世界の最新AI情報を、毎日日本語で発信するサイト

HOME

生成AI

AIエージェント

オープンウェイト/OSS

音声AI

AI企業が稀覯本を裁断している——奪い合う「2022年より前」の紙

AI企業が古書をパレット単位で買い、裁断・スキャンして原本をパルプにしている。狙いは「2022年より前」の汚染…

World AI News 編集部
22〜34分
, , , ,

要点（30秒で）: AI企業が古書を大量に買い集め、背を切り落として高速スキャンし、原本をパルプにしている。狙いは「2022年より前」に印刷された、AIの生成文で汚れていない紙だ。もしあなたが希少本・外国語書・専門書の類を持っているなら、いま市場で何が起きているかを知っておく価値がある。

この記事の内容（約10分で読めます）

  1. 何が起きているのか
  2. なぜ「2022年より前」を欲しがるのか
  3. 「レシートが新しいライセンス」
  4. 前史としての「Project Panama」
  5. 消えているのは、替えのきかない本
  6. 壊さない道は、ちゃんとある
  7. 日本・個人開発の視点
  8. 要点まとめ
  9. 出典・リンク

「本を焼く」という言葉は、たいてい比喩で使われる。だが2026年のいま起きているのは、比喩ではない。AI企業が世界中の古書店から本をパレット単位で買い上げ、機械で背を裁ち落とし、一冊ずつスキャンしたあと、紙そのものを再生パルプへ送っている。

スキャンされたテキストは大規模言語モデルの学習データになる。そして原本は、二度と物理的には戻らない。ときには、世界にほとんど残っていなかった版でさえ。

何が起きているのか

流れ自体は単純だ。まず古書市場で本を大量に仕入れる。標準的なパレットには800〜1,200冊が載り、買い手はそれを1万冊規模の単位でまとめて発注する。

次に、油圧カッターで本の背（バインディング）を切り落とす。ページがバラバラになれば、高速の業務用スキャナに一気に流せる。処理速度は毎分80〜120ページ。読み取りが終わった紙束は、そのまま古紙として回収される。

こうして「機械が読めるテキスト」だけが残り、「人が読める本」は消える。ここで重要なのは、対象が話題の新刊ではないという点だ。歴史書、植物学、地方の法令集、経済、外国語のタイトル——ジャンルは驚くほどバラバラで、価格にも売れ筋にもまるで頓着しない。買い方そのものが、人間の読者のそれではない。

【処理フロー】古書を大量に仕入れ、背を裁断して高速スキャンし、原本をパルプ化する——「機械が読めるテキスト」だけが残り「人が読める本」は消える、という一連の工程。
【処理フロー】古書を大量に仕入れ、背を裁断して高速スキャンし、原本をパルプ化する——「機械が読めるテキスト」だけが残り「人が読める本」は消える、という一連の工程。

なぜ「2022年より前」を欲しがるのか

鍵はここにある。仲介役として名前が挙がっているのが、書誌データベース大手のISBNdbだ。同社はいま、2022年より前に印刷された紙の本を、AI各社に向けてこう売り込んでいる——「世界最高のAI学習データは、棚の上に眠っている」と。

理由は「汚染」だ。ChatGPTが世に出た2022年以降、ウェブはAI自身が吐き出した文章であふれた。モデルがモデルの出力を食べて学習を重ねると、質がじわじわ劣化していく。いわゆるモデル崩壊の懸念だ。

だから「2022年より前の紙」は、AIの生成文が一文字も混ざっていないと構造的に保証できる、最後の大きな水源として扱われる。ISBNdbはこれを「近代の汚染ツールから構造的にクリーン」と表現し、査読を経た人間の知識が、ウェブのクロールでは再現できない形で詰まっていると謳う。

【比較図】AI企業が「2022年より前の紙」を欲しがる理由。ChatGPT登場の2022年を境に、AI生成文に汚染されていない“きれいな水源”と、スロップで濁ったウェブが分かれる。
【比較図】AI企業が「2022年より前の紙」を欲しがる理由。ChatGPT登場の2022年を境に、AI生成文に汚染されていない“きれいな水源”と、スロップで濁ったウェブが分かれる。

「レシートが新しいライセンス」

この商売を成立させたのは、一本の判決だった。2025年6月、米連邦地裁のウィリアム・アルサップ判事は、著作権訴訟 Bartz v. Anthropic で判断を下す。合法的に買った紙の本を裁断スキャンし、その結果をAIの学習に使う行為は「明白に変形的（transformative）」であり、フェアユースにあたる、と。

つまり、本を一冊「買ったレシート」さえあれば、それを破壊してAIに食わせても構わない——レシートが新しいライセンスになった、というわけだ。ISBNdbの発注には毎回きびしい秘密保持契約（NDA）が付き、買い手は匿名のまま。発注規模は1,000冊から、最大で100万冊に及ぶ。

ISBNdb自身、この後ろめたさを認めている。社の説明にはこうある。「オプティクス（世間体）の問題は本物だ。『AI企業が200万冊の本を破壊』は、同情を集める見出しではない」。だからこそのNDAなのだ。

ちなみにAnthropicが1.5億ドルではなく約15億ドルの和解に追い込まれたのは、この裁断スキャンのせいではない。並行して海賊版ライブラリ（LibGen等）から数百万冊を無断ダウンロードしていた部分で、そこはフェアユースの外だった。約50万作品を対象に、1作あたりおよそ3,000ドルの補償が見込まれている。

【時系列】一社の秘密作戦だった「破壊的スキャン」が、フェアユース判決を経て業界標準の調達手法に変わるまでの経緯。
【時系列】一社の秘密作戦だった「破壊的スキャン」が、フェアユース判決を経て業界標準の調達手法に変わるまでの経緯。

前史としての「Project Panama」

この光景には前史がある。裁判資料の開示で明るみに出た、Anthropicの内部プロジェクト「パナマ」だ。

開示された社内計画文書には、身も蓋もない一文があった。「Project Panamaは、世界中のすべての本を破壊的にスキャンする我々の取り組みである」。そしてこうも書かれていた——「我々がこれをやっていると、知られたくない」。

計画では半年で50万〜200万冊のデジタル化を目指し、Better World BooksやWorld of Booksといった古書業者から大量に仕入れた。スキャンを請け負ったのは Datamation という会社。旗振り役に据えられたのは、二十年前にGoogle Books（グーグルの書籍電子化事業）の立ち上げに関わったシリコンバレーの古参、トム・ターヴィーだった。最終的に破壊された本は200万冊を超えたと報じられている。

一社の秘密作戦だったものが、判決を経て、いまや業界の標準的な調達手法に変わりつつある。ここが今回のニュースの芯だ。

消えているのは、替えのきかない本

痛みが集中しているのは希少本の側だ。オランダ、ドイツ、スイス、スペインの古書店が、ニッチな専門書や外国語のバックリスト（旧刊）に対する不自然な大量注文を報告している。AlibrisやBiblioといったプラットフォーム上で、ISBNのリストに「自動買い付け」フラグを立てて機械的にさらっていく。

ある小さな古書店は、週20冊ほどだった売上が、いきなり週数百冊に跳ね上がったと語る。狙われやすいのは、外国語や絶版の本だ。安く、まとめて手に入るから。別の書店主の言葉が刺さる。「珍しい本がパルプにされるのは、好きになれない」。

問題は、ベストセラーなら他にいくらでも在庫が残ることだ。だが発行部数の少ない版や地域資料、少数言語の書物は、世界に数冊しかないことがある。それを一度スキャンして裁断すれば、人類はその「物」を永久に失う。学習データの中には残る。しかしデータセットが後で誰かに売られたり、ずさんに扱われたりすれば、そこすら危うい。

壊さない道は、ちゃんとある

念のため言えば、破壊は必須の工程ではない。ハーバード大学がGoogleとMicrosoftの支援を受け、パブリックドメインの本を254言語・約100万冊分デジタル化して公開した例がある。ここでは、一冊も裁断されていない。

つまり選ばれているのは、破壊のほうが速くて安いからだ。非破壊スキャンは手間がかかる。背を切ってしまえば毎分100ページで流せる。効率と、取り返しのつかなさが、天秤にかかっている。

日本・個人開発の視点

日本語の古書は、この文脈で二重に危うい。少数言語で発行部数が小さく、海外の古書市場では「安いバックリスト」として一括で流れやすい。地方史、郷土資料、専門誌、絶版の技術書——まさに機械が無差別にさらっていく帯域だ。

個人開発や研究の側から見ると、教訓は逆説的だ。良質なデータほど「壊して独占」する圧力がかかる。NDAで囲い込まれた2022年以前の紙のコーパスは、ウェブクロールしか持たない後発には再現できない堀（モート）になる。だからこそ、破壊せずに開かれた形で残すハーバード型の取り組みが、公共財として効いてくる。手元に希少な和書があるなら、パルプに送る前に、まず図書館やアーカイブに相談する価値は十分にある。

要点まとめ

  • AI企業が古書を大量購入し、背を裁断して高速スキャンし、原本をパルプ化している。狙いは「2022年より前」の、AI生成文に汚染されていない紙。
  • 書誌大手ISBNdbが仲介し、NDA付き・匿名で1,000〜100万冊規模の発注を取り次ぐ。「レシートが新しいライセンス」という状態を作った。
  • 法的な土台は2025年6月のBartz v. Anthropic判決。裁断スキャンでの学習はフェアユースと認定。Anthropicの15億ドル和解は海賊版ダウンロードが原因で、裁断そのものは咎められていない。
  • 前史はAnthropicの内部作戦「Project Panama」。「世界中の本を破壊的にスキャンする」「知られたくない」と社内文書に明記され、200万冊超が破壊された。
  • 犠牲になりやすいのは希少本・外国語書。数冊しか残っていない版が消える恐れ。ハーバード等の非破壊公開という代替路も存在する。

🐦‍⬛ 編集部の視点

このニュースが重いのは、「本の破壊」と「AIの進歩」が、同じコインの表裏になってしまったからだ。かつて焚書は暴力の象徴だった。いまは効率の結果として、静かに、合法的に、毎分100ページの速度で進んでいる。誰も燃やしてはいない。ただスキャンして、リサイクルに回しているだけ——その無感情さのほうが、むしろ不気味に映る。

そして皮肉が効いている。AIが吐き出したスロップでウェブを汚したのはAI自身なのに、その解毒剤として「AIが生まれる前の人間の紙」を奪い合っている。私たちは、機械に食わせるために、人間の知の最後の在庫を切り刻んでいる。

問いたいのはこの一点だ。データセットに残っていれば、その本は「保存された」と言えるのか。物としての一冊が消え、企業のNDAの奥にだけテキストが眠る——それは保存なのか、それとも私有化なのか。あなたの本棚のあの一冊は、どちらの未来に属していてほしいだろう。

出典・リンク

コメントを残す

Trending

World AI Newsをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む