Hook
Tuần này, một mẩu tin gây sốt trong giới crypto: Anthropic, startup AI đình đám, đã chi hàng triệu USD mua và đốt sách giấy. Không, không phải để sưởi ấm văn phòng Milan mùa đông. Họ thuê ISBNdb – một công ty chuyên “quét hủy” sách – cắt gáy, quét từng trang, rồi vứt xác vào máy nghiền. Mục đích? Thu thập dữ liệu huấn luyện “sạch” cho mô hình ngôn ngữ lớn. Đây có phải là tương lai của data pipeline, hay là một vụ cướp mộ văn hóa dưới lớp vỏ kỹ thuật?
Context
Năm 2025, một tòa án Mỹ phán quyết rằng việc chuyển đổi sách giấy mua hợp pháp thành bản sao số, không phân phối, đồng thời tiêu hủy bản gốc, thuộc diện “hợp lý sử dụng” (fair use). Đây là miếng bánh ngọt cho các công ty AI đang khát dữ liệu gốc con người, không bị nhiễm văn bản AI sinh hay kỹ thuật đầu độc dữ liệu. ISBNdb đã biến phán quyết này thành dịch vụ: họ mua sách theo danh mục (ISBN, chủ đề, năm xuất bản), quét hủy chúng, và bán bản quyền số cho các nhà phát triển AI. Anthropic là khách hàng đầu tiên được xác nhận. Họ thuê cựu quản lý dự án Google Books để giám sát quá trình. Số lượng: hàng triệu cuốn, chi phí: vài triệu USD. Một giao dịch im lìm sau cánh cửa kín, cho đến khi tờ Washington Post phanh phui.
Core
Hãy nhìn vào logic kỹ thuật. ISBNdb quảng cáo: “Sách in trước 2022 ít bị trộn với văn bản AI và kỹ thuật đầu độc dữ liệu hiện đại.” Đúng vậy, dữ liệu từ sách giấy tương đối “nguyên sơ” – không có spam, không có prompt jailbreak, không có watermark. Nhưng có một điểm mù: sách giấy mang thiên kiến hệ thống. Đa số là sách phương Tây, đề tài kinh điển, tác giả da trắng. Mô hình học từ kho dữ liệu này sẽ thiên vị thế giới quan thế kỷ 20, lạc hậu về văn hóa số. Hơn nữa, việc phá hủy bản gốc tạo ra một “bản sao số duy nhất” – về mặt kỹ thuật, một khi file PDF được tạo ra, nó có thể copy vô hạn. Tòa án dựa trên giả định “một bản duy nhất không phân phối”, nhưng thực tế không thể kiểm soát. Vậy bảo mật của dữ liệu này ra sao? Nếu file bị rò rỉ, có thể dùng để huấn luyện mô hình đối thủ, hoặc bị khai thác bởi hacker. Một vấn đề chưa được giải quyết.
Nhưng quan trọng hơn: mô hình lãi suất của thị trường dữ liệu này hoàn toàn tùy tiện. ISBNdb chưa công bố giá – họ đàm phán từng hợp đồng. Với cuốn sách hiếm, bản in đầu tiên có chữ ký tác giả, họ có thể đòi giá cao ngất ngưởng vì tính “một-một” (mỗi bản giấy chỉ tạo ra một bản số). Đó là cơ chế khan hiếm nhân tạo, giống như NFT. Nhưng khác ở chỗ: NFT không phá hủy tác phẩm gốc. Ở đây, họ đốt sách thật. Một cuốn sách ký tặng, bản in có bìa đặc biệt, hoặc ghi chú bên lề – tất cả biến mất. Chỉ còn văn bản trần trụi trong ổ cứng. Văn hóa vật thể bị hy sinh cho dữ liệu.
Contrarian
Cộng đồng bảo vệ di sản kêu gào. Nhưng hãy tỉnh táo: không có bằng chứng nào cho thấy những cuốn sách bị hủy là sách hiếm, sách quý. ISBNdb tuyên bố mua từ kho tồn kho của nhà xuất bản, sách sale, sách không bán được. Nếu không có AI, chúng cũng sẽ bị băm thành bột giấy hoặc bán cho cửa hàng đồ cũ. Vậy cái gì mới thực sự mất? Một bản sao vật lý của một cuốn sách mà thư viện vẫn có 50 bản khác. Cơn bão đạo đức có thể bị thổi phồng. Tuy nhiên, điều nguy hiểm nằm ở tiền lệ: một khi “hủy để số hóa” trở thành thông lệ, những kẻ săn lùng bản in quý có thể nhắm vào thị trường sách hiếm, đấu giá để hủy chúng. Hãy tưởng tượng một cuốn Gutenberg Bible, chỉ còn vài bản trên thế giới, bị mua và xé vụn chỉ để lấy chữ. Luật pháp chưa có biện pháp ngăn chặn. Đó là góc nhìn phản trực giác: chính sự “sạch sẽ” của dữ liệu sách giấy đang đặt các kho tàng văn hóa vào vòng nguy hiểm.
Takeaway
Ngành AI đang háo hức xây dựng mô hình trên nền tảng của quá khứ, nhưng sẵn sàng thiêu rụi quá khứ đó để giành lợi thế. Liệu ngày mai, một công ty nào đó có đốt một thư viện cổ để train GPT-7? Nếu không có khung pháp lý bảo vệ sách quý khỏi “nạn quét hủy”, chúng ta sẽ chứng kiến một cuộc chạy đua vũ trang – AI ăn sách, và văn hóa tàn lụi. Có lẽ, giải pháp nằm ở blockchain: token hóa quyền truy cập bản số, giữ nguyên bản gốc trong tủ kính. Nhưng đó là câu chuyện của ngày mai. Hôm nay, hãy kiểm tra danh mục sách của bạn – biết đâu một cuốn nào đó sắp bị AI thanh toán.