Amazon、LLM 向け学習データ確保へ稀少本を裁断してスキャン──インターネット上の既存テキスト枯渇に対応
インターネット上のデータが枯渇する中、AI モデルの学習用テキストとして絶版の稀少本を購入し裁断・スキャンして取り込んでいることが判明した。
リリース: 2026-08-17 · 読了 3 分記事の要約
1. 核心（What）
- Amazon が AI モデルの学習データ確保を目的に、稀少本や絶版書籍を購入して裁断・スキャンしていることが判明した。
- 404 Media が稀少本に追跡デバイスを仕込んだところ、ラスベガスの Amazon 施設「VGT3」に到着したことが確認された。
- インターネット上の既存テキストの枯渇や、AI 生成テキストの学習によるモデル崩壊を防ぐため、2022 年以前の信頼性の高いテキスト需要が高まっている。
- Amazon の広報は、商業チャネルを通じて書籍を購入し顧客向け製品やサービスの改善に活用していると公式に説明した。
2. 影響（Why）
- 稀少本データ化によるモデル崩壊の回避: インターネット上のテキストや AI 生成データが混入したコーパスではモデル崩壊のリスキーなため、2022 年以前に出版された検証済みの稀少本テキストがプレミアムな学習資産になる。
- 国内出版社および関連事業者への影響: [国内 出版・コンテンツホルダー] のような中規模以上の事業者や権利者は、AI 開発企業による物理書籍の調達と権利処理の動向を踏まえ、自社保有アーカイブのライセンス戦略を見直す必要がある。
3. 根拠・詳細（How）
- 追跡デバイスによるサプライチェーン特定: 404 Media が稀少本に物理的な追跡デバイスを埋め込み、ラスベガスの VGT3（恐竜が本を持つシンボルが特徴の施設）へ配送されるルートを実証的に特定した。
- 商業チャネルを通じた物理調達: デジタル化されていない絶版書籍やアーカイブを古書市場などの商業チャネル経由で大量調達し、物理的に裁断してスキャニングパイプラインに投入する手法をとっている。
4. 展望・課題（Next）
- 著作権および調達手法への法的リスク: 稀少本や絶版書の物理的破棄をともなう調達手法に対し、著者や出版社からの著作権・物権に関する法的チャレンジや反発が強まる可能性がある。