Khi sách hiếm trở thành nhiên liệu cho Amazon AI training data
Việc các tập đoàn công nghệ mua sách hiếm rồi tiêu hủy để trích xuất nội dung thành dữ liệu huấn luyện AI là một chiến lược bí mật, gây tranh cãi sâu sắc về quyền tác giả, đạo đức công nghệ và giá trị văn hóa của sách in trong kỷ nguyên trí tuệ nhân tạo. Cuộc điều tra mới đã phơi bày cách Amazon bị phát hiện mua số lượng lớn sách hiếm để quét dữ liệu huấn luyện AI, biến chúng thành những chuỗi văn bản số hóa trước khi bản gốc bị hủy bỏ. Đây không còn là câu chuyện lẻ tẻ mà là biểu tượng của cuộc đua dữ liệu huấn luyện AI, nơi sách được xem như mỏ nội dung cần khai thác bằng mọi giá.
Theo kết quả điều tra, một đơn hàng gần 1.000 cuốn sách hiếm được lần theo bằng thiết bị định vị giấu trong sách đã dẫn tới một nhà kho của Amazon tại Las Vegas, cơ sở mang mã VGT3. Tại đây, nhân viên tiếp nhận các lô sách lớn, quét mã vạch, sau đó cắt bỏ gáy để đưa từng trang vào máy quét tốc độ cao, khiến sách bị hỏng hoàn toàn và bị loại bỏ sau khi số hóa. Amazon thừa nhận mua sách qua các kênh thương mại để phát triển và cải thiện sản phẩm, dịch vụ cho khách hàng. Câu hỏi không còn là “họ có làm không?” mà là “chúng ta chấp nhận điều này đến mức nào?”.
Dữ liệu huấn luyện AI: Vì sao các gã khổng lồ săn sách cũ, sách hiếm?
Động lực của Amazon và các đối thủ không khó hiểu: Internet đang bị ngập trong nội dung do AI tạo ra, khiến dữ liệu sạch, do con người viết ngày càng hiếm. Các báo cáo cho biết việc săn tìm sách in, đặc biệt là sách hiếm, sách đã hết bản in và tác phẩm xuất bản trước năm 2022, bắt nguồn từ nhu cầu về dữ liệu chất lượng cao. Một phân tích còn ghi nhận “lịch sử ghi nhận mức tăng bất thường trong doanh số sách in xuất bản trước năm 2022” khi các công ty AI đổ xô mua nguồn nội dung này.
Lý do rất rõ ràng: sách là văn bản dài, có cấu trúc lập luận, ngôn ngữ và nội dung được biên tập cẩn thận, mang lại loại dữ liệu mà các mô hình AI mong muốn. Sách hiếm, sách hết bản in còn có lợi thế là nhiều nội dung không tồn tại trên Internet, nên việc mua bản in cho phép tiếp cận kho tri thức mà các kho dữ liệu trực tuyến không có. Đồng thời, tập trung vào sách xuất bản trước khi AI tạo sinh phổ biến giúp giảm nguy cơ mô hình bị “tự ăn chính mình” khi tiếp tục học từ nội dung do AI tạo ra, một kịch bản được mô tả như “sự sụp đổ của mô hình” trên các tạp chí chuyên môn.
Sách hiếm tiêu hủy: từ Las Vegas đến các dự án tuyệt mật
Câu chuyện tại kho VGT3 chỉ là một mảnh ghép của bức tranh lớn hơn. Điều tra cho biết đã có thời điểm nhân viên tại đây than phiền trên diễn đàn rằng kho gần như hết sách, nhưng ngay sau đó làn sóng đơn hàng lớn sách hiếm lại đổ về và bị “hệ thống” tiêu hủy có chủ đích. Để tăng tốc quét nội dung, các trang sách bị tách khỏi bìa, đồng nghĩa với việc bản in bị phá hủy không thể phục hồi. Hình ảnh logo T-Rex ngoạm sách của nhóm VGT3 vô tình trở thành biểu tượng châm biếm cho cách các tập đoàn nuốt trọn di sản in ấn.
Amazon cũng không đơn độc. Tài liệu tòa án trong một vụ kiện cho thấy một startup AI đã mua hàng triệu cuốn sách, thuê bên thứ ba cắt gáy, cho các trang vào máy quét tốc độ cao rồi tiêu hủy bản gốc trong một dự án có tên mã riêng. Theo một tài liệu nội bộ, mục tiêu tham vọng của dự án là quét hủy bản gốc của toàn bộ sách trên thế giới và giữ kín hoạt động này. Những dữ kiện này cho thấy việc sách hiếm tiêu hủy không phải hành vi ngoại lệ mà là xu hướng rộng hơn trong ngành AI nhằm mở rộng kho dữ liệu huấn luyện mới.
Ranh giới mong manh giữa quyền tác giả, quyền sở hữu và đạo đức công nghệ
Về mặt pháp lý, các công ty có điểm tựa không nhỏ: khi mua một cuốn sách bản in hợp pháp, người sở hữu có quyền xử lý bản sao vật lý đó theo ý mình, bao gồm cả việc cắt, quét, tiêu hủy. Một số phán quyết trước đây về việc số hóa sách để huấn luyện AI từng xem đây là hình thức sử dụng hợp lý mang tính chuyển đổi và hợp pháp. Chính lập luận “chúng tôi mua sách như mọi khách hàng khác” đang được Amazon sử dụng khi khẳng định chỉ mua sách qua các kênh thương mại để cải thiện sản phẩm và dịch vụ.
Nhưng luật cho phép không đồng nghĩa với việc xã hội phải coi đó là đúng. Các nhà văn, nhà lưu trữ, sử gia và người yêu sách đặt câu hỏi: liệu quyền sở hữu một bản sách có nên đồng nghĩa với quyền biến một tài liệu quý hiếm thành dữ liệu số rồi tiêu hủy bản gốc hay không. Nhiều người bán sách cho rằng các công ty AI chỉ xem sách như “chuỗi từ ngữ”, bỏ qua giá trị lịch sử, tri thức, cảm xúc và cả giá trị sưu tầm của bản in. Cuộc tranh cãi về quyền tác giả AI không chỉ là chuyện tiền bản quyền, mà là câu hỏi: đâu là giới hạn của đạo đức công nghệ khi tri thức con người bị đối xử như quặng dữ liệu để khai thác không khoan nhượng.
Chiến lược dữ liệu của các gã khổng lồ: AI mạnh hơn nhưng văn hóa yếu đi?
Điều đáng lo là mô hình dữ liệu này đang trở thành chuẩn mực âm thầm trong toàn bộ ngành. Những thông tin nêu trên cho thấy việc tiêu hủy sách là một phần của xu hướng rộng hơn của các công ty AI trong việc săn lùng dữ liệu huấn luyện mới. Amazon được cho là đang tìm kiếm sách hiếm để tạo lợi thế trước các đối thủ như những hãng AI lớn khác, đồng thời tận dụng nội dung từ các nền tảng thuộc cùng tập đoàn. Một số công ty khác lại mua dữ liệu từ doanh nghiệp đang phá sản, trong khi một số nhà xuất bản chọn cách ký thỏa thuận cấp phép dữ liệu để giữ chút kiểm soát.
Vấn đề là khi cuộc đua dữ liệu chất lượng cao trở nên khốc liệt, nguy cơ sách hiếm bị coi như vật hi sinh càng lớn. Nếu mọi bản in độc đáo đều có thể bị mua đứt, cắt gáy, nghiền thành bit rồi vứt bỏ, chúng ta không chỉ mất vật phẩm, mà mất cả bối cảnh lịch sử và trải nghiệm đọc gắn với vật thể. Dữ liệu huấn luyện AI càng phong phú, mô hình càng thông minh, nhưng hệ quả có thể là một thế giới nơi bản gốc bị hy sinh cho bản sao. Câu kết luận phải là lựa chọn chính sách: hoặc chấp nhận để thị trường dữ liệu tự do nuốt trọn di sản in ấn, hoặc đặt ra ranh giới rõ ràng giữa khai thác nội dung và bảo tồn văn hóa trước khi quá muộn.
