Phía sau những đơn hàng khó hiểu này có thể là một thứ đang ngày càng trở nên quý giá trong cuộc đua AI: những câu chữ chưa từng xuất hiện trên Internet.
Những đơn hàng không giống bất kỳ người sưu tầm sách nào
Một cuốn sách nằm trên kệ suốt 20 năm thường không phải thứ khiến người bán kỳ vọng sẽ bất ngờ trở thành món hàng được săn lùng. Thế nhưng đó chính xác là điều một số nhà bán sách cũ tại Australia chứng kiến thời gian gần đây.
Theo The Guardian, các hiệu sách tại Australia bắt đầu nhận những đơn đặt hàng số lượng lớn với danh mục kỳ lạ đến mức khó tìm ra điểm chung. Một đơn có thể đồng thời chứa sách về cơ học đất xuất bản từ thập niên 1970, tài liệu về các tay đua xe đạp New Zealand, tuyển tập thơ Australia và sách lịch sử một vùng ngoại ô Melbourne. Có cuốn chỉ được rao với giá khoảng 9 AUD (khoảng 140.000–150.000 đồng Việt Nam) và đã nằm trên kệ của người bán gần 20 năm trước khi bất ngờ có người đặt mua.
Hiện tượng tương tự sau đó được ghi nhận ở Anh và Ireland. Những người bán sách cũ kể về các đơn hàng lớn từ Mỹ, Canada và châu Âu, nhắm tới những đầu sách không có mối liên hệ rõ ràng về chủ đề. Danh mục trải dài từ các tài liệu nông nghiệp thế kỷ 18 đến những cuốn tiểu sử đua xe đã cũ. Người mua đôi khi sử dụng tên khó xác định, yêu cầu chuyển sách tới kho vận thay vì địa chỉ cá nhân và đặc biệt sẵn sàng trả mức giá cao mà không cố thương lượng như những khách hàng sách cũ thông thường.
Chính sự ngẫu nhiên ấy khiến giới bán sách đặt câu hỏi. Một nhà sưu tập thường có lĩnh vực quan tâm nhất định: một tác giả, một thời kỳ, một chủ đề hoặc một loại ấn bản. Nhưng các đơn hàng này dường như không cần một logic như vậy. Thứ mà người mua quan tâm có thể không phải giá trị sưu tầm của cuốn sách, mà là những câu chữ nằm bên trong nó.
Và cuộc chạy đua AI đang khiến những câu chữ ấy trở nên có giá.
Các mô hình ngôn ngữ lớn cần lượng văn bản khổng lồ để huấn luyện. Internet từng là một kho dữ liệu lý tưởng, nhưng sau nhiều năm các công ty công nghệ thu thập lượng lớn nội dung trực tuyến, những nguồn dữ liệu chất lượng cao và mới ngày càng khó tìm.
Sách vật lý mở ra một nguồn khác: hàng triệu tác phẩm cũ, sách chuyên ngành, sách đã ngừng xuất bản hoặc những ấn phẩm chưa bao giờ được số hóa và đưa lên Internet. Với một người đọc bình thường, cuốn sách nằm im trên kệ 20 năm có thể là món hàng ít giá trị thương mại. Nhưng với một hệ thống cần những văn bản chưa từng có trong tập dữ liệu, chính sự ít phổ biến đó lại có thể khiến nó trở nên hữu ích.
Sách cũ còn có một lợi thế khác trong thời đại nội dung do AI tạo ra ngày càng nhiều: chúng chắc chắn được viết bởi con người nếu xuất bản trước khi làn sóng AI tạo sinh bùng nổ. Việc liên tục đưa văn bản do AI sản xuất trở lại các tập dữ liệu huấn luyện có thể làm giảm chất lượng nguồn dữ liệu và làm gia tăng lo ngại về hiện tượng thường được gọi là “model collapse” - khi mô hình ngày càng học nhiều hơn từ sản phẩm của những mô hình khác thay vì dữ liệu nguyên bản của con người.
Bởi vậy, những cuốn sách tưởng như lỗi thời đang mang một thuộc tính mới: chúng là những “kho dữ liệu ngoại tuyến” chứa ngôn ngữ đã qua biên tập và có khả năng chưa từng được các mô hình AI nhìn thấy.
Những nghi ngờ của giới bán sách càng có cơ sở khi hoạt động mua sách quy mô lớn phục vụ AI không còn chỉ là giả thuyết. Hồ sơ tòa án từng hé lộ cách Anthropic xây dựng một thư viện số cho Claude: công ty thuê Tom Turvey, cựu lãnh đạo Google Books, phụ trách việc thu mua và số hóa hàng triệu cuốn sách. Sách được mua, tháo hoặc cắt phần đóng gáy, đưa các trang qua máy quét rồi bản giấy bị loại bỏ sau khi quá trình số hóa hoàn tất.
Mới đây hơn, cuộc điều tra của 404 Media còn lần theo một lô sách tới một cơ sở của Amazon, nơi sách được xử lý phục vụ hoạt động huấn luyện AI. Phát hiện này khiến những đơn hàng kỳ lạ xuất hiện tại các hiệu sách cũ ở nhiều quốc gia càng được chú ý. Tuy nhiên, chưa có bằng chứng cho thấy tất cả những người mua bí ẩn hay mọi đơn hàng được giới bán sách ghi nhận đều thuộc về Amazon hoặc một công ty AI cụ thể. Việc này vẫn cần được phân biệt rõ với những trường hợp đã được xác nhận.
Có người bán vui vì “hàng tồn” bỗng bán chạy, người khác bắt đầu dè chừng
Ở góc độ kinh doanh, sự xuất hiện của những khách hàng mới ban đầu có thể giống một món quà.
Những đầu sách ít người hỏi mua, thậm chí nằm trên kệ hàng nhiều năm, nay đột nhiên tìm được người sẵn sàng trả tiền. Đơn hàng lớn cũng giúp các hiệu sách giải phóng kho nhanh hơn nhiều so với việc chờ từng nhà sưu tập hay độc giả riêng lẻ.
Nhưng khi thông tin về cách các công ty AI thu thập sách bắt đầu xuất hiện, thái độ của một bộ phận người bán thay đổi.
The Guardian ghi nhận tại Australia, một số người bán sách lo ngại mình có thể vô tình trở thành mắt xích trong chuỗi cung ứng dữ liệu AI, nơi sách được mua về, quét rồi phá hủy. Những lo lắng đặc biệt lớn đối với sách hiếm, sách đã tuyệt bản hoặc các bản có giá trị riêng mà không thể đơn giản thay thế bằng một bản khác.
Bởi một cuốn sách vật lý không phải lúc nào cũng chỉ là tập hợp những từ ngữ có thể chuyển thành file dữ liệu.
John Sainsbury, chủ Sainsburys Books nhận được đơn đặt hàng dường như hoàn toàn ngẫu nhiên: từ những đầu sách chuyên biệt, sách ít giá trị thương mại cho tới các cuốn tồn kho đã hàng chục năm. Ảnh: Christopher Hopkins/The Guardian.
Chữ ký của tác giả, ghi chú của chủ nhân cũ, dấu thư viện, cách đóng sách, giấy, những chỉnh sửa viết tay hay lịch sử sở hữu của một bản sách đều có thể mang giá trị nghiên cứu và sưu tầm. Một khi gáy bị cắt và các trang được đưa qua quy trình quét công nghiệp, những giá trị vật thể ấy có thể biến mất dù phần văn bản đã được lưu lại.
Một số người bán vì thế bắt đầu tìm hiểu kỹ hơn về khách mua. The Guardian cho biết có người thậm chí sàng lọc khách hàng nhằm tránh để những đầu sách đặc biệt rơi vào một quy trình có khả năng dẫn tới việc chúng bị phá hủy. Trong khi đó, Zoom Books - một công ty Canada từng xuất hiện trong những nghi vấn liên quan các đơn hàng lớn tại Australia - khẳng định họ bán lại sách ở trạng thái nguyên vẹn và không số hóa sách. Anthropic cũng phủ nhận việc mua sách từ Zoom Books hoặc cố tình nhắm đến các đầu sách hiếm.
Tại Anh và Ireland, những người bán sách cũng chưa thể khẳng định ai đứng sau toàn bộ các đơn hàng bất thường. Tuy nhiên, mô hình mua hàng - số lượng lớn, chủ đề hỗn tạp, danh tính người mua thiếu rõ ràng, chuyển đến các kho hàng và ít nhạy cảm với giá - khiến nhiều người nghi ngờ mục tiêu cuối cùng không phải xây dựng một thư viện để con người đọc.
Stuart và Mary Manley, đồng sở hữu hiệu sách Barter Books tại Alnwick, Northumberland (Anh). Ảnh: 404 Media.
Cuộc săn dữ liệu đang tạo ra một nghịch lý thú vị cho thị trường sách cũ. Trong nhiều thập kỷ, giá trị của một cuốn sách thường đến từ nội dung được yêu thích, độ hiếm, tình trạng vật lý, tác giả hay lịch sử của bản sách. Nhưng với AI, một thuộc tính khác xuất hiện: nó có chứa những văn bản mà Internet chưa có hay không?
Điều đó có thể lý giải tại sao một tài liệu kỹ thuật cũ, một cuốn lịch sử địa phương hay tác phẩm nằm phủ bụi hàng chục năm bỗng có người tìm mua. Chúng không nhất thiết trở nên hấp dẫn hơn với độc giả. Chúng trở nên hấp dẫn hơn với những hệ thống cần tiếp tục mở rộng kho ngôn ngữ của mình.
Ở quy mô lớn hơn, câu chuyện cũng cho thấy cuộc bùng nổ AI không chỉ diễn ra trong những trung tâm dữ liệu với hàng nghìn GPU. Nó đang bắt đầu chạm tới những thị trường rất cũ của thế giới vật lý: những cửa hiệu chất đầy sách đã qua tay nhiều đời chủ, những kho sách tuyệt bản và cả những cuốn tưởng như chẳng còn ai cần.
Trong thời đại mà Internet ngày càng chứa nhiều câu chữ do máy móc tạo ra, có lẽ một trong những nguồn dữ liệu được săn tìm nhất lại chính là thứ đã tồn tại từ rất lâu trước AI: những trang giấy do con người viết, chưa từng xuất hiện trên mạng.
Nguồn: The Guardian, 404 Media, Forbes
Minh Ngọc
