Binoy Kampmark (*), trên tạp chí mạng Eureka Street của các cha Dòng Tên Úc Châu số ra ngày 20 Tháng 8, 2026, cho biết đôi điều về cách thức thu lượm dữ kiện của các đại công ty AI. Ông viết:

Tháng trước, một cuộc điều tra của 404 Media đã đưa tin về thói quen mua sách cũ của các công ty Trí tuệ Nhân tạo (AI) (ngay lập tức, vấn đề tuổi đời của sách được đề cập), xác định International Standard Book Number Database (ISBNdb) là một khuôn dạng quan trọng trong lĩnh vực này. Theo mô tả của chính công ty, họ “thu thập dữ kiện từ nhiều nguồn công cộng khác nhau như thư viện và nhà bán lẻ để biên soạn một bộ sưu tập khổng lồ dữ kiện sách độc đáo có thể tìm kiếm theo ISBN, tiêu đề, tác giả hoặc nhà xuất bản”. Hiện tại, họ tự hào có 111,978,817 cuốn sách có thể tìm kiếm và cung cấp cho khách hàng từ 1,000 đến 1 triệu cuốn sách mỗi lần hợp tác. Các ấn phẩm in cũ hơn được quảng cáo là loại “thuần khiết” hơn, không bị ảnh hưởng bởi sự hiện diện của AI tạo sinh. “Sách in từ thời kỳ trước Large Language Model (LLM) được đảm bảo về mặt cấu trúc là không bị ảnh hưởng bởi sự ô nhiễm này”, một bài báo do công ty này công bố cho biết. Vẫn chưa rõ liệu danh sách khách hàng của ISBNdb có bao gồm nhiều công ty chuyên quét tài liệu để phá hủy hay không, mặc dù công ty này không hề thờ ơ với vấn đề này.

ISBNdb không hề độc quyền trong lĩnh vực này. Công ty Zoom Books của Canada chuyên thu mua số lượng lớn các đầu sách phi hư cấu và học thuật từ những năm 1970. Sau đó, chúng được lưu trữ trong các kho hàng ở Đức trước khi vận chuyển đến Hoa Kỳ và Canada. Tại đó, các công ty AI tiến hành quét và phá hủy các bản in cứng. Thomas Koch, người phát ngôn báo chí của Hiệp hội Nhà xuất bản và Nhà sách Đức, cho rằng hành vi này là ghê tởm không chỉ vì tính chất phá hoại đối với sách thể lý, mà còn vì vi phạm bản quyền do cung cấp tài liệu cho các công ty luật "mà không có sự đồng ý và không được trả tiền".

Các hoạt động của Anthropic được đưa ra ánh sáng trong các tài liệu được đệ trình trong vụ kiện Bartz v Anthropic PBC tại Quận Bắc California, liên quan đến các tác giả Andrea Bartz, Charles Graeber và Kirk Wallace Johnson, tất cả đều cáo buộc công ty này vi phạm bản quyền. Điều gây chú ý nhất là vai trò của ‘Dự án Panama’, do Tom Turvey, cựu nhân viên của Google và là nhân vật chủ chốt đứng sau sự ra đời của Google Books, dẫn đầu. Theo chi tiết trong lệnh của tòa án, dự án này nhằm mục đích tạo ra ‘một thư viện trung tâm chứa “tất cả các cuốn sách trên thế giới” để lưu giữ “mãi mãi”.’ Sau đó, công ty AI này có thể khai thác kho dữ kiện để tìm “các tập hợp và tập hợp con [sets and subsets] khác nhau của sách số hóa nhằm đào tạo các mô hình ngôn ngữ lớn đang được phát triển để cung cấp năng lượng cho các dịch vụ AI của mình.”

Mục đích cuối cùng của việc xóa bỏ các cuốn sách đã được quét được tiết lộ trong một bản ghi nhớ nội bộ ngày 13 tháng 4 năm 2024. Do Turvey viết, bản ghi nhớ này khẳng định rõ ràng: ‘Dự án Panama là nỗ lực của chúng tôi nhằm xóa bỏ tất cả các cuốn sách trên thế giới.’ Bản ghi nhớ khuyến khích nhân viên công ty sử dụng sự thận trọng khi thảo luận về dự án. ‘Tại sao lại sử dụng mật danh? Chúng tôi sử dụng “mật danh mềm” vì chúng tôi không muốn người khác biết rằng chúng tôi đang thực hiện dự án này.’ Tài liệu này có sẵn cho tất cả nhân viên của Anthropic, nhưng bạn nên tránh thảo luận về nó ở những nơi công cộng và việc chúng tôi đang thực hiện việc này không nên được chia sẻ với bất cứ ai bên ngoài Anthropic.’

Thay vì tìm kiếm các thỏa thuận riêng lẻ với các nhà xuất bản để cấp phép bản sao cho việc đào tạo AI, một quy trình bị chế giễu là “công việc pháp lý/thực tiễn/kinh doanh rắc rối”, nhóm do Turvey dẫn đầu đã “gửi email cho các nhà phân phối và bán lẻ sách lớn về việc mua số lượng lớn bản in của họ cho “thư viện nghiên cứu” của công ty AI”. Hàng triệu đô la đã được chi cho sách in, thậm chí cả sách đã qua sử dụng. Sau đó, các nhà cung cấp dịch vụ được thuê đã tiến hành công việc của họ: bóc bìa sách, điều chỉnh kích thước trang và số hóa các bản sao. “Mỗi bản in sách đều được tạo ra một bản sao PDF chứa hình ảnh của các trang được quét với văn bản có thể đọc được bằng máy (bao gồm cả bản quét bìa trước và bìa sau cho sách bìa mềm)”. Bản gốc giấy đã bị loại bỏ. Không bằng lòng với việc tìm kiếm bản in cứng, Anthropic còn tìm kiếm rất nhiều bản sao từ thị trường bán bản quyền lậu, bao gồm năm triệu bản từ LibGen (năm triệu bản), hai triệu mục từ Pirate Library Mirror (2 triệu) và Books 3 (khoảng 183,000).

Sự tàn phá thể lý này không đặc biệt thu hút sự quan tâm của Thẩm phán William Alsup. Mối quan tâm chính là liệu có vi phạm bản quyền hay không. Về “thư viện nghiên cứu” được tạo ra, Thẩm phán Alsup không thấy vấn đề gì với việc Anthropic chuyển đổi định dạng của mỗi bản sao sách từ bản in sang kỹ thuật số. “Anthropic đã mua các bản in của mình một cách công bằng.” Liên quan đến việc mua và quét sách bản cứng, các phần mềm LLM của công ty đã không thể tái tạo “cho công chúng các yếu tố sáng tạo của một tác phẩm nhất định, hoặc thậm chí cả phong cách biểu đạt có thể nhận dạng được của một tác giả”. Claude, mô hình chính được đề cập, “đã tạo ra ngữ pháp, bố cục và phong cách mà phần mềm LLM cơ bản đã chắt lọc từ hàng ngàn tác phẩm.” Nhưng bản quyền không bao gồm “phương pháp hoạt động, khái niệm, [hoặc] nguyên tắc” “minh họa” [ ] hoặc thể hiện trong [một] tác phẩm.’ Việc sử dụng các tác phẩm có bản quyền để đào tạo các học viên LLM nhằm tạo ra Văn bản mới được mô tả là "mang tính biến đổi cốt lõi".

"Nó cho phép các công ty tự do theo đuổi việc phát triển trí tuệ nhân tạo tạo sinh, một quá trình mà theo thời gian sẽ biến tác giả không phải thành người sản xuất tri thức khai sáng mà là người tiêu dùng lệ thuộc, luôn luôn phụ thuộc vào Claude và những kẻ cùng loại."

Các tác giả khởi kiện đã có chút vui mừng về các bản sao lậu. "Người sao chép sách giáo khoa từ trang web lậu đã vi phạm bản quyền rồi, chấm hết." Anthropic cho rằng việc sử dụng các bản sao cho thư viện trung tâm là trường hợp sử dụng hợp lý là không thể chấp nhận được. Tòa án cũng bác bỏ lập luận của công ty "rằng việc sử dụng các bản sao cho thư viện trung tâm có thể được coi là sử dụng hợp lý chỉ vì một số bản cuối cùng sẽ được sử dụng để đào tạo các LLM."

Phán quyết này là một thảm họa đối với những người tin vào giá trị tinh túy của tri thức thu được thông qua sách in. Với sự thẳng thắn đặc trưng, Mike Masnick của Techdirt đã chỉ ra bản chất của vụ kiện. Alsup về cơ bản đã tạo ra một lộ trình xác thực việc đào tạo AI hợp pháp đồng thời vạch ra ranh giới rõ ràng về những gì vượt quá giới hạn và trở thành vi phạm. Thật không may, điều này lại tạo điều kiện tự do cho các công ty theo đuổi việc phát triển AI tạo sinh, một quá trình mà theo thời gian sẽ biến tác giả không phải thành người sản xuất tri thức khai sáng mà là người tiêu dùng lệ thuộc, luôn luôn phụ thuộc vào Claude và những người cùng loại.
________________________________________
(*) Tiến sĩ Binoy Kampmark từng là Học giả Khối Thịnh vượng chung tại Selwyn College, Cambridge. Hiện ông đang giảng dạy tại Đại học RMIT.