Các công ty AI đang mua sách cổ để đào tạo người mẫu, sau đó tiêu hủy chúng trên quy mô lớn

Các công ty trí tuệ nhân tạo đang mua hàng trăm nghìn cuốn sách cổ và sách không còn xuất bản, đưa nội dung của chúng vào các tập dữ liệu huấn luyện, sau đó tiêu hủy các tập sách vật lý – một hoạt động ở quy mô công nghiệp mà các nhà nghiên cứu và nhà bán sách cho rằng đang xóa bỏ di sản văn hóa ngay cả khi nó tiếp thêm năng lượng cho thế hệ mô hình ngôn ngữ tiếp theo. Những tiết lộ này, lần đầu tiên xuất hiện trong các tài liệu của tòa án và hiện đã vang vọng khắp các cộng đồng bán sách ở châu Âu, đã mở ra một mặt trận mới trong cuộc chiến bản quyền AI. Đối với tin nóng về AI về những tranh cãi về dữ liệu đào tạo đang định hình lại ngành, các chi tiết dưới đây sẽ theo dõi việc cuộc săn tìm văn bản sạch đã biến thành đống lửa sách quý như thế nào.

Cách thực hành hoạt động

Theo các tài liệu được Anthropic tiết lộ trong phiên tòa năm 2026 và được The Washington Post đưa tin, quy trình này đã được công nghiệp hóa một cách có chủ ý. Hồ sơ mô tả cách "máy cắt chạy bằng thủy lực" của nhà thầu quét sẽ "cắt gọn" các cuốn sách để các trang có thể được "quét trên máy quét cấp sản xuất, tốc độ cao, chất lượng cao." Sau khi được số hóa, hồ sơ lưu ý, công ty quét sẽ "lên lịch với công ty tái chế để nhận những cuốn sách đã hoàn chỉnh."

Nói cách khác, những cuốn sách không được trả lại. Chúng được chuyển đổi thành văn bản kỹ thuật số và sau đó được nghiền thành bột.

Tại sao các công ty muốn có sách in cũ

Nhu cầu đọc sách giấy bắt nguồn từ một vấn đề ngày càng tồi tệ đối với các nhà phát triển AI: Internet mở ngày càng bị ô nhiễm bởi văn bản do AI tạo ra. Như blog pháp lý Verfassungsblog đã giải thích trong một bài phân tích có tiêu đề "AI đang ăn thịt thế giới sách", việc đào tạo về nội dung tổng hợp có nguy cơ làm giảm chất lượng mô hình—một hiện tượng mà các nhà nghiên cứu gọi là sự sụp đổ mô hình. Ngược lại, những cuốn sách được in trước năm 2022 được đảm bảo là do con người viết.

Ngoài ra còn có tính toán pháp lý. Các công ty lý luận rằng việc quét sách thực mà họ sở hữu có thể nằm trong điều khoản "sử dụng hợp pháp" của luật bản quyền Hoa Kỳ, một biện pháp bảo vệ mà họ tin là mạnh hơn việc loại bỏ nội dung web có bản quyền. Liệu tòa án có chấp nhận lập luận đó hay không vẫn là một câu hỏi mở, nhưng nó không ngăn được cơn sốt mua sắm.

Hiện tượng Zoom Books

Ở châu Âu, sự chú ý tập trung vào một hiệu sách trực tuyến ở Canada tên là Zoom Books, nơi mà Verfassungsblog đưa tin đã mua hàng trăm nghìn tựa sách phi hư cấu mà nhu cầu thương mại còn lại rất ít. Những cuốn sách này—các tác phẩm học thuật ít người biết đến, lịch sử khu vực và các sách hướng dẫn kỹ thuật chuyên ngành—gần như vô giá trị đối với những người bán sách cũ nhưng lại đại diện cho một nguồn tài liệu đào tạo phong phú chưa được khai thác trước đây dành cho các phòng thí nghiệm AI.

Chủ nghĩa tương lai báo cáo rằng sự hủy diệt đang diễn ra "ở quy mô đáng kinh ngạc, ngay cả khi hầu như không còn bản sao nào", có nghĩa là đối với một số đầu sách, bản sao được quét và cắt nhỏ có thể là một trong những ấn bản cuối cùng còn sót lại được lưu hành.

Nhà bán sách và nhà nghiên cứu phản hồi

Các báo cáo này đã cảnh báo những người bán sách cổ, họ cho rằng những người mua số lượng lớn đang bóp méo thị trường đồ cũ và loại bỏ các ấn bản hiếm nhanh hơn mức mà các kho lưu trữ có thể bảo quản chúng. Cơ quan Anadolu dẫn lời một nhà bán sách cổ vật Thổ Nhĩ Kỳ bày tỏ sự hoài nghi về phạm vi của các tuyên bố, đồng thời thừa nhận mối lo ngại ngày càng tăng trên khắp các thị trường sách châu Âu. Việc đưa tin trên tờ Times of India và Boing Boing cho rằng xu hướng này là hệ quả trực tiếp của việc các công ty AI đang cố gắng "thoát khỏi tình trạng sa sút về AI của chính họ" bằng cách rút lui sang in ấn thời tiền internet.

Những người theo chủ nghĩa bảo tồn cho rằng việc tiêu hủy là đặc biệt đáng lo ngại vì không có cơ quan đăng ký trung tâm nào theo dõi những cuốn sách đã được quét và tiêu hủy. Sau khi một tiêu đề có khả năng tồn tại thấp bị cắt nhỏ, sự mất mát có thể là vĩnh viễn—trừ khi công ty quét nó chọn chia sẻ bản sao kỹ thuật số, điều mà thông thường họ không làm.

Giai đoạn mới của cuộc chiến bản quyền

Chiến dịch mua sách nằm ở giao điểm của hai cuộc chiến pháp lý chưa được giải quyết: liệu việc đào tạo mô hình AI trên các tác phẩm có bản quyền mà không được phép có cấu thành hành vi sử dụng hợp pháp hay không và liệu việc tiêu hủy nguồn vật lý sau khi quét có làm thay đổi phép tính hay không. Các tòa án cho đến nay đã gửi đi những tín hiệu trái chiều, với một số phán quyết có lợi cho các nhà phát triển AI và những phán quyết khác bảo vệ yêu cầu của người sáng tạo.

Đối với các công ty AI, phép tính rất đơn giản. Sách in cung cấp văn bản dày đặc, chất lượng cao, do con người sáng tác mà ngày càng khó tìm thấy trên mạng. Đối với các thư viện, cơ quan lưu trữ và các nhà sưu tập bảo vệ các ấn bản quý hiếm, sự đánh đổi sẽ kém thuận lợi hơn nhiều: các hiện vật vật chất không thể thay thế được giảm xuống thành các thẻ huấn luyện và sau đó được tái chế thành bột giấy.

Việc thực hành này cũng đặt ra câu hỏi về tính minh bạch. Việc tiết lộ của Anthropic chỉ được đưa ra vì nó bị buộc phải kiện tụng. Vẫn chưa biết có bao nhiêu công ty khác đang theo đuổi chiến lược tương tự, bao nhiêu cuốn sách đã bị tiêu hủy hoặc liệu có tiêu chuẩn toàn ngành nào sẽ xuất hiện để bảo tồn những đầu sách có nguy cơ bị quét trước khi chúng được quét và loại bỏ hay không.

Vấn đề về quy mô Không ai có thể định lượng được

Một phần nguyên nhân khiến xu hướng này trở nên khó khăn với cảnh sát là tính lan tỏa của nó. Không giống như một kho lưu trữ hoặc cơ sở dữ liệu lớn duy nhất, chiến dịch mua sách được phân phối qua hàng nghìn giao dịch riêng lẻ—bán bất động sản, bán không tiếp cận thư viện và thị trường trực tuyến—nơi mà người mua số lượng lớn mua một chồng đầu sách phi hư cấu không đưa ra dấu hiệu đỏ rõ ràng. Tuy nhiên, được tổng hợp qua hàng trăm nghìn lượt mua hàng, hiệu ứng tích lũy là sự loại bỏ một cách lặng lẽ một lượng lớn kiến ​​thức thích hợp, có lượng lưu hành thấp khỏi hồ sơ vật lý.

Các thủ thư và nhà lưu trữ đã cảnh báo rằng sự mất mát không được phân bổ đều. Những cuốn sách bán chạy nhất trên thị trường đại chúng vẫn tồn tại dưới vô số bản sao, nhưng những tựa sách hấp dẫn nhất đối với các nhà đào tạo AI—các tác phẩm chuyên biệt, dày đặc thông tin với số lượng in nhỏ—chính xác là những tựa sách ít có khả năng được lưu giữ ở nơi khác. Sau khi bị phá hủy, chúng có thể chỉ tồn tại dưới dạng dữ liệu đào tạo độc quyền được khóa bên trong máy chủ của công ty, không thể truy cập được đối với công chúng vốn đã tạo ra và dựa vào chúng ban đầu.

Đi trước AI

Các cuộc chiến về dữ liệu đào tạo đang ngày càng gay gắt và các mối đe dọa vượt xa bảng cân đối kế toán của doanh nghiệp. Để đọc thêm tin tức về AI và theo dõi cách phản ứng của tòa án, cơ quan quản lý và nhà bảo tồn, hãy tiếp tục theo dõi AI Buzz Wire.

Đọc thêm tin tức về AI →