Công ty mẹ của Claude bị tố hủy hàng triệu cuốn sách để huấn luyện AI

Hồ sơ tòa án Mỹ tiết lộ Anthropic, công ty mẹ của Claude, đã sao chép và phá hủy hàng triệu quyển sách để huấn luyện các mô hình ngôn ngữ lớn. Ảnh: Washington Post.

Đằng sau sự thông minh của các mô hình ngôn ngữ lớn (LLM) như Claude hay Llama là một cuộc chạy đua khốc liệt để có được tri thức. Những hồ sơ pháp lý vừa được tòa án Mỹ giải mật vào đầu năm 2026 đã phơi bày một chiến dịch chưa từng có. Theo đó, các start-up AI đang ráo riết thu mua sách giấy theo lô, dùng máy thủy lực cắt xén, quét kỹ thuật số rồi đưa thẳng phần xác sách vào máy nghiền giấy trên quy mô công nghiệp.

Hành động này xuất phát từ cơn khát dữ liệu văn bản chất lượng cao. Khi các nguồn tài nguyên trực tuyến cạn kiệt và ngày càng bị ô nhiễm bởi chính những "rác thải" văn bản do AI tạo ra, các công ty công nghệ buộc phải nhắm đến những cuốn sách in thuần khiết xuất bản trước năm 2022. Thay vì đàm phán bản quyền với tác giả, họ đã lách luật bằng cách mua đứt sách vật lý, số hóa rồi tiêu hủy hoàn toàn bản gốc để được tòa án công nhận là "sử dụng hợp lý" (fair use).

Anthropic phá hủy hàng triệu quyển sách

Theo điều tra của Washington Post, đầu năm 2024, các giám đốc tại Anthropic - công ty đứng sau chatbot Claude - đã âm thầm đẩy mạnh một chiến dịch quy mô lớn mang tên "Dự án Panama".

Mục tiêu của dự án này là quét kỹ thuật số với "mọi cuốn sách trên thế giới" nhằm nạp dữ liệu cho các mô hình trí tuệ nhân tạo. Đáng nói, họ cho tiêu hủy tất cả quyển sách sau khi hoàn tất.

Tờ Ars Technica cho biết để thực hiện kế hoạch, Anthropic đã chiêu mộ Tom Turvey, cựu giám đốc mảng đối tác của dự án số hóa Google Books nổi tiếng. Quyết định tuyển dụng này nhằm thực hiện lần nữa thành công pháp lý mà Google từng đạt được nhưng ở một mức độ cực đoan và chi phí thấp hơn nhiều so với việc bảo tồn bản gốc.

Hồ sơ tòa án do The Washington Post thu thập chỉ ra rằng Anthropic đã tiếp cận các đại lý sách cũ khổng lồ như Better World Books hay World of Books ở Anh để mua hàng triệu ấn phẩm. Thậm chí, công ty này từng lên kế hoạch nhắm đến cửa hàng sách The Strand mang tính biểu tượng ở New York hay các thư viện công cộng đang trong tình trạng thiếu hụt tài chính để gom nguồn tài liệu.

Hình ảnh cắt bỏ gáy sách. Ảnh: News.com.au.

Chi tiết về quá trình sao chép sách in cũng được phơi bày trong các tài liệu nội bộ. Theo đó, Anthropic thuê các đơn vị quét dữ liệu sử dụng "máy cắt thủy lực" để xén bay toàn bộ gáy sách một cách gọn gàng. Hàng triệu trang giấy rời sau đó được đưa qua các máy quét tốc độ cao chuẩn công nghiệp, trước khi phần "xác sách" bị đẩy thẳng ra xe của công ty thu gom rác tái chế.

Về mặt quy mô, một đề xuất của đối tác quét sách gửi cho Anthropic tiết lộ tham vọng xử lý từ 500.000 đến 2 triệu cuốn sách chỉ trong vòng 6 tháng. Ước tính, công ty AI này đã đốt "hàng chục triệu USD" cho hoạt động thu mua và cắt xén này, cho thấy cơn khát dữ liệu văn bản chất lượng cao của những mô hình ngôn ngữ lớn (LLM).

Bản thân đội ngũ lãnh đạo Anthropic nhận thức rất rõ mức độ phản cảm của chiến dịch. The Washington Post trích dẫn một bản ghi nhớ nội bộ rò rỉ của công ty có đoạn nhấn mạnh: "Chúng tôi không muốn ai biết mình đang theo đuổi dự án này".

Dù vấp phải làn sóng chỉ trích gay gắt về mặt đạo đức, chiến lược "mua, cắt, quét và vứt bỏ" này tạm thời giúp Anthropic lách luật thành công. Ars Technica dẫn lại phán quyết của Thẩm phán William Alsup cho rằng việc tiêu hủy bản gốc sau khi quét là một hành động mang tính "chuyển hóa" (transformative) tri thức, do đó, sự hủy diệt sách vật lý này hoàn toàn nằm trong khuôn khổ "sử dụng hợp lý" (fair use) tại Mỹ.

Kênh News.com.au của Australia dẫn ý kiến từ một nguồn nội bộ: “Anthropic giữ bí mật Dự án Panama không phải vì nó bất hợp pháp, mà vì nó trông không hay. Việc phá hủy hàng triệu cuốn sách gợi lên hình ảnh những thư viện bị đốt cháy, ngay cả khi luật pháp đứng về phía họ".

Giới trí thức và bảo tồn phẫn nộ

Trước khi tìm ra kẽ hở pháp lý bằng cách xén sách vật lý, các ông lớn công nghệ đã từng chìm sâu trong những kho tàng sách lậu (shadow library). Theo The Washington Post, các công ty như Meta hay OpenAI (cha đẻ ChatGPT) liên tục bị giới nhà văn kiện tụng vì hành vi tải lậu hàng triệu bản sao kỹ thuật số trái phép để huấn luyện mô hình ngôn ngữ lớn, bất chấp nguy cơ đối mặt với án phạt hàng tỷ USD.

Hồ sơ tòa án nhắm vào Meta tiết lộ cơn khát dữ liệu. Các email nội bộ do Washington Post công bố cho thấy việc sử dụng kho sách lậu LibGen để huấn luyện Llama 3 đã được thông qua sau khi "báo cáo lên MZ", bất chấp cảnh báo từ đội ngũ kỹ sư rằng hành động tải torrent bằng máy công ty là "không ổn về mặt pháp lý".

Anthropic cũng không ngoại lệ trong giai đoạn đầu phát triển. Nhà đồng sáng lập Ben Mann từng đích thân tải xuống hàng loạt ấn phẩm lậu từ LibGen trong 11 ngày liên tục vào năm 2021.

Kho sách dùng để quét và xây dựng mô hình LLM của Anthropic. Ảnh: Washington Post.

Khi bị kiện và phải thu hẹp việc dùng kho sách lậu, các công ty AI chuyển hướng sang càn quét sách vật lý hiếm trên toàn cầu. Trang 404 Media cho biết nhiều nhà buôn sách nhỏ lẻ bỗng dưng nhận được các đơn hàng khổng lồ, mua gom hàng trăm cuốn sách đã ngừng xuất bản mỗi tuần, dù trước đó họ chia sẻ rẳng mình chỉ bán được lác đác vài cuốn.

Tại châu Âu, đài BNR (Hà Lan) đưa tin nhà buôn sách cổ Pieter de Vries đã nhận được yêu cầu thu mua danh sách 3.000 đầu sách hiếm bằng tiếng Anh từ một công ty tự xưng là 2077AI có trụ sở tại Singapore. Giới bán sách cho rằng do tính chất chuyên biệt của các tựa sách, chúng không được mua để sưu tầm mà sẽ bị chuyển đến các phòng thí nghiệm AI để cắt xén và vứt bỏ.

Sự tàn phá ở quy mô công nghiệp này đã gây rúng động cả những nhân vật trong giới công nghệ và bảo tồn. News.com.au dẫn lại phản ứng của tỷ phú Elon Musk trên mạng xã hội X, trong đó ông tuyên bố phản đối việc quét sách mang tính hủy diệt và yêu cầu đội ngũ SpaceXAI phải bảo tồn mọi cuốn sách. Trong khi đó, tổ chức The Internet Archive hay Đại học Harvard vẫn đang kiên trì số hóa sách bằng camera không phá hủy (non-destructive).

Lên tiếng về làn sóng này, bà Susannah Bowen - Giám đốc Hiệp hội Bán sách Australia (ABA) - nhận định việc tách rời nội dung khỏi cấu trúc vật lý của cuốn sách là một thảm họa phi đạo đức.

Trả lời truyền thông Australia, đại diện Hiệp hội Xuất bản Australia nhấn mạnh hành động đưa sách vào máy nghiền không chỉ phá hoại tính nguyên bản mà còn xóa sổ vô số ghi chú lịch sử vô giá từng được giấu kín trong gáy sách suốt hàng thế kỷ.

Đức An