Theo báo cáo của CBC News, các thư viện học thuật trên khắp thế giới đang chống lại lũ bot quét dữ liệu AI không ngừng nghỉ đang làm chậm hoặc làm sập trang web của họ. Các bot, được các công ty AI và dịch vụ bên thứ ba sử dụng để thu thập nội dung nhằm đào tạo các mô hình ngôn ngữ lớn, đang đánh sập toàn bộ bộ sưu tập kỹ thuật số ở chế độ ngoại tuyến và buộc các thư viện phải lựa chọn giữa truy cập mở và duy trì trực tuyến.
Các mục tiêu không phải là ngẫu nhiên. Thư viện, bảo tàng và các tổ chức di sản văn hóa khác nắm giữ khối lượng lớn thông tin có chất lượng, đã được kiểm duyệt và thường không bị ẩn sau các bức tường trả phí hoặc thông tin đăng nhập — chính xác là loại văn bản rõ ràng, có căn cứ chính xác mà các nhà phát triển AI đánh giá cao cho các mô hình đào tạo như Claude, Gemini và ChatGPT. For more context on this story, see our ongoing AI news.
Bộ sưu tập bị loại bỏ ngoại tuyến
Quy mô của vấn đề đã phát triển đến mức toàn bộ kho lưu trữ không thể truy cập được. Dean Seeman, giám đốc bộ sưu tập và cơ sở hạ tầng kỹ thuật số tại Thư viện Đại học Victoria, cho biết trong báo cáo của CBC: “Đôi khi lưu lượng truy cập bot trở nên tồi tệ đến mức khiến các trang web ngừng hoạt động hoàn toàn trong một thời gian ngắn”. Ông mô tả tình trạng ngừng hoạt động đang tạo ra một "vấn đề thực sự" đối với quyền truy cập của công chúng - khi trang web của thư viện bị sập do lưu lượng truy cập bot, sinh viên, nhà nghiên cứu và công dân bình thường đều bị khóa cùng với máy móc.
Tại Đại học Bang San Jose, trải nghiệm là một trong những áp lực thường trực. Jill Strykowski, người đứng đầu danh mục và tài liệu chính phủ của trường đại học cho biết: “Họ chỉ xuất hiện trên internet, tấn công chúng tôi bằng cách cố gắng thu thập càng nhiều tài liệu càng tốt”. Tổ chức của cô số hóa các tài liệu của chính phủ và các tài liệu công cộng khác, khiến nó trở thành nơi cung cấp thức ăn chính cho những người dọn dẹp.
Báo cáo mô tả một trường học bị choáng ngợp bởi hơn 11.000 lượt tìm kiếm về âm nhạc Phần Lan chỉ trong một ngày - lưu lượng truy cập mà không một khán giả con người nào có thể tạo ra một cách hợp lý và kiểu thu thập thông tin có khối lượng lớn, tập trung hẹp, điển hình của các hoạt động thu thập tự động.
Một vấn đề không ngừng gia tăng
Các nhà nghiên cứu theo dõi hiện tượng này phát hiện ra rằng các báo cáo về kiểu cào mạnh này bắt đầu xuất hiện vào cuối năm 2024 trên khắp Bắc Mỹ, Châu Âu và Châu Đại Dương, và các chuyên gia nói với CBC News rằng vấn đề này tiếp tục trở nên tồi tệ hơn kể từ đó. Khi các công ty AI chạy đua để bảo đảm dữ liệu đào tạo chất lượng cao - và khi các nhà xuất bản web mở ngày càng chặn các trình thu thập dữ liệu - thì kho văn bản chất lượng cao, không được bảo vệ tiếp tục bị thu hẹp và áp lực lên các tổ chức từ chối khóa bộ sưu tập của họ ngày càng tăng.
Áp lực đó có cái giá phải trả. Strykowski cho biết các bot đang "gây ra một lượng công việc đáng kinh ngạc và đau đầu cho mọi tổ chức thực hiện công việc số hóa và mọi tổ chức đang cố gắng cung cấp thông tin một cách công khai." Các thư viện hiện phải chạy cơ sở hạ tầng lọc bot, truy đuổi những trình thu thập thông tin lạm dụng và giải quyết tình trạng ngừng hoạt động - chi tiêu ngân sách khan hiếm cho quốc phòng thay vì số hóa và truy cập.
Một mối quan hệ khai thác, các nhà phê bình nói
Ngoài gánh nặng kỹ thuật, sự việc này còn khơi dậy lời chỉ trích quen thuộc về cách các công ty AI đối xử với các tổ chức vì lợi ích công. Peter Lewis, Chủ tịch nghiên cứu Canada về Trí tuệ nhân tạo đáng tin cậy tại Đại học Công nghệ Ontario, nói với CBC rằng mô hình này dẫn đến việc các công ty tư nhân lớn sử dụng các thể chế vì lợi ích chung "theo cách rất khai thác" - giả sử tài liệu công là miễn phí để sử dụng, sau đó sử dụng nó để xây dựng các mô hình mang tính thương mại cao được bán lại cho cùng một công chúng.
Động lực này gợi lại những xung đột trước đây giữa các nhà phát triển AI và nhà xuất bản tin tức, tác giả và nghệ sĩ, nhưng có một điểm khác biệt: các thư viện hiếm khi có bộ phận pháp lý hoặc tường phí để dựa vào. Nhiệm vụ của họ là cung cấp thông tin một cách công khai, điều này khiến việc chặn lưu lượng truy cập - thậm chí cả lưu lượng truy cập thù địch - mâu thuẫn trực tiếp với sứ mệnh của họ.
Bot tốt, Bot xấu và điều gì sẽ xảy ra tiếp theo
Báo cáo của CBC lưu ý rằng không phải tất cả lưu lượng truy cập tự động đều là thù địch và các thư viện phân biệt giữa các trình thu thập dữ liệu hoạt động tốt tôn trọng giới hạn tốc độ và loại trừ robots.txt và những trình thu hoạch kém lịch sự hơn nhiều đang đập vào kho lưu trữ của họ. Khó khăn nằm ở quy mô: ngay cả một phần lưu lượng truy cập lạm dụng đủ nhỏ để vượt qua các quy định về giá riêng lẻ cũng sẽ trở nên khủng khiếp khi hàng nghìn khách hàng phối hợp hoặc xoay vòng danh tính.
Các tổ chức đang phản ứng bằng nhiều chiến thuật kết hợp - giới hạn tỷ lệ, lấy dấu vân tay bot, chặn các mạng máy quét đã biết và trong một số trường hợp, lấy các bộ sưu tập ngoại tuyến hoàn toàn trong các cuộc tấn công. Không có cái nào trong số này là miễn phí, và tất cả chúng đều làm giảm khả năng truy cập mở mà các thư viện tồn tại để cung cấp.
Điều trớ trêu thật khó bỏ qua: những tổ chức đã dành hàng thập kỷ số hóa kiến thức được ghi lại của nhân loại để bất kỳ ai cũng có thể đọc nó miễn phí giờ đây lại bị buộc phải đóng cửa kỹ thuật số vì hệ thống AI muốn đọc mọi thứ cùng một lúc. Cách các thư viện, nhà tài trợ và các công ty AI giải quyết căng thẳng đó - cho dù thông qua các thỏa thuận cấp phép, quyền truy cập có trả phí hay thực thi kỹ thuật chặt chẽ hơn - sẽ định hình trang web mở về thông tin chất lượng dữ liệu đào tạo sẽ như thế nào trong nhiều năm tới.
Hiện tại, những người bị kẹt ở giữa chính là độc giả. Như kinh nghiệm của Seeman tại Đại học Victoria cho thấy, mọi sự cố ngừng hoạt động do bầy bot gây ra đều khiến quyền truy cập của công chúng bị ảnh hưởng.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
