Trong một trong những cuộc điều tra sáng tạo hơn về nhu cầu vô độ của ngành công nghiệp AI đối với dữ liệu đào tạo, các nhà báo tại 404 Media đã đặt một thiết bị theo dõi bên trong một lô hàng sách hiếm mà họ nghi ngờ sẽ được mua để đào tạo AI – và theo nó đi khắp đất nước đến một cơ sở của Amazon ở Las Vegas, nơi các cuốn sách được quét và tiêu hủy.

Câu chuyện, được xuất bản hôm thứ Hai bởi biên tập viên sáng lập 404 Media Emanuel Maiberg, xác định điểm đến là cơ sở VGT3 của Amazon ở Las Vegas. Theo cuộc điều tra, Amazon đã mua số lượng lớn sách, quét chúng để tìm dữ liệu đào tạo AI và tiêu hủy các khối lượng vật lý trong quá trình này – một hoạt động mà hãng này cho biết chưa được báo cáo trước đây.

Những phát hiện này đã bổ sung thêm một cái tên mới cho một hoạt động đã âm thầm gây rắc rối cho các nhà sách và nhà lưu trữ trong nhiều tháng, và chúng xuất hiện khi sự chú ý của công chúng ngày càng hướng về nơi các công ty AI thực sự lấy dữ liệu của họ. Theo dõi tin tức đang diễn ra của chúng tôi về cuộc chiến dữ liệu đào tạo tại AI Buzz Wire.

Thiết bị theo dõi trong hộp sách

Phương pháp đằng sau cuộc điều tra là điều làm cho nó đáng chú ý. Thay vì dựa vào tài liệu hoặc các cuộc phỏng vấn, 404 Media đã nhúng thiết bị theo dõi GPS vào một lô sách quý hiếm mà hãng này nghi ngờ sẽ được một công ty AI mua lại, sau đó theo dõi hành trình của gói hàng đến đích cuối cùng.

Điểm đến đó - cơ sở VGT3 của Amazon - được mô tả trong báo cáo là nơi Amazon quét sách để tìm dữ liệu đào tạo AI. Cuộc điều tra đầy đủ, trong đó nêu chi tiết về hoạt động mua và quy mô của nó, được cung cấp cho những người đăng ký 404 Media.

Câu chuyện lan truyền nhanh chóng trong giới phát triển và chính sách công nghệ sau khi xuất hiện trên trang nhất của Hacker News hôm thứ Hai, nơi các nhà bình luận tranh luận về ý nghĩa văn hóa và pháp lý của việc tiêu hủy những cuốn sách hiếm để đào tạo hệ thống AI thương mại.

Amazon tham gia danh sách ngày càng tăng

Báo cáo này là chương mới nhất trong cuộc tranh cãi rộng rãi hơn về số phận của sách giấy trong kỷ nguyên AI. Đầu mùa hè này, các nhà bán sách và nhà nghiên cứu đã ghi lại cách các công ty AI mua hàng trăm nghìn cuốn sách cổ và không còn xuất bản, đưa chúng vào các tập dữ liệu đào tạo và tiêu hủy các bản sao vật lý - một hành động mà các nhà phê bình mô tả là sự xóa bỏ di sản văn hóa ở quy mô công nghiệp.

Điều khác biệt của báo cáo mới là nó nêu tên một cơ sở cụ thể, một công ty cụ thể và một chuỗi cung ứng cụ thể. Cho đến nay, phần lớn cuộc thảo luận đều dựa trên các khiếu nại tổng hợp từ các nhà bán sách và hồ sơ tòa án. Một lô hàng được theo dõi cung cấp một điểm dữ liệu cụ thể: một hộp sách quý hiếm, một người mua và một tòa nhà.

Tại sao nhu cầu dữ liệu đào tạo không ngừng tăng cao

Tính kinh tế đằng sau việc thực hành này rất đơn giản. Các mô hình Frontier AI được cho là đã sử dụng hầu hết văn bản chất lượng cao có sẵn trên web mở, thúc đẩy các công ty tìm kiếm các nguồn khó truy cập hơn: sách, kho lưu trữ và tài liệu được cấp phép. Các tập sách hiếm và không còn xuất bản rất hấp dẫn vì chúng khó có thể xuất hiện trong các tập dữ liệu chuẩn trên web.

Đối với các nhà phê bình, việc tiêu hủy sách giấy để đáp ứng nhu cầu đó đã trở thành biểu tượng cho mối quan hệ khai thác của ngành với văn hóa con người - dữ liệu như một nguồn tài nguyên được khai thác bất kể những gì bị mất trong quá trình này. Đối với các công ty có liên quan, sách số hóa đại diện cho một vùng xám pháp lý mà các tòa án và nhà lập pháp vẫn đang phân loại, đặc biệt khi các vụ kiện tụng về bản quyền đối với dữ liệu đào tạo diễn ra thông qua nhiều khu vực pháp lý.

Bản thân việc quét và số hóa đều không yêu cầu tiêu hủy - việc tiêu hủy, các nhà xuất bản và nhà lưu trữ lưu ý, dường như là một biện pháp tiết kiệm chi phí, vì việc lưu trữ các tập vật lý đắt hơn so với việc nghiền nát chúng một khi nội dung của chúng đã được thu thập.

Vấn đề bảo quản

Các nhà lưu trữ từ lâu đã lập luận rằng số hóa không phải là bảo quản. Bản scan ghi lại nội dung của một cuốn sách nhưng không nắm bắt được nội dung bên lề, lịch sử ràng buộc, chất lượng vật liệu của nó - những đặc điểm khiến một tập sách hiếm trở thành hiện vật lịch sử hơn là nơi chứa đựng từ ngữ. Việc hủy bản sao vật lý sau khi quét sẽ ngăn cản việc kiểm tra trong tương lai và không giống như các tệp kỹ thuật số, một cuốn sách đã được nghiền thành bột không thể được quét lại khi công nghệ hình ảnh được cải thiện.

Tính kinh tế của việc buôn bán sách làm tăng thêm sự thua lỗ. Những tập sách hiếm và không còn xuất bản chỉ tồn tại với số lượng ít. Khi người mua có ngân sách quy mô AI tham gia thị trường, họ có thể trả giá cao hơn các thư viện và nhà sưu tập đối với các bản sao còn lại - và khi những bản sao đó bị tiêu hủy sau khi quét, số lượng bản sao còn sót lại của một ấn bản nhất định có thể giảm vĩnh viễn trong vòng vài tháng.

Các hiệp hội bán sách ở Châu Âu là một trong những người chỉ trích mạnh mẽ nhất cách làm này và cuộc điều tra của 404 Media đưa ra cảnh báo của họ về dấu chân cụ thể: cơ sở, chuỗi cung ứng và người mua công ty được nêu tên.

Điều gì xảy ra tiếp theo

Cuộc điều tra có thể sẽ tăng cường giám sát vai trò của Amazon trong chuỗi cung ứng dữ liệu AI, một vị trí vốn bị chi phối bởi hoạt động kinh doanh trên nền tảng đám mây của hãng này. Nó cũng có thể đổi mới các lời kêu gọi ở Châu Âu và Hoa Kỳ về các quy tắc yêu cầu bảo tồn tài liệu văn hóa được sử dụng trong đào tạo AI, một ý tưởng đã được các hiệp hội bán sách và một số nhà hoạch định chính sách đưa ra khi quy mô mua sách trở nên rõ ràng hơn.

Hiện tại, kết quả cụ thể nhất của cuộc điều tra là thông tin: một cơ sở được nêu tên, một chuyến đi được ghi lại và hồ sơ công khai rằng các cảnh báo của hoạt động buôn bán sách không hề trừu tượng. Những cuốn sách quý hiếm trong chuyến hàng được theo dõi đã kết thúc hành trình của họ ở Las Vegas. Nội dung của chúng có lẽ vẫn tồn tại trong kho dữ liệu đào tạo.

Theo dõi cuộc chiến dữ liệu AI

Dữ liệu đào tạo, tranh chấp bản quyền và đạo đức của AI trên quy mô lớn — được cập nhật hàng ngày tại AI Buzz Wire.

Đọc thêm tin tức về AI →