Anthropic mua hàng triệu cuốn sách, quét để huấn luyện AI rồi nghiền hủy

Việc Anthropic mua hàng triệu cuốn sách về quét làm dữ liệu huấn luyện AI rồi nghiền hủy đang gây tranh cãi. Ảnh: IThome.

“Mua sách về huấn luyện AI rồi nghiền” gây tranh cãi

Câu chuyện bắt đầu thu hút sự chú ý sau khi một tài liệu tòa án được công bố năm 2025 tiết lộ Anthropic, công ty AI có trụ sở tại San Francisco, đã mua hàng triệu cuốn sách giấy. Những cuốn sách này được cắt bỏ phần gáy, từng trang được quét thành dữ liệu số, sau đó bản sách giấy bị loại bỏ và đem nghiền nát.

Hoạt động này nằm trong một kế hoạch mở rộng thư viện trung tâm của Anthropic, được gọi là Project Panama. Mục tiêu của thư viện này là thu thập “tất cả sách trên thế giới” và lưu giữ chúng lâu dài.

Một tài liệu tòa án khác cho biết Tom Turvey, người từng phụ trách quan hệ đối tác trong dự án quét sách của Google, được thuê để thu thập tài liệu cho Project Panama. Nhóm của Turvey đã liên hệ với các nhà phân phối và bán lẻ sách lớn để thương lượng việc mua sách giấy số lượng lớn cho “thư viện nghiên cứu” của Anthropic.

Hơn 2 triệu cuốn sách được Anthropic mua về quét nội dung rồi nghiền hủy trong Project Panama. Ảnh: Washingtonpost.

Hồ sơ vụ kiện “Bartz v. Anthropic”, được công khai vào tháng 1 năm nay, cho thấy các nhà bán sách như Better World Books và World of Books từng nằm trong danh sách nhà cung cấp hàng nghìn cuốn sách cho Anthropic.

Mặc dù tòa án phán quyết rằng việc sử dụng những cuốn sách được mua hợp pháp để huấn luyện AI thuộc phạm vi “sử dụng hợp lý” (fair use) theo luật bản quyền, Anthropic vẫn bị xác định vi phạm bản quyền của tác giả và nhà xuất bản do lưu trữ trong thời gian dài một cơ sở dữ liệu chứa khoảng 7 triệu cuốn sách lậu. Cuối cùng, công ty bị buộc phải bồi thường số tiền lên tới 1,5 tỷ USD.

Anthropic chưa đưa ra phản hồi chính thức với yêu cầu bình luận. Tuy nhiên, một đại diện công ty nói với Tom’s Guide rằng sách là nguồn dữ liệu phổ biến để huấn luyện các mô hình ngôn ngữ lớn, đồng thời khẳng định các chương trình thu thập dữ liệu của công ty không mua và tiêu hủy sách cổ quý hiếm.

Nguy cơ các nhà sách cũ ở Mỹ sẽ bị biến mất do kế hoạch của Anthropic. Ảnh: Creaders.

Không chỉ là chuyện mất một cuốn sách

Susan Benne, giám đốc điều hành Hiệp hội Những người buôn sách cổ Mỹ (ABAA), cho rằng những lo ngại trước hiện tượng này là hoàn toàn có cơ sở. Theo bà, dù những cuốn sách bị tiêu hủy không nhất thiết là sách cổ hay sách quý, hành động nghiền hủy sách vẫn chạm tới một giá trị rất sâu sắc của con người.

Hãy thử nghĩ đến một cuốn sách từng đọc khi còn nhỏ hoặc thời đại học. Những cuốn sách như vậy thường gắn với ký ức và cảm xúc cá nhân. Vì thế, việc chứng kiến chúng bị tiêu hủy có thể khiến nhiều người cảm thấy khó chấp nhận.

Bà Benne ví hiện tượng này với lũ lụt, cháy bảo tàng hoặc những thảm họa khác từng phá hủy kho tàng tri thức và văn hóa của nhân loại.

Charlie Becker cũng phản đối, ông cho rằng việc biến sách thành những món hàng có thể sử dụng rồi vứt bỏ, đặc biệt để phục vụ huấn luyện AI, có thể khiến xã hội đánh mất một giá trị văn hóa quan trọng. Tuy nhiên, Becker lưu ý rằng không nên hiểu tất cả sách bị đưa vào quy trình này đều là những “báu vật vô giá”.

Nhiều trường hợp có thể chỉ là những cuốn sách rất bình thường, chẳng hạn sách hướng dẫn sử dụng một mẫu tủ lạnh General Electric cũ. Benne cũng thừa nhận: sách xuất bản không đồng nghĩa với sách quý hiếm. Phần lớn có thể chỉ là những cuốn sách thông thường. Nhưng theo bà, điều đó không có nghĩa là xã hội không cần quan tâm.

Ông Charlie Becker bên trong cửa hàng Beckers'Books của mình. Ảnh: Creaders.

Những đơn hàng đáng ngờ

Một trong những vấn đề lớn nhất là thiếu minh bạch về danh tính và mục đích của những người mua sách số lượng lớn. Tháng 7, 404 Media đưa tin cơ sở dữ liệu sách ISBNdb từng quảng bá dịch vụ mua sách giấy với cam kết giữ kín thông tin người mua.

Trên trang chủ, ISBNdb từng giới thiệu dịch vụ “mua sách in cho nhu cầu dữ liệu huấn luyện mô hình ngôn ngữ lớn AI”. Sau đó, nội dung này đã được thay đổi. Một đại diện ISBNdb khẳng định công ty chưa bao giờ mua, quét hay tiêu hủy sách để huấn luyện AI hoặc cho bất kỳ mục đích nào khác.

Tuy nhiên, theo Benne, vấn đề nằm ở chỗ các nhà bán sách khi giao dịch với những khách hàng lớn có thể phải ký thỏa thuận bảo mật. Việc hỏi người mua “anh định sử dụng cuốn sách này vào mục đích gì?” hiện cũng không phải thông lệ phổ biến.

Chính sự thiếu minh bạch này khiến Becker muốn biết rõ những cuốn sách nào đang được mua, quét và sau đó tiêu hủy để phục vụ AI. “Thực sự là không ai biết. Và đó chính là một phần của vấn đề”, ông nói.

Theo Becker, những người quan tâm đến việc bảo tồn di sản văn học lẽ ra phải được tham gia vào ít nhất một khâu của quá trình này, nhưng trên thực tế họ gần như đứng ngoài cuộc.

Ông Charlie Becker phát hiện ra sự bất thường khi xem xét lại các đơn hàng. Ảnh: Creaders.

Nhà sách bất ngờ nhận hàng loạt đơn

Từ tháng 4, Becker bắt đầu nhận thấy doanh số sách tăng đột biến, lên tới gấp 2-3 lần mức bán hàng thông thường mỗi tuần. Kho của Becker’s Books hiện chứa khoảng 300.000 đầu sách. Khi doanh số tăng bất thường, ông bắt đầu kiểm tra kỹ các đơn hàng.

Kết quả khiến ông ngạc nhiên: trong 100 đơn hàng gần đây nhất, có tới 95 đơn đến từ cùng một người mua. “Điều đó thực sự rất kỳ lạ”, Becker nói.

Một nhà bán sách khác ở Ohio, Andrea Klein, cũng nhận thấy những đơn hàng bất thường trong vài tuần gần đây. Điều khiến Klein chú ý không chỉ là doanh số tăng mạnh mà còn ở kiểu mua hàng. Những người này dường như không phải người sử dụng cuối cùng mà đang mua sách thay cho một bên khác.

Họ thường đặt 5-6 cuốn sách có giá trị tương đối cao, thay vì những cuốn 10-20 USD. Mỗi đơn có thể trị giá khoảng 100 USD. Hiện tượng này lặp lại nhiều lần.

Ban đầu Klein cho rằng có thể khách hàng đang mua sách giúp một người ở châu Âu để tiết kiệm chi phí vận chuyển. Nhưng sau khi nghe những thông tin về việc AI thu mua sách để quét dữ liệu, bà bắt đầu nghi ngờ hai chuyện có liên quan.

Benne cũng cho biết giới kinh doanh sách đã âm thầm bàn tán về những đơn hàng kỳ lạ như vậy từ vài tháng trước. Đáng chú ý, các đơn hàng thường tập trung vào những cuốn sách cũ hoặc ít phổ biến, xuất bản trước năm 2022.

Những tài liệu này đặc biệt hữu ích cho việc huấn luyện mô hình ngôn ngữ lớn vì chúng được xuất bản trước thời kỳ nội dung do AI tạo ra trở nên phổ biến, qua đó giảm nguy cơ dữ liệu huấn luyện đã chứa văn bản do AI tạo.

Bức thư của phu nhân cố Tổng thống Mỹ Bacbara Bush được lưu giữ tại Becker's Books để kỷ niệm việc bà đã đến đây mua sách. Ảnh: Creaders.

“Bảo vệ nền văn minh”

Không phải những người trong ngành sách phản đối AI. Benne nhấn mạnh rằng có nhiều dự án sử dụng AI và công nghệ số theo hướng tích cực để bảo tồn sách. Chẳng hạn, Project Gutenberg và nhiều tổ chức phi lợi nhuận đang số hóa sách nhằm lưu giữ tri thức lâu dài. Theo bà, số hóa để bảo tồn hoàn toàn khác với việc lấy thông tin từ một cuốn sách, biến đổi nó cho mục đích khác rồi tiêu hủy bản gốc.

Becker cũng không phản đối AI. “Tôi không hoàn toàn chống lại AI. Vấn đề này phức tạp hơn rất nhiều so với việc đơn giản nói ‘ủng hộ’ hay ‘phản đối’”, ông nói. Thậm chí, việc phát hiện hoạt động “nghiền sách bằng AI” còn khiến Becker quyết tâm sử dụng chính AI để phục vụ việc bảo tồn văn học.

Ông cùng người đồng sáng lập Adam Nelson-Archer đang phát triển một nền tảng lập danh mục sách ứng dụng AI dành cho các nhà buôn sách cũ và sách quý. Theo Becker, mục tiêu rất rõ ràng: “Đó là để bảo vệ nền văn minh”.

Tranh cãi về việc quét rồi tiêu hủy sách cũng đã khiến một số ông lớn công nghệ tuyên bố áp dụng biện pháp bảo tồn tương tự. Tháng trước, Elon Musk viết trên X rằng ông đã yêu cầu nhóm SpaceX AI bảo tồn những cuốn sách quý trong thư viện và quét theo phương pháp truyền thống thay vì cắt gáy rồi quét từng trang.

Cuộc tranh luận diễn ra trong bối cảnh niềm tin của người Mỹ đối với AI đang suy giảm. Một khảo sát gần đây của Đại học Bentley và Gallup cho thấy ngày càng nhiều người Mỹ trưởng thành cho rằng AI đang gây hại nhiều hơn lợi ích. Đáng chú ý, 73% người Mỹ không tin các doanh nghiệp sẽ sử dụng AI một cách có trách nhiệm.

Cuộc tranh cãi vì thế không còn đơn thuần là câu chuyện về số phận của những cuốn sách giấy. Nó đặt ra một vấn đề lớn hơn: Trong cuộc chạy đua xây dựng AI, con người sẽ bảo tồn di sản tri thức của mình như thế nào — và liệu việc số hóa toàn bộ kho tàng ấy có đồng nghĩa với quyền được tiêu hủy bản gốc?