Điều tra của 404 Media dùng AirTag lần dấu lô sách quý hiếm tới cơ sở Amazon tại Las Vegas, nơi sách bị cắt gáy, quét số hóa rồi tiêu hủy.
Ấn phẩm công nghệ độc lập 404 Media vừa công bố một cuộc điều tra cho thấy các công ty AI đang thu mua sách in với quy mô nhiều xe tải, trong đó có cả những cuốn sách quý hiếm, để phục vụ huấn luyện mô hình ngôn ngữ, và phần lớn số sách này bị tiêu hủy trong quá trình xử lý.
Bằng cách cài một thiết bị theo dõi AirTag vào một lô sách quý hiếm, nhóm điều tra đã lần theo hành trình lô hàng đến một cơ sở của Amazon tại Las Vegas, nơi công ty cắt bỏ phần gáy sách để đưa các trang qua máy quét, khiến bản gốc bị phá hủy hoàn toàn trong quá trình này. Đây là lần đầu tiên công chúng xác định chính xác điểm đến của các đơn mua sách số lượng lớn có liên quan đến hoạt động huấn luyện AI.
Điểm đến cuối cùng được xác định là bộ phận VGT3 của Amazon, nơi nhân viên cho biết công việc của họ chỉ đơn giản là tiếp nhận các lô sách in khổng lồ rồi xử lý theo quy trình quét phá hủy. Trước Amazon, dự án nội bộ Project Panama của Anthropic cũng từng thực hiện hoạt động số hóa tương tự ở quy mô lớn, cho thấy đây không phải là trường hợp cá biệt mà là một xu hướng đang lan rộng trong ngành công nghiệp AI.
Nguyên nhân của cơn khát sách in nằm ở đặc tính dữ liệu: những cuốn sách xuất bản trước năm 2022 chứa lượng văn bản phần lớn chưa từng xuất hiện trên môi trường trực tuyến và quan trọng hơn, không do máy móc tạo ra.
Việc huấn luyện mô hình bằng chính nội dung do các mô hình AI khác sinh ra tiềm ẩn nguy cơ gây ra hiện tượng suy sụp mô hình, trong đó chất lượng đầu ra suy giảm dần qua mỗi vòng lặp đệ quy. Vì vậy, sách giấy xuất bản trước thời điểm AI tạo sinh phổ biến trở thành nguồn dữ liệu sạch có giá trị đặc biệt đối với các phòng thí nghiệm AI.
Tranh chấp bản quyền và hệ quả pháp lý
Cuộc chạy đua tìm kiếm nguồn văn bản sạch đã kéo theo hàng loạt tranh chấp pháp lý. Một thẩm phán liên bang từng phán quyết rằng việc sử dụng sách được mua hợp pháp để huấn luyện AI có thể được xem là sử dụng hợp lý, mang lại thắng lợi một phần cho Anthropic, trong khi Meta và OpenAI cũng đang viện dẫn lập luận tương tự trong các vụ việc liên quan.
Tuy nhiên, vấn đề trở nên phức tạp hơn khi liên quan đến các bản sao vi phạm bản quyền: Anthropic đã phải chấp nhận mức dàn xếp lên tới 1,5 tỷ USD liên quan đến các đầu sách sao chép lậu được quét số hóa, trong khi Salesforce hiện đang đối mặt với một vụ kiện tập thể với cáo buộc tương tự.
Hoạt động thu mua sách của Amazon trước đây gần như không được biết đến do đặc thù thị trường. Trong năm qua, nhiều nhà bán sách ghi nhận số lượng đơn đặt mua số lượng lớn tăng đột biến, với đặc điểm chung là người mua không nhạy cảm về giá và lựa chọn đầu sách có phần ngẫu nhiên, làm dấy lên nghi ngờ về sự tham gia của các công ty AI.
Nghi ngờ này chỉ được xác nhận khi thiết bị theo dõi hé lộ điểm đến cuối cùng. Về phía mình, Amazon cho biết công ty mua sách thông qua các kênh thương mại nhằm hỗ trợ phát triển và cải thiện các sản phẩm, dịch vụ dành cho khách hàng.
