Firmen zerstören Millionen Bücher für KI
Công ty hủy hàng triệu cuốn sách để luyện AI
Bài đọc được chuyển ngữ và đơn giản hóa để học tiếng Đức. Nội dung gốc thuộc Tia Sang - Ho So Nhan Vat.
Bôi đen một từ hoặc cụm từ để tra nghĩa, dịch, highlight hoặc thêm ghi chú.
Tiến độ đọc bài
Đoạn 1/27
Đọc tiếng Đức trước. Khi cần, mở bản dịch ngay dưới từng đoạn.
Xem bản dịch tiếng Việt đầy đủ
Cuộc đua trí tuệ nhân tạo trên toàn cầu đang ngày càng khốc liệt. Dữ liệu giờ quý như tài nguyên. Nguồn dữ liệu trên internet thì cạn dần. Khắp nơi tràn ngập những văn bản vô hồn do chính máy tạo ra. Vì vậy, các công ty AI chuyển hướng sang một kho báu khác: tri thức nằm trong sách.
Thay vì đàm phán bản quyền với nhà xuất bản, nhiều công ty gom mua sách cũ trên khắp thị trường thế giới.
Dự án bí mật Panama
Theo tài liệu nội bộ do một tòa án Mỹ công bố, Anthropic đã triển khai một dự án bí mật mang tên “Dự án Panama”. Mục tiêu rất lớn: “quét hủy toàn bộ sách trên thế giới”. Kèm theo đó là lời dặn: “Chúng ta không muốn ai biết mình đang làm việc này.”
Vào tháng Hai năm 2024, Anthropic đưa Tom Turvey về đội. Trước đó ông từng dẫn dắt dự án số hóa sách tại Google. Thay vì để Turvey đàm phán bản quyền với các nhà xuất bản, công ty giao cho ông một nhiệm vụ khác: gom sách càng nhanh càng tốt, không vướng “quy trình pháp lý và kinh doanh”. Công ty chi hàng chục triệu USD để mua hàng triệu cuốn sách qua các nhà bán lẻ như Better World Books hay World of Books.
Công ty chi hàng chục triệu USD để mua hàng triệu cuốn sách qua các nhà bán lẻ như Better World Books hay World of Books. Ảnh chụp màn hình trang World of Books.
Công ty không quét chậm từng trang. Quy trình vận hành như một nhà máy. Sau khi mua về, sách được đưa vào máy cắt thủy lực cỡ lớn. Máy cắt phăng phần gáy. Các tờ rời sau đó chạy qua máy quét tốc độ cao dùng trong sản xuất. Cuối cùng, một công ty tái chế đến thu gom số giấy vụn.
Thị trường sách cũ bỗng bùng nổ trên toàn cầu
Cùng thời điểm, thị trường sách cũ trên thế giới nhận hàng loạt đơn hàng lớn bất thường.
Pieter de Vries, một người bán sách cũ ở Haarlem, Hà Lan, nhận được email từ một người tên “Nataly” thuộc công ty 2077AI. Email kèm danh sách khoảng 3.000 đầu sách cần mua. Thường khách chỉ mua lẻ từng cuốn, nên ông nghĩ đây là lừa đảo.
Ở Úc, các hiệu sách cũng nhận những đơn hàng lạ. Delfina Manor sở hữu cửa hàng Good Reading Secondhand Books. John Sainsbury sở hữu Sainsburys Books. Cả hai đều nhận nhiều đơn đặt hàng từ một công ty Canada tên Zoom Books. Điều lạ là công ty này mua bất chấp giá cao hay phí vận chuyển đắt. Danh sách lại rất ngẫu nhiên. Ví dụ một cuốn về cơ học đất từ thập niên 1970, một cuốn về đua xe đạp ở New Zealand và thơ cũ của Úc.
Trái với sự bối rối của những người bán lẻ, một công ty tên ISBNdb lại cung cấp dịch vụ cho các phòng thí nghiệm AI. ISBNdb tự giới thiệu sở hữu “cơ sở dữ liệu sách lớn nhất thế giới”. Họ chào bán số lượng lớn, “tối đa một triệu đầu sách mỗi đơn”, kể cả “bản cũ, hiếm và ấn bản đặc biệt”.
ISBNdb cho rằng sách ra đời trước thời đại mô hình ngôn ngữ lớn (pre-LLM) chắc chắn không bị lẫn rác dữ liệu do AI tạo ra. Công ty này nói: “Hàng triệu cuốn sách giá trị nhất chưa từng được số hóa. Chúng chỉ tồn tại ở dạng vật lý, nằm rải rác trong thư viện, tiệm sách cũ và danh mục sách ngừng kinh doanh. Chúng tôi sưu tầm và cung cấp cho các bạn ở quy mô lớn.”
Hiệp hội các nhà buôn sách cổ và sách hiếm Australia (ANZAAB) cảnh báo nhiều tư liệu lịch sử quan trọng có thể biến mất. Pieter de Vries nói thẳng: “Thật tàn bạo... chẳng khác nào đốt sách.”
Tỷ phú Elon Musk cũng lên tiếng phản đối. Trên mạng xã hội X, ông cho biết yêu cầu đội ngũ AI tại SpaceX phải quét sách bằng tay và giữ lại các ấn bản hiếm, thay vì áp dụng cách cắt phăng gáy sách một cách thô bạo.
Tải lậu và lưu trữ sách đã số hóa
Không chỉ việc quét hủy gây tranh cãi. Các công ty như Meta, Google hay OpenAI còn bị cáo buộc lén tải sách lậu. Tài liệu nội bộ cho thấy các kỹ sư tại Meta xem việc tiếp cận kho sách số là yếu tố sống còn để giữ lợi thế cạnh tranh.
Sách sau khi mua về được đưa vào máy cắt thủy lực cỡ lớn để cắt phăng phần gáy. Các tờ rời sau đó chạy qua máy quét tốc độ cao, và cuối cùng một công ty tái chế đến thu gom giấy. Ảnh: Unsplash
Vào tháng Mười Hai năm 2023, một email nội bộ cho thấy chính CEO Mark Zuckerberg đã cho phép dùng dữ liệu từ LibGen để huấn luyện mô hình AI Llama 3. LibGen là kho sách lậu khổng lồ. Để xóa dấu vết, các kỹ sư Meta thuê máy chủ của Amazon thay vì dùng hệ thống nội bộ của Facebook, nhằm tránh bị phát hiện. Đến nay Meta vẫn phủ nhận các cáo buộc.
Anthropic cũng dùng những cách thiếu minh bạch để thu thập dữ liệu. Hồ sơ tòa án cho thấy Ben Mann, đồng sáng lập công ty, đã dùng phần mềm chia sẻ tệp để tải lượng lớn sách hư cấu và phi hư cấu từ kho lậu LibGen trong 11 ngày.
