Yskin's Blog

《南方都市报》2007.2.11 B02版

在斯坦福大学，布林和佩奇曾为学校的“数字图书馆技术”项目工作。创建Google后，1998年他们开始讨论如何把书籍“放”进公司的数据库。布林说：“我们真正感兴趣的是搜索的广泛性，所谓‘广泛’，不在于覆盖文字或字节的多少，而是为了获得最高质量的信息。书里包含了数千年的人类知识，可能是最高质量的知识。不把书‘放’进来，确实损失太大。”

4年前，Google开始了野心勃勃的“图书搜索”计划，该项浩大的工程目标是将历史上所有出版过的书籍数字化。在搜书计划的测试版网站books.google.com上，输入一个单词或短语——比如拉登——引擎将反馈出一系列内文中包含搜索关键词的书籍。

所谓树大招风，出版商和作家协会先后把Google告上法庭，称其侵犯版权。但Google辩解，它的目的并非拷贝，而是“改革”书籍，还搬出达尔文的名言告诫出版商：“最后生存下来的物种既不是最强大的，也不是最聪明的，而是那些最适应变化的。”

除周六、周日外的每一天，一辆大卡车都会开进斯坦福大学的塞西尔·格林图书馆，带走至少1000本书。这些书被运到一个秘密地点，一页页被扫描进Google创造的一个庞大数据库。此外，Google还在向包括哈佛、牛津在内的其他著名大学，以及纽约公共图书馆借藏书。最早和Google展开合作的密歇根大学每周有数万册图书被送进Google的特制扫描设备。

Google打算扫描历史上曾经出版的每一本书，将它们的内容放到网上，供免费搜索，就像可以通过Google.com搜索任意网站一样。在Google搜书计划的测试版网站books.google.com上，任意输入关键词，将会得到出现关键词的内容，比如输入"Ahab and whale"(以色列王亚哈与鲸鱼)，将会得到近800个反馈结果，包括各个版本的赫尔曼·梅尔维尔巨著《大白鲸》。点击"Moby-Dick, or The Whale"(鲸鱼莫比·迪克)，出现第28章，即亚哈出场的部分。你可以浏览该章，搜寻其他出现在书里的词汇，并与其他版本进行比较。Google不愿透露其数据库里到底有多少本书，但是该网站作为搜索工具的价值是显而易见的：在上面，你可以找到1892年版的简·奥斯汀书信集，教写俳句的指南，一本1919年版哈佛校友地址录。

没有人知道世界上究竟有多少本书。根据目前最详尽的世界书目WorldCat(World Catalogue，全球25大图书馆藏书的索引)，这个数字是3.2千万。达到这个数字是Google的最基本目标。不久前，Google主管搜书计划的副总裁玛丽莎·迈耶说，“我们认为这一目标可以在10年内实现，很难说我们距离完成这个目标还有多远。我把Google Books当做我们的登月计划。”

Google并非唯一瞄准图书扫描的企业。Amazon(亚马孙零售网站)已经把它出售过的数十万册书数字化，允许买书的顾客搜索图书内容；卡内基·梅隆基金会的寰宇图书馆(Universal Library)迄今已经扫描了近100万本书；微软、雅虎和美国若干大图书馆携手创建的“公开内容协会”(Open Content Alliance)也在积极扫描图书。此外，还有其他一些规模较小的同类计划处于不同的进展阶段。然而，只有Google的搜书计划称得上惊天动地，真正体现了Google的公司哲学：“组织世界信息，使之面向所有人，服务于人。”

或许因为树大招风，Google的计划遭遇最强烈的反对。纽约市的一家法庭正考虑受理两宗挑战该计划的官司，起诉方分别是美国作家协会和一群出版商，最为奇怪的是，这些出版商同时也是Google搜书计划的合作者。这些原告宣称，Google搜书计划侵犯版权。像多数告到联邦法院的案件一样，这些官司似乎很有希望在开审之前庭外和解。而和解的条件将必然影响数字图书的未来。为了尽快解决法律纠纷，Google可能同意支付原告要求的比法院裁决数目更大的和解费。这样做可能等于扫除潜在的竞争对手。换句话说，被控告侵犯版权，卷入规模庞大的官司，对Google涉足出版物世界的计划可能是最有利的事情。

Google的雇员已经超过1万，每周有50名新人加入，公司的市场价值超过1050亿美元。Google总部位于硅谷，蓄意营造大学校园的氛围。这里独创的“节日”也有大学生搞怪的味道。我拜访那天正赶上他们的“睡衣日”。为了防止疯狂过头，上头早有命令：“‘睡衣’是指名副其实的‘睡衣’而不是你睡觉穿的东西。”(玛丽莲·梦露说她只穿夏奈尔5号香水睡觉，香水显然不能算传统睡衣)。当我见到Google创始人之一赛尔季·布林时，他穿着蓝色睡衣，袖口上绣着公司标志。

上世纪90年代，布林和Google的另一位创始人拉里·佩奇在斯坦福大学计算机系相遇，他们设计了一系列优雅的算法，使网络搜索引擎能迅速有效地找到与搜索词汇最相关的内容。这个故事已经成了硅谷经典。较不为人知的是，当时，布林和佩奇还在为斯坦福大学的“数字图书馆技术”项目工作。这一联邦政府资助的计划试图将包括书籍、文章、杂志等各类信息的数字版本进行组织和整理。

创建Google后，1998年佩奇和布林30岁出头，身家已逼近150亿美元。他们开始讨论如何把书籍“放”进公司的数据库。佩奇尤其热衷于把书籍放到网络上这个点子；有段时间，他甚至在自己的办公室里建立了一个简陋的实验室，装备包括一台扫描仪和一台翻页机。最让两人感兴趣的并非是方便人们在网上获得整本书的内容，而是使书里的信息查阅起来更加方便。布林解释说：“我们真正感兴趣的是搜索的广泛性，所谓‘广泛’，不在于覆盖文字或字节的多少，而是为了获得最高质量的信息。书里包含了数千年的人类知识，可能是最高质量的知识。不把书‘放’进来，损失重大。”正如玛丽莎·迈耶所说：“Google以提供通向全球知识的渠道而闻名，如果把书籍也包括进来，我们将得到更高质量，更可靠的信息。我们朝食物链的顶端又迈进了一步。”

2002年，Google开始悄悄地联络美国著名大学的图书馆。公司提出，免费帮学校实现整个图书馆藏书的数字化，并提供每本图书的电子拷贝。密歇根大学图书管理员约翰·威尔金说：“拉里是密歇根的校友，他知道，为了保存图书，我们早已有意将图书馆数字化。在合作过程中，我们和Google有不少交涉。我们希望确保所有古籍完好无损，最终的数字版本可以作为保存替代品。他们实验了许多种拷贝图像的方法。2004年7月，我们启动实验性计划，这个过程中，我们渐渐变得驾轻就熟。扫描的速度在成倍提高。”密歇根图书馆拥有700万册藏书，威尔金估计，Google可在6年时间内完成所有图书拷贝。

上月，在纽约公共图书馆，Google主持举办了探讨出版业未来的研讨会。约400人到会，多数是出版公司执行官和代理人。对于出版业面对数字时代的迟钝与恐慌，没有人比这些人更清楚。迄今为止，几乎所有出版电子图书的尝试都宣告失败，现在，Google又似乎虎视眈眈地意图侵占出版商的地盘。大屏幕上，主办方用一句达尔文的名言概括了想要传达的信息——“最后生存下来的物种既不是最强大的，也不是最聪明的，而是那些最适应变化的。”在会议上，不久前由出版业执行官改行做图书馆代理的劳伦斯·科什鲍姆告诉我说：“目前，Google扮演着守门员的角色。他们能够触及的读者的数量是我们出版商和作家无法企及的。利用搜索引擎这个特性来销售书籍是理所当然的前景。”

Google的想法与此不谋而合，这体现在它的搜书引擎的设计功能上。除了与图书馆达成合作关系，公司已和几乎所有美国大出版公司签订合同。假如搜索结果中包含合作出版商的书，用户可以看到该书的部分内容以及出版商网站和Amazon网络书店的链接。Google内容合作部负责人吉姆·格尔伯告诉我：“我们帮助出版商把他们的产品介绍给用户，通过展示部分相关内容，帮助他们推销书籍。互联网和搜索引擎是推销图书的完美工具。每年出版的新书多达7.5万册，不可能对它们一一进行大规模推销。当某人试图通过搜索引擎了解某个题目时，向他们介绍相关书籍是最恰当的时机。出版商很清楚‘浏览促成销售’的道理。”(Google声明，对于通过它的网站销售的书籍，它没有收取一分提成。)

虽然如此，2005年10月19日，包括西蒙—舒斯特、企鹅集团、麦格罗·希尔——它们都是Google图书搜索计划的合作伙伴——在内的几大出版公司提出针对Google的诉讼，意图阻止搜书计划。出版商们不介意Google帮助他们销售新书，但是声称该计划的图书馆扫描部分是非法的。他们宣称，“Google庞大地、一字不漏地、系统地拷贝仍然受版权保护的整册图书”的行为侵犯了出版商的权利，要求Google停止继续拷贝，并“销毁所有通过图书馆扫描的非授权书籍拷贝。”(大约同一时间，美国作家协会协同几名作家也单独提出指控。)出版商们犯了一个跟2004年民主党总统候选人约翰·克里一样致命的错误：克里支持伊拉克战争，但是反对部分战争政策；出版商们支持Google的图书搜索计划，与此同时又对它吹毛求疵。

美国版权法的历史可以追溯到联邦共和国诞生之日。宪法第一条赋予国会通过立法“保护有限时间内，作者、发明人对其著作和发明的独家权力”。第一份版权法于1790年通过，之后经过频繁修改，最近一次修改是1998年通过的《Sonny Bono版权期限扩展法》。该法案又叫“米老鼠保护法”，因为迪斯尼公司为了延长其动画角色的版权期限，投入重金积极游说确保了该法案的通过。根据伯尔尼公约，各国提供的版权保护期限为著作者有生之年再加上50年，然后公约允许各国提供更长的保护期限。1996年欧盟将版权保护期限修改为著作者有生之年加70年，而美国仍为最低的公约保护期限。由此许多盈利的文学作品、电影、虚构的人物的版权将受到威胁，如迪斯尼的米老鼠将失去版权保护而进入公共领域。1998年这些版权拥有人成功地游说美国国会通过了《Sonny Bono版权期限扩展法》。根据该法案，法人拥有的著作权保护期为95年，个人新作所获得的保护期为作者一生及身后再加70年。“米老鼠保护法”使原本已经曲折复杂的版权法在进入数字时代之时更添波折。

控告Google侵权官司的核心在于，在没有支付费用、没有取得版权拥有者许可情况下，Google是否有权扫描数百万册的图书。所有已出版图书中，大约20%属于公共领域——其中包括从未申请版权的图书，比如政府出版物；还有版权过期的图书，比如梅尔维尔的《大白鲸》——Google拷贝并放到网络上的正是这一部分。另外约10%属于仍在出版阶段的版权产品——意思是，它们仍是出版商出售的产品。这些书中大部分的拷贝权已通过Google与出版商的协议得到解决，这些协议允许Google扫描并展示书籍的部分内容。

所有图书的大部分属于第三类：它们要么仍然受版权保护，要么状态不明，已经绝版。这部分图书是Google和出版商争议的核心。Google全文扫描了这部分书，但是仅把“片段”放到网上。(假如搜索关键词出现在这部分图书中，只展示关键词所在文本的前后约20个单词。)版权法从未禁止完全“拷贝”受保护作品；学者和记者们也被允许在公正使用的原则下，部分引用版权材料。Google的高级副总裁大卫·C·杜蒙德说：“我们确实认为，图书搜索其实和网页搜索一样，网页内容中也包含版权材料，但我们依靠用户的公正自觉。人们希望自己的网页被更多人发现，Google帮助它们被发现。同理，通过扫描图书，我们也赋予了书籍被发现的机会。”(Google还有“选择删除”政策：版权者可要求Google删除网上的特定内容。)

然而，据控告Google的出版商说，拷贝书籍全文本身就是侵权行为，哪怕公布的仅是零星段落。作家协会执行会长保罗·艾肯说：“他们所干的正是未经许可就扫描数百万本受版权保护的书籍。Google这样做可能存在潜在巨大利益，因此必须为之付钱。仅仅因为他们的举动可能帮助提高一些图书的销量并不足够。电影公司将某本小说改编成电影，也可以刺激这本书的销售，但是电影公司同样得支付版权费。Google也应该付费。我们将会发现网上内容的质量因此提高，可Google却说，把书籍放到网上的权力的价值等于零。”

Google说，它对版权图书的使用经过了“转化”，它的数据库实际上将书籍变成了全新的产品。杜蒙德说：“判断使用是否公正的关键在于‘转化’，没错，在数字化过程中，我们有拷贝的行为。但是，毫无疑问，查找到关键词所在段落，并不等于阅读全书。因此，Google图书搜索和图书本身是不同的产品。”换句话说，Google认为，在其网站上搜索图书——公司将它比作一家大型图书馆的索引卡——并不等于公布图书内容。但是，出版商又拿出另一条反驳理由，即判断是否属于公正使用的重要原则：在创造新作品时引用版权作品的分量。Google拷贝的是整本书，在原告方——出版商和作家看来，这显然有失“公正”。哥伦比亚法律学院教授简·金斯堡说：“传统版权分析认为，‘转化’导致新的独立作品——比如评论和以模仿为基础的幽默作品等——诞生。Google拷贝整部书的行为是否属于公正使用仍然有待裁决，但显然超越了传统范例。”

哈佛、斯坦福和牛津都禁止Google扫描其藏书中的版权作品。但是由于版权法的不透明，加上1998年“米老鼠保护法”造成的版权期限的延伸，要搞清楚哪些书仍受版权保护并不容易。(作者死亡或出版公司倒闭后，作品的版权状况变得更加模糊。)斯坦福沿1964年划了一条界限，严禁Google拷贝那年之后出版的作品。斯坦福大学图书管理员迈克尔·凯勒告诉我：“Google被告后，我们也紧张了。我们不是公共机构，没有不被起诉的豁免权，因此我们开始把属于公共领域的图书分类出来。”(几家包括密歇根大学、加州大学、弗吉尼亚大学和得克萨斯大学在内的公立大学则继续允许Google扫描其版权藏书。)

负责Google图书馆藏书扫描的首席工程师是丹·克兰西。在加盟Google前他在美国宇航局工作了8年，专攻人工智能相关问题。Google每天24小时免费向其雇员提供食物。克兰西身材高大，一头接近银色的头发，接受采访的大部分时间，他的衬衣上都沾着零食碎屑。

克兰西告诉我，“从前，人们扫描书籍时总是受到预算和规模的限制，他们不得不花大量时间，琢磨哪1万本书是最有价值的，挑选和扫描过程中耗费的时间不相上下。现有技术都是为数量有限的‘低速’扫描设计的。没有必要为一家公司设计一台可以扫描3000万册书的机器。我们不得不建造自己的机器。”

Google不愿谈论它的专利扫描技术，但是某位知情者告诉我，公司没有购买自动翻页机，而是雇了大批人操作扫描仪。克兰西解释说，“自动翻页机是为标准书设计的，但是世界上根本不存在所谓的标准书。图书馆里书的形态各异，尺寸、厚薄、灰尘、纸张韧度各不相同。(为了调侃Google，有博客刊登了books.google.com上连人的手指头一并扫描进图片的书页。)Google拒绝透露为图书搜索计划花了多少钱。2005年，微软宣布，它将花费250万美元扫描大英图书馆的10万本版权过期图书。以此计算，扫描3200万本图书——世界图书目录列出的总量——将花掉8亿美元，对于财大气粗的Google而言并不算奢侈。

拷贝堆积成山的书籍面临的困难自然不少，但是编写软件让用户从汗牛充栋的书页中找到有价值的信息更加困难。克兰西说：“扫描技术非常枯燥。真正的挑战在于使人们找到他们真正感兴趣的东西。网站是网络的一部分，这正是我们排列网页搜索结果的重要参考，即某网页与其他网站的链接密度。可是，图书却不是网络本身的一部分。我们面临的巨大挑战之一就是理解书籍之间的关系。”

然而，基本的搜索原则在此仍然适用。输入“黑暗的心脏”(Heart of Darkness)，你可以立即找到约瑟夫·康拉德的小说。这并不像看上去那么简单，由于书名包含的单词非常普通，它们可能有许多种解释。克兰西说，“如果你输入‘黑暗的心脏’，我们首先必须知道你想要寻找的是一本小说，而不是某本讨论心脏外科手术中照明条件的专著。那么我们是怎么做的呢？我们赋予某些关键词更重分量。书名可能比内文出现的字句更重要，我们也赋予它更重分量。你还可以查阅其他人搜寻的内容。如果看到其他搜索‘黑暗心脏’的人点击过‘小说’链接，你也可以跟着学。”

克兰西说，排列搜索结果时最重要的数据可能来自在Google数据库中与该书相连的网页。比如，如果输入“克林顿自传”这一短语引导用户找到网站上《我的生活》一书，这极可能说明，大多数使用同一搜索短语的人选择了这个结果。克兰西说，“我们才刚刚起步，我们需要使这些书籍网络化，这需要人们的帮助。”

Google的数据库里还收录了英语之外其他语言的书籍，但是，在目前，这些书只能通过外语原文搜索。在公司网站上，已经有一个原始的翻译工具，在未来，可能只需要点击某个键就可自动翻译成希望的语言。克兰西说：“站在民主化的角度，一个人能够获得的信息当然是越多越好。在某些国家，每年只有屈指可数的几本外文书被翻译成当地语言。通过网络接触全世界的图书将带来深远冲击。我们现在说的是一个全球通用数字图书馆，我希望随着世界的进步，在某个时候，某人坐在世界某个角落的电脑前就能够获得全世界的信息。”

此类救世主思想纵然崇高，却无法掩盖Google图书搜索计划的最大真相：它是一项商业工程。Google许诺不在图书馆藏书页面上打广告，但是在展示出版商提供的有版权书籍的搜索结果页面上仍然有广告。Google对搜书计划的赢利前景的估计相当谦逊，但是将看似无利可图的事业变成摇钱树已被证明是Google的特长。布林告诉我：“一连串的事例说明，如果我们干的某件事能让用户和社会受益匪浅，之后我们也将因此得到可观回报，虽然一开始未必预见到这个结果。最初，我们的搜索引擎上没有广告。开始办搜索引擎时，我们并不知道它原来可以成为如此巨大的生意，只认识到它的重要性。我们的信念是：有志者事竟成。事实证明它竟然如此有商业价值。现在也是同样的道理。”

现在的关键问题是，法院是否允许Google在没有得到授权的情况下继续扫描版权材料。但是处理诉讼的时间可能与争辩内容一样重要。遵循联邦诉讼案庄严迟缓的程序，今年某时候将正式开始收集证据，控辩双方可能在2008年初就判决提出动议——以Google的立场，它将寻求撤消案件。然后，才轮到庭审。如果败诉方提出上诉，官司还可能拖到下个十年。

然而，多数涉案人都认为庭外和解是最可能出现的情况。玛丽莎·迈耶告诉我，“这两起诉讼本质上等于商业谈判，只不过谈判的地点是法庭。”现任美国出版商协会主席的前国会议员帕特·施罗德尔说，“这基本上是一桩商业交易。让我们努力找到一个解决办法。这是绝对可能的。Google可以购买版权，与版权持有者达成交易。”

此类交易的内容不难想象。作家协会担心Google网站上的盗版拷贝可能流向公众，它必然要求采取相应安全措施。(让出版商感到悲哀的是，他们的产品还没有受欢迎到存在严重盗版危险。)对于网站赢利，Google或许会同意与出版商分享，就像音乐电台和唱片公司分享广告收入一样，出版商可根据其产品的被浏览频率获得相应提成。

但是一个让双方皆大欢喜的和解未必最符合公众利益。斯坦福法律学院教授劳伦斯·莱辛说，“在互联网时代，企业经受不住浪费几年的大好时光，以等待官司结果。Google希望尽快解决问题，获得许可继续扫描全美图书馆的版权图书。对出版商而言，如果能从Google那里得到任何补偿，也将造成实际先例(哪怕不是法律先例)，等于客观承认未经他们许可任何人都不得扫描版权材料。这将是他们的胜利。问题在于，和解或许有利于Google和出版商们，却不利于其他所有人。”

各大图书馆早已意识到，它们必须适应数字时代，许多已经付诸行动。1995年，斯坦福大学创建了HighWire出版社，今天它免费提供1000多种学术刊物的电子版。后来，斯坦福又将图书馆的索引卡全部数字化，此举使馆藏图书流通率增加了50%。斯坦福大学图书馆馆长麦克尔·凯勒说，“当学生们在寝室里就能搜索馆藏图书后，他们发现了更多自己需要的东西。”个别图书馆偶尔会得到扫描私人藏书的机会——2001年，纽约公共图书馆用联邦经费将位于曼哈顿岛北面的勋伯格黑人文化研究中心的大部分资料数字化——全面数字化因为工程浩大，似乎不太现实。过去13年一直担任纽约公共图书馆馆长的保罗·勒克勒克说，“我上任后的第一个10年里，人们总是问我，‘图书馆的藏书难道不打算上网吗？’我只能回答，‘当然我们希望那样做，但事实上却不可能，因为没有人给我们那么多钱来办这件事。谁也不知道到底需要多少钱。然后，Google出现了。我们意识到这是在最短时间内实现最多图书上网的方法，而且不需要我们花一分钱。”

在图书馆数字化领域里Google的潜在竞争者包括“开放内容协会”(OCA)。微软和阿尔弗雷德·斯隆(前通用汽车公司总裁)基金会是OCA主要赞助人。该协会已经在美国各地和海外展开扫描行动，它的众多合作伙伴包括波士顿公共图书馆、美国自然历史博物馆、约翰·霍普金斯大学。但是，目前OCA成员拷贝的只是公共领域的出版物以及获得许可的版权作品，这就使他们的计划规模大受局限。

假如与出版商和作家协会达成和解，Google将进一步奠定其优势地位，而这尤其让人担忧。历史已经证明，在搜索方面，Google并非无懈可击的。哥伦比亚法律学院教授提姆·吴说：“Google没能得到搜索视频的权力，被YouTube抢了先，(去年，Google以价值16亿美元的股票收购YouTube，解决了这个问题)。Google没能得到搜索博客的权力——被technorati.com抢先。或许Google也得不到搜索图书的权力。但是，如果它和出版商达成协议，设立巨大障碍阻止后来者进入市场，扼杀竞争。这将是最可怕的危险。

在Google总部，睡衣日给人留下的最深刻印象是参与的人寥寥无几。多数人看穿了这种刻意制造快乐的把戏，照样穿着牛仔裤和圆领汗衫，这种随便的打扮普通得像制服一般，好比上世纪60年代IBM员工的白衬衣加领带。虽然竭力乔装，Google骨子里仍然是一个庞大而威力骇人的公司。

你可以尽情嘲笑Google的非官方格言“不作恶”，但是Google的搜索图书计划本身没有丝毫的邪恶。与此同时，它的意图也谈不上美好崇高。Google成功的原因是它的产品够出色，企图从道德立场评判这家公司是愚蠢的。至少它的股东们不会这样做。

在新时代挣扎求存的出版商和作家也没有把他们和Google的冲突描绘成善与恶的对决。几大出版公司合作者兼敌人的矛盾身份表明了他们在陌生的数字时代迫切挽救自己领地的绝望。出版商在控诉中这样说：“出版商支持将图书数字化，并使它们可以像其他产品一样，通过电子途径搜索。”理论上，这或许没有错，但是出版商们对新技术的反应惊人的迟缓，尤其忽视绝版图书。相比之下，Google对这些书的关注可能超越了它们的出版商。

在这场官司里，利益冲突双方显然都可据理力争，人们指望法律解决的正是这样的争端。但是版权法的条款是如此暧昧，审理程序如此缓慢，司法体系已经退化成丛林法则的执行者。在纽约公共图书馆会议上，Google副总裁玛丽莎·迈耶告诉出版商：“让图书进入数字领域的机遇就在眼前，我们将携手实现。”

文：Jeffrey Toobin 译：宇
yskin于2007年5月3日录入

这篇文章讲的是Google图书搜索。原文是刊登于《纽约客》的《Google's Moon Shot》。阿波罗登月计划的英文是"Apollo moon shot"，所以这篇文章的题目可以翻译成《Google登月计划》。

这篇文章说的很对，Google是家商业公司，公司以赢利为目的，所以Google所做的很多事情也都是为了赢利。但是Google之所以强大就在于它提供的产品非常好用，而且它也不会象国内一些公司一样只盯着赚钱，蝇头小利都要争一争，Google总是先把产品做好，然后再通过放广告来赚钱，而广告其实是赚的发布广告的公司的钱，而不是我们普通用户。