Vụ việc cho thấy cuộc đua tìm kiếm dữ liệu chất lượng cao đang khiến các công ty trí tuệ nhân tạo (AI) hướng tới những nguồn tài liệu ngày càng đặc biệt, đồng thời đặt ra tranh luận về giá trị văn hóa của sách và ranh giới pháp lý của việc số hóa chúng.

Lần theo dấu vết những cuốn sách hiếm

Cuộc điều tra của trang tin công nghệ 404 Media, đăng ngày 17-8, lần theo dấu vết một đơn hàng gần 1.000 cuốn sách hiếm được một người bán sách nhận qua một sàn giao dịch.

Người bán nghi ngờ số sách có thể được mua cho mục đích huấn luyện AI nên đồng ý để trang 404 Media đặt thiết bị Apple AirTag vào trong một cuốn sách.

Thiết bị sau đó cho thấy cuốn sách di chuyển qua nhiều địa điểm trước khi đến một nhà kho của Amazon tại thành phố Las Vegas, bang Nevada, Mỹ.

Tại cơ sở có mã VGT3, các nhân viên cho biết công việc của họ bao gồm tiếp nhận những lô sách lớn, quét mã vạch và đưa sách qua quy trình quét nội dung. Để tăng tốc, gáy sách được cắt bỏ, cho phép các trang được đưa vào máy quét nhanh hơn.

Sau khi quá trình số hóa hoàn tất, những cuốn sách vật lý không còn nguyên vẹn và bị loại bỏ. Logo của nhóm VGT3 thậm chí là hình một con khủng long đang chuẩn bị ngoạm một cuốn sách.

Amazon xác nhận với trang 404 Media rằng công ty "mua sách thông qua các kênh thương mại" nhằm phát triển và cải thiện các sản phẩm, dịch vụ dành cho khách hàng.

Điều tra của trang 404 Media đã cung cấp thêm bằng chứng về một hoạt động mà giới bán sách cũ đã nghi ngờ trong thời gian qua.

Những người bán sách nhận thấy trong thời gian gần đây xuất hiện các đơn hàng bất thường: số lượng có thể lên tới hàng trăm, hàng nghìn, thậm chí lớn hơn rất nhiều, danh mục sách được chọn ngẫu nhiên và người mua không quá quan tâm đến giá.

Vì sao AI cần những cuốn sách cũ?

Việc các công ty AI săn tìm sách in, đặc biệt là sách hiếm, sách đã hết bản in và những tác phẩm xuất bản trước năm 2022, bắt nguồn từ nhu cầu về dữ liệu chất lượng cao.

Theo tạp chí Forbes, Internet ngày càng nhiều nội dung do AI tạo ra. Nếu các mô hình mới tiếp tục được huấn luyện bằng chính những nội dung này, chất lượng đầu ra có thể suy giảm hoặc gây hậu quả nghiêm trọng cho mô hình - một khái niệm gọi là "sự sụp đổ của mô hình".

Trong khi đó, sách do con người viết và biên tập cung cấp những văn bản dài, có cấu trúc lập luận, ngôn ngữ và cách xây dựng nội dung mà các công ty AI cho rằng có giá trị đối với việc huấn luyện mô hình.

Sách hiếm và sách hết bản in còn có một lợi thế khác: nhiều nội dung trong số đó không có sẵn trên Internet. Vì vậy, việc mua bản in giúp các công ty AI tiếp cận những nguồn dữ liệu chuyên biệt mà các kho dữ liệu trực tuyến thông thường không có.

Đối với các tác phẩm xuất bản trước khi AI tạo sinh phổ biến, các công ty cũng có thể giảm nguy cơ sử dụng phải văn bản do AI tạo ra trong dữ liệu huấn luyện.

Xu hướng của ngành AI

Amazon không phải công ty đầu tiên bị đặt vào trung tâm của tranh cãi này.

Trước đó, các tài liệu được công khai trong vụ kiện liên quan đến Anthropic cho thấy công ty này đã mua hàng triệu cuốn sách, thuê bên thứ ba cắt gáy, đưa các trang vào máy quét tốc độ cao rồi tiêu hủy bản gốc trong một dự án mang tên "Project Panama".

Theo báo Washington Post, một tài liệu nội bộ mô tả mục tiêu của dự án là quét hủy bản gốc của toàn bộ sách trên thế giới, đồng thời cho thấy công ty muốn giữ hoạt động này kín đáo.

Những thông tin trên cho thấy việc tiêu hủy sách không phải một trường hợp riêng lẻ mà nằm trong xu hướng rộng hơn của ngành AI nhằm tìm kiếm dữ liệu huấn luyện mới.

Theo trang qz.com, Amazon còn tìm cách khai thác nội dung từ các nền tảng khác thuộc công ty, trong khi Google mua dữ liệu kinh doanh từ hãng hàng không Spirit Airlines sau khi hãng này phá sản.

Ở chiều ngược lại, một số nhà xuất bản lựa chọn con đường chính thức hơn thông qua các thỏa thuận cấp phép dữ liệu cho AI.

Có hợp pháp không?

Tranh cãi lớn nhất nằm ở chỗ những cuốn sách bị tiêu hủy không đơn thuần là hàng hóa. Với sách hiếm, giá trị có thể bao gồm giá trị tiền bạc, lịch sử, tri thức và tình cảm.

Trang 404 Media dẫn lời một người bán sách cho rằng các công ty AI chỉ quan tâm đến nội dung như "một chuỗi từ ngữ", trong khi những giá trị khác của cuốn sách gần như bị bỏ qua.

Về pháp lý, theo Forbes, việc mua một cuốn sách bản in hợp pháp cho phép chủ sở hữu toàn quyền xử lý bản sao vật lý đó, trong khi một số phán quyết liên quan đến việc số hóa sách để huấn luyện AI từng xem quá trình này là một hình thức sử dụng hợp lý mang tính "chuyển đổi" và hợp pháp.

Tuy nhiên, điều đó không làm tranh luận về đạo đức và bảo tồn văn hóa biến mất. Các nhà văn, nhà lưu trữ, sử gia và những người yêu sách tiếp tục 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.

AI Claude làm sếp, sa thải nhân viên thật vì đi trễ

Một phiên bản AI Claude được giao quản lý cửa hàng và nhân viên thật đã quyết định sa thải một nhân viên đi trễ 17/23 ca.