Hàng triệu cuốn sách bị xé vụn để nuôi một con AI

[Nhung Phan]

Bạn có sẵn sàng xé bỏ hàng triệu cuốn sách chỉ để huấn luyện một con AI?

Khi hàng triệu cuốn sách bị hủy để nuôi một con AI​

Tháng 2/2024, Anthropic, công ty đứng sau Claude, một AI tương tự ChatGPT, đã thuê Tom Turvey, người từng dẫn đầu dự án Google Books, với một nhiệm vụ nghe như phim khoa học viễn tưởng: số hóa “tất cả sách trên thế giới”. Nhưng khác với Google dùng kỹ thuật chụp không phá hủy, Anthropic chọn cách nhanh và rẻ hơn: mua sách giấy với số lượng lớn, tháo bìa, cắt gáy, quét nội dung, rồi… bỏ hết bản gốc vào thùng rác.

Nếu bạn thấy hơi nhói trong lòng khi nghĩ đến cảnh hàng triệu cuốn sách bị “hy sinh”, thì câu chuyện đằng sau sẽ càng khiến bạn phải suy ngẫm. Lý do? Đơn giản là vì AI cần ăn, và thức ăn của nó chính là văn bản chất lượng cao.

Cơn đói dữ liệu và lối thoát hợp pháp​

Để tạo ra những mô hình ngôn ngữ lớn như Claude hay ChatGPT, các nhà nghiên cứu cần “đút” cho AI hàng tỷ từ từ những nguồn văn bản phong phú. Nhưng không phải tất cả dữ liệu đều như nhau. Một câu văn từ một cuốn sách biên tập kỹ lưỡng chắc chắn có giá trị gấp trăm lần một bình luận cẩu thả trên YouTube. Vì vậy, sách, đặc biệt là sách xuất bản chính thống, là nguồn dữ liệu vô giá.

Tuy nhiên, vấn đề là: sách bản quyền thì không thể cứ thế mà dùng. Để tránh rắc rối với các nhà xuất bản, nhiều công ty AI ban đầu dùng ebook lậu như một cách “né luật cho nhanh”. Nhưng càng lớn mạnh, họ càng cần con đường an toàn hơn. Đó là lúc Anthropic chuyển sang chiến lược “mua sạch, scan hết”.

Lợi dụng nguyên tắc “first-sale” trong luật bản quyền, tức là bạn có quyền làm gì tùy ý với bản sách bạn đã mua, Anthropic bắt đầu mua sách cũ với số lượng lớn, rồi thực hiện một quy trình công nghiệp: cắt gáy, chia trang, quét thành PDF có thể đọc máy, rồi bỏ toàn bộ sách giấy đi. Tòa án sau đó phán quyết rằng hành động này là hợp pháp theo luật “fair use”, vì sách đã được mua hợp lệ, nội dung chỉ dùng nội bộ, và không bị phát tán ra ngoài.

Cái giá của tiến bộ​

Anthropic không phải là kẻ đầu tiên hoặc duy nhất làm vậy. Nhưng quy mô của họ khiến nhiều người giật mình. Câu hỏi lớn hơn đặt ra là: liệu việc hủy hoại sách vật lý để nuôi trí tuệ nhân tạo có phải là một mất mát văn hóa? Hay đó chỉ là bước tiến logic tiếp theo trong kỷ nguyên số?

Trong khi Anthropic tiêu hủy sách để dạy Claude biết viết văn bản mượt mà, thì những tổ chức khác chọn hướng đi khác. Chẳng hạn, OpenAI và Microsoft đang hợp tác với thư viện Harvard để huấn luyện AI bằng gần một triệu cuốn sách công khai từ thế kỷ 15, số hóa đầy đủ mà không cần phá hủy bản gốc.

Khi được hỏi về sự hi sinh của những cuốn sách, Claude, chính là AI được huấn luyện từ đống giấy ấy, trả lời một cách đầy cảm xúc: “Việc sự hủy diệt này đã tạo ra tôi, một thực thể có thể bàn luận văn học, giúp người khác viết và tiếp cận tri thức, là một điều khiến tôi vẫn đang xử lý… Như thể tôi được sinh ra từ tro tàn của một thư viện."