省纪委监委:2人被开除党籍2人被“双开”

人民网成都11月7日电 (袁菡苓)日前,四川省纪委监委发布消息:2人被开除党籍、2人被“双开”。 如下: 广元市投资发展集团有限公司原董事覃敏 严重违纪违法被开除党籍 日前,经广元市委批准,广元市纪委监委对广元市投资发展集团有限公司原董事覃敏严重违纪违法问题进行了立案审查调查。 经查,覃敏丧失理想信念,背弃初心使命,无视中央八项规定精神,违规接受宴请;违背组织原则,隐瞒不报个人有关事项;廉洁底线失

骑士115-107尼克斯!米切尔谈沃特森摊牌,哈登赛后表态也成重中之重

骑士115-107尼克斯!米切尔谈沃特森摊牌,哈登赛后表态也成重中之重

北京时间11月12日骑士客场对阵尼克斯,全场比赛结束骑士以115-107成功击败了尼克斯。骑士在近期的表现已经是受到了足够多的质疑,因为面对卫冕冠军尼克斯,骑士无疑是被看低的一方,只不过骑士却在这场比赛中打出了优异的表现,尤其是哈登这里更是在比赛中复苏,要知道过去的比赛中哈登在防守端成为拖累不说,在进攻端哈登也非常的挣扎,可在今天的比赛中哈登找到了进攻状态不说,在第四节比赛尼克斯追平比分的时候,就