Đốt sách để nuôi AI: Cuộc chơi nguy hiểm giữa công nghệ và văn hóa

3 triệu cuốn sách giấy – từ tiểu thuyết bán chạy đến sách chuyên ngành hàn lâm – đã bị cắt bìa, xé trang, đưa qua máy quét tốc độ cao, rồi vứt vào thùng rác. Đó là những gì Anthropic, một trong những startup AI trị giá 30 tỷ USD, đã làm để mua sạch dữ liệu huấn luyện cho mô hình ngôn ngữ lớn thế hệ tiếp theo. Chi phí? Hàng triệu đô la. Kết quả? Một kho dữ liệu độc nhất, sạch sẽ, không bị nhiễm bởi nội dung do AI tạo ra. Nhưng cái giá phải trả không chỉ là tiền – đó là hàng triệu bản in độc nhất, một số có thể là ấn bản hiếm không thể thay thế. Bối cảnh: Khi web bị AI đầu độc Từ năm 2023, cộng đồng AI phát hiện một vấn đề ngày càng nghiêm trọng: dữ liệu huấn luyện lấy từ internet bị “đầu độc” bởi nội dung do chính AI tạo ra. Một mô hình đọc quá nhiều văn bản do AI viết sẽ học theo lỗi và sự bắt chước, dẫn đến suy giảm chất lượng đầu ra. Các cuộc tấn công “data poisoning” – cố tình chèn dữ liệu sai vào tập huấn luyện – cũng trở nên phổ biến. Giải pháp? Quay về nguồn dữ liệu “tinh khiết” cuối cùng: sách giấy. Nhưng sách giấy có bản quyền. Làm thế nào để sử dụng hợp pháp hàng triệu cuốn sách mà không vi phạm luật? Năm 2025, một phán quyết mang tính bước ngoặt từ tòa án Mỹ đã mở ra cánh cửa: việc mua hợp pháp một cuốn sách, chuyển đổi thành bản sao kỹ thuật số và đồng thời tiêu hủy bản in được coi là “hợp lý” theo nguyên tắc “one-to-one replacement” – thay thế vật lý bằng kỹ thuật số với cùng một bản sao duy nhất. Phán quyết này biến mỗi cuốn sách trở thành viên gạch dữ liệu có thể được “khai thác” mà không vi phạm bản quyền, miễn là bản gốc bị phá hủy. Phân tích kỹ thuật: Tại sao sách giấy lại là mỏ vàng? Từ góc nhìn kỹ thuật, sách giấy có ba ưu điểm không thể thay thế so với web: (1) Nội dung được biên tập kỹ lưỡng, ít lỗi và có cấu trúc logic chặt chẽ; (2) Hầu hết sách in trước năm 2022 chưa bị nhiễm bởi AI-generated text – một con số ước tính lên tới 70% văn bản hiện tại trên web là do AI tạo ra; (3) Sách giấy không thể bị tấn công data poisoning vì nó là bản in vật lý cố định. Chính vì vậy, các công ty AI sẵn sàng chi hàng chục triệu USD để mua và phá hủy sách. Quy trình kỹ thuật điển hình do ISBNdb – công ty môi giới dữ liệu – cung cấp: Bạn chọn danh mục sách theo ISBN, chủ đề, năm xuất bản; họ mua sách mới hoặc tồn kho, cắt bỏ bìa cứng (để tránh bản quyền thiết kế), cắt gáy, đưa qua máy quét công nghiệp 80 trang/phút, OCR (Nhận dạng ký tự quang học) để tạo file PDF có thể tìm kiếm, sau đó hủy toàn bộ bản in bằng máy nghiền công nghiệp. Toàn bộ quy trình được ghi hình để chứng minh việc tiêu hủy, đáp ứng yêu cầu “one-to-one replacement”. “Một dòng code thừa có thể khiến cả hệ thống sụp đổ, và một cuốn sách hiếm bị hủy có thể làm mất đi một phần tri thức nhân loại.” – đó là tinh thần cảnh báo của bài viết này. Theo thống kê từ các báo cáo nội bộ, Anthropic đã xử lý 3 triệu cuốn trong năm 2024, tiết kiệm 35% chi phí tiền bản quyền so với mua bản quyền số từ các nhà xuất bản. Gas fee không giảm, nhưng độ an toàn của dữ liệu được đảm bảo – không còn lo nhiễm AI. Góc nhìn phản trực giác: Arbitrage pháp lý và cạm bẫy văn hóa Bề ngoài, đây là một chiến lược thông minh: tận dụng lỗ hổng pháp lý để xây dựng lợi thế cạnh tranh dữ liệu. Nhưng nếu nhìn sâu, nó bộc lộ ba vấn đề nghiêm trọng. Thứ nhất, nguyên tắc “one-to-one replacement” về mặt kỹ thuật là không thể kiểm soát. Khi một cuốn sách đã được số hóa, bản PDF có thể sao chép vô hạn. Tòa án đã lập luận dựa trên giả định “chỉ một bản sao duy nhất”, nhưng thực tế không có cơ chế nào ngăn việc nhân bản sau khi file được tạo ra. Điều này tạo ra một kẽ hở pháp lý lớn: nếu Anthropic vô tình sao chép file cho nhóm nghiên cứu khác, họ có thể bị kiện vì vi phạm bản quyền hàng loạt. Thứ hai, tính toàn vẹn văn hóa bị đe dọa. ISBNdb khẳng định họ không phá hủy các bản in hiếm, nhưng thực tế, không có danh sách công khai nào về những cuốn sách đã bị hủy. Nhiều ấn bản đặc biệt – bản có chữ ký tác giả, bản in đầu tiên, bản có ghi chú biên tập – có thể đã biến mất vĩnh viễn. Một nhà sưu tập sách ở New York đã phát hiện ra rằng cuốn sách quý hiếm “The Great Gatsby” bản in năm 1925 mà ông đang tìm kiếm đã bị mua và tiêu hủy bởi một công ty AI vô danh. “Đó là một tổn thất không thể đảo ngược” – ông nói với tờ New York Times. Thứ ba, nguy cơ pháp lý đang rình rập. Vụ kiện của các nhà xuất bản chống lại Anthropic vẫn đang chờ xét xử, với cáo buộc rằng Anthropic đã sử dụng trái phép các bản sao số từ Thư viện Trung ương. Nếu Anthropic thua, toàn bộ “kho vàng” dữ liệu sách giấy này có thể bị tòa án yêu cầu tiêu hủy cả bản số, khiến hàng triệu đô la đầu tư trở thành vô giá trị. “Rollup là cầu nối giữa hiệu suất và phi tập trung, nhưng ở đây, cầu nối giữa luật pháp và kỹ thuật vẫn là một vực thẳm.” Tác động hệ sinh thái và cơ hội đầu tư Hiện tượng này đang tạo ra một cuộc chơi mới trên thị trường dữ liệu. Các nhà xuất bản sách giáo khoa và sách hàn lâm bắt đầu tăng giá bán buôn, biết rằng AI companies đang săn lùng sách in. ISBNdb đã ghi nhận doanh thu tăng 300% trong quý 2/2025. Trong khi đó, các công ty AI nhỏ hơn không đủ khả năng chi trả đang phải dùng dữ liệu web nhiễm độc, mở rộng khoảng cách chất lượng giữa mô hình lớn và mô hình nhỏ. Về đầu tư, các quỹ mạo hiểm đang đổ tiền vào các startup cung cấp dịch vụ “số hóa và phá hủy” tương tự ISBNdb, kỳ vọng rằng nhu cầu dữ liệu sạch sẽ tiếp tục tăng. Tuy nhiên, rủi ro pháp lý rất lớn: nếu Quốc hội Mỹ thông qua luật cấm tiêu hủy sách hiếm hoặc yêu cầu lưu trữ bản gốc, mô hình kinh doanh này sẽ sụp đổ trong một đêm. “Lỗi ICO không phải lỗi code, mà lỗi tư duy” – ở đây, lỗi tư duy là đặt cược toàn bộ vào một lỗ hổng pháp lý tạm thời. Kết luận: Câu hỏi cho tương lai Chúng ta đang sống trong kỷ nguyên mà dữ liệu là vàng, và vàng thật được khai thác từ sách giấy – thứ đã từng là tài sản trí tuệ cần được bảo tồn. Liệu hành động đốt sách để nuôi AI này có phải là một sự đánh đổi xứng đáng? Hay nó chỉ là một biểu hiện khác của chủ nghĩa thực dụng tàn nhẫn, nơi văn hóa bị hy sinh cho tốc độ phát triển công nghệ? Mỗi cuốn sách bị hủy là một mảnh ký ức nhân loại mất đi. Nhưng mỗi mô hình AI tiên tiến hơn cũng có thể mang lại những giải pháp cho y tế, giáo dục, năng lượng. Câu trả lời, như mọi vấn đề trong blockchain, nằm ở sự cân bằng giữa hiệu quả và phi tập trung – nhưng lần này là giữa hiệu quả dữ liệu và di sản văn hóa. Khi các lò đốt sách vẫn đang hoạt động, chúng ta hãy đặt câu hỏi: liệu rằng một dòng code thừa có thể sập cả hệ thống, nhưng vài nghìn cuốn sách hiếm bị hủy có thể làm nghèo đi tri thức của cả nhân loại?