谷歌图书20万美元悬赏扫描全部图书数据

背景

Google Books 项目自启动以来，已扫描大量书籍（包括受版权保护的作品和公共领域作品），但用户通常只能通过搜索功能看到围绕关键词的微小片段（snippets），无法直接获取完整扫描件。这些扫描数据被认为是全球最大的数字化书籍库之一，但其访问受到严格限制。与此同时，以 Anna's Archive 为代表的档案组织长期致力于搜集和开放获取数字图书馆资源，此前已多次针对难以获取的数据集（如 Sci-Hub、Library Genesis 等）发布赏金任务。本次针对 Google Books（或类似规模的数据集）发起 20 万美元的赏金，旨在激励安全研究员、内部员工或技术爱好者找出可规模化下载所有扫描书的方法，并最终公开这些数据。

核心内容

该赏金通告由 Anna's Archive 发布，明确如下：

• 赏金金额：200,000 美元（即 20 万美元），目标为获取 Google Books（或其他类似体量的数据集，例如 AI 公司收集的稀有书籍扫描件）的所有书籍扫描。
• 获取现状：Google Books 拥有大量扫描书，但仅通过搜索暴露微小片段，用户无法批量下载或查看完整内容。
• 合作方式：如果有人开发出可规模化的方法（method that you believe will scale up），建议尽早带着原型（prototype）联系 Anna's Archive，他们可能提供协助将其扩展至更大规模。
• 对 Google 员工的特别呼吁：通告承认 20 万美元对 Google 员工来说价值有限，但强调如果他们能够“偷出”这些数据，将被视为传奇档案管理员（legendary archivist）。
• 适用范围扩展：该赏金同样适用于其他体量相近的集合，尤其是那些由 AI 公司收集的、显著包含稀有书籍的扫描件。

通告还提醒，在着手执行赏金前务必仔细阅读其志愿者/赏金页面（https://annas-archive.li/volunteering#bounties）上的详细规则。

关键要点

• 赏金目标：获取 Google Books 全部扫描书（或类似大规模稀有书籍扫描数据集），赏金 20 万美元。
• 当前数据访问状态：仅以搜索片段形式存在，无法批量获取完整内容。
• 技术策略：要求方法具备可规模化能力，早期原型可获扩展支持。
• 特别目标群体：Google 内部有权限接触该数据的员工被鼓励私下泄露数据。
• 适用对象包括 AI 公司收集的同类大规模稀有书籍扫描集合。
• 必须提前阅读并遵守 Anna's Archive 的详细赏金条款，否则可能丧失资格。

意义与影响

这一赏金反映了数字档案界与版权保护体系之间的持续紧张关系。Google Books 的扫描数据长期以来被视作文化资产，但公众只能获得碎片化访问。如果成功获取并公开全部扫描件，将对学术研究、书籍保存、历史档案挖掘产生深远影响，同时也可能引发版权争议。此外，AI 公司用于训练模型的海量文本数据常包含扫描书籍，悬赏指向这些数据集，凸显了数据主权与私有化之间的矛盾。对于 Google 等科技巨头而言，内部人员泄露数据的风险因高额赏金而上升，企业可能会加强内部数据防护措施。对公众而言，此举若成功，将极大推动知识的民主化访问。但需注意，该赏金计划本身处于灰色地带，执行者可能面临法律风险。总体来看，这不仅是技术挑战，更是关于数字时代“谁拥有书籍知识”的博弈。