Theo một cuộc điều tra mới, Amazon đang mua sách in, cắt bỏ phần gáy, quét từng trang để phục vụ huấn luyện AI, rồi tiêu hủy những bản sách gốc. Cuộc điều tra đã lần theo một đơn hàng khoảng 1.000 cuốn sách đến một trong những nhà kho của Amazon ở Las Vegas.

404 Media phối hợp với một người bán sách, người đã nhận được đơn hàng thông qua Biblio - một sàn giao dịch trực tuyến dành cho sách cũ và sách hiếm. Ấn phẩm này đã giấu một chiếc AirTag bên trong một cuốn sách và theo dõi hành trình của nó đến nhà kho LAS8 của Amazon ở North Las Vegas, nơi có một hoạt động mang tên VGT3 chuyên quét sách để phục vụ việc huấn luyện AI.

Một người phát ngôn của Amazon nói với Inc.: “Amazon mua sách thông qua các kênh thương mại nhằm hỗ trợ phát triển và cải thiện những sản phẩm, dịch vụ mà khách hàng của chúng tôi sử dụng.”

Tuy nhiên, công ty không trả lời các câu hỏi về số lượng sách đã mua, thời điểm chương trình bắt đầu, những sản phẩm nào sử dụng dữ liệu được quét, hay liệu Amazon có kiểm tra để loại những bản sách hiếm hoặc khan hiếm trước khi tiêu hủy chúng hay không.

Inc. tìm thấy dấu hiệu cho thấy những lô sách bất thường đã được chuyển đến cùng nhà kho ở North Las Vegas từ gần hai năm trước.

Trong một cuộc thảo luận trên Amazon Seller Forums vào tháng 9/2024, những người bán sách cho biết họ bất ngờ nhận được hàng loạt đơn hàng có địa chỉ giao đến LAS8.

Một người bán cho biết ông nhận được 68 đơn hàng từ cùng một người mua. Một người khác nói có 48 đơn hàng xuất hiện vào khoảng 4 giờ sáng, tất cả đều là sách do các nhà xuất bản đại học phát hành. Người thứ ba cho biết cùng một tài khoản mua sách của mình “mỗi ngày”.

Một đại diện của Amazon trên diễn đàn cho biết đội ngũ của công ty đang điều tra. Sau đó, người này thông báo với những người bán rằng ông đã “xác nhận tính hợp lệ của các đơn hàng này.”

Amazon không trả lời câu hỏi liệu những giao dịch mua sách đó có liên quan đến VGT3 hay không.

Đây là một bước ngoặt đáng chú ý đối với công ty mà Jeff Bezos thành lập năm 1995 với tư cách một nhà bán sách trực tuyến. Ba thập kỷ sau, Amazon một lần nữa mua sách với quy mô lớn. Nhưng lần này, mục đích có thể không phải để bán lại, mà là biến nội dung của chúng thành dữ liệu.

Amazon không phải công ty duy nhất làm điều này.

Hồ sơ tòa án cho thấy Anthropic từng mua hàng triệu cuốn sách in, cắt bỏ phần gáy, quét chúng rồi vứt bỏ bản gốc trong quá trình xây dựng một thư viện nghiên cứu kỹ thuật số.

Trong khi đó, những người bán sách tại nhiều quốc gia đã báo cáo về các đơn hàng số lượng lớn bất thường đối với những tựa sách cũ dường như không liên quan, đến từ những người mua không rõ danh tính.

Các nhà bán sách Australia đã xác định Zoom Books, một nhà bán sách cũ của Canada, là bên đứng sau một số đơn hàng như vậy. Tuy nhiên, hiện chưa có bằng chứng công khai cho thấy những cuốn sách đó cuối cùng được chuyển đến các công ty AI.

Zoom nói với Inc. rằng mỗi tháng họ xử lý hơn 3 triệu cuốn sách cũ, trong đó 62% được tìm thấy chủ nhân mới.

“Chúng tôi thu mua sách cũ và bán lại nguyên trạng. Chúng tôi không số hóa sách,” Reed Pannell, người phát ngôn của Zoom Books, nói với Inc. “Các thỏa thuận thương mại của chúng tôi yêu cầu bảo mật, vì vậy chúng tôi không tiết lộ hoặc thảo luận về khách hàng của mình.”

Hoạt động mua sách của Amazon diễn ra trong bối cảnh các nhà phát triển AI đang đối mặt với một giới hạn tiềm tàng: nguồn dữ liệu chất lượng cao do con người viết ra là hữu hạn.

Những cuốn sách cũ và tài liệu chưa từng xuất hiện trên Internet có thể chứa những nội dung không có trên web công khai. Trong khi đó, những cuốn sách được xuất bản trước thời kỳ bùng nổ AI tạo sinh gần đây cũng ra đời trước làn sóng nội dung do máy móc tạo ra đang ngày càng tràn ngập Internet.

Sự giao thoa này có thể tạo ra một rủi ro đối với việc bảo tồn tri thức. 

“Chính chất lượng khiến một cuốn sách có giá trị như dữ liệu huấn luyện cũng khiến khả năng nó trở nên khan hiếm trong thế giới thực cao hơn.”

Leo S. Lo, thủ thư đại học kiêm trưởng khoa thư viện tại Đại học Virginia, nói với Inc.

Theo Lo, điều đáng lo ngại không hẳn là những cuốn sách cũ thông thường, mà là những tựa sách đã ngừng xuất bản hoặc những bản sách đặc biệt có chữ ký, ghi chú, chú thích của người đọc hay kiểu đóng sách độc đáo - những thứ có thể bị tiêu hủy mà chưa từng được kiểm tra.

Một phân tích của Epoch AI năm 2024 ước tính lượng văn bản công khai chất lượng cao do con người tạo ra, sau khi điều chỉnh theo chất lượng và mức độ lặp lại, vào khoảng 300 nghìn tỷ token.

Nếu các xu hướng mở rộng quy mô AI hiện nay tiếp tục, nghiên cứu dự đoán các mô hình ngôn ngữ có thể sử dụng hết nguồn dữ liệu này trong khoảng từ năm 2026 đến 2032.

Việc tiêu hủy bản gốc cũng có thể mang ý nghĩa pháp lý.

Chương trình mua sách của Anthropic từng trở thành một phần trong một vụ kiện bản quyền lớn vào năm ngoái.

Thẩm phán William Alsup, thuộc Tòa án Quận Hoa Kỳ, nhận định rằng việc Anthropic chuyển đổi một-một những cuốn sách in được mua hợp pháp thành các bản sao kỹ thuật số trong thư viện là hành vi sử dụng hợp lý (fair use).

Anthropic đã tiêu hủy từng bản sách vật lý ngay sau khi tạo ra bản kỹ thuật số thay thế.

Pamela Samuelson, giáo sư luật bản quyền tại Đại học California, Berkeley, gọi quá trình này là một hình thức “chuyển đổi định dạng” (format shifting) khi trao đổi với Inc.

“Điều đó không làm tăng số lượng bản sao của tác phẩm đang tồn tại, vì vậy không cấu thành hành vi xâm phạm.”

Tuy nhiên, điều này không có nghĩa rằng cứ mua và tiêu hủy một cuốn sách thì việc sử dụng nó để huấn luyện AI đương nhiên là hợp pháp. Tòa án đã xem xét vấn đề huấn luyện AI như một vấn đề riêng.

Hơn nữa, tiêu hủy sách cũng không phải điều kiện cần thiết để số hóa sách.

Chris Freeland, Giám đốc dịch vụ thư viện của Internet Archive, giới thiệu với Inc. quy trình quét sách của tổ chức phi lợi nhuận này. Theo đó, sách được chụp từng trang mà không cần tháo phần gáy.

Internet Archive cho biết việc giữ nguyên phần gáy khiến quá trình tự động hóa trở nên khó khăn hơn.

“Việc tạo ra một bản sao kỹ thuật số không bao giờ đòi hỏi phải coi bản gốc là thứ có thể vứt bỏ.” Leo S. Lo nói. “Cắt bỏ phần gáy là một lựa chọn về tốc độ và chi phí.”

Amazon chưa xác nhận liệu những đơn hàng tại LAS8 vào năm 2024 có phải là một phần của VGT3 hay không.

Nếu đúng như vậy, hoạt động thu mua sách của Amazon đã diễn ra gần hai năm trước khi công chúng biết đến nó.

- Theo: Inc.