Đốt sách nuôi AI: Khi 'proof-of-burn' biến thư viện thành nhiên liệu huấn luyện mô hình ngôn ngữ

Anthropic vừa chi hàng triệu đô-la để mua sách, rồi tiêu hủy toàn bộ. Không phải vì họ ghét giấy. Họ cần dữ liệu sạch – thứ internet không còn cung cấp được nữa. Quy trình được mô tả thẳng thừng: mua sách theo ISBN, bóc gáy, xé trang, quét thành file PDF, sau đó nghiền nát bản gốc. Nhà cung cấp dịch vụ tên ISBNdb thậm chí quảng cáo khả năng lọc theo chủ đề, năm xuất bản, cùng hợp đồng bảo mật có giá trị ràng buộc pháp lý. Năm 2025, tòa án Mỹ phán rằng việc "một đổi một" – số hóa tác phẩm rồi xóa bản vật lý – thuộc nhóm fair use. Vậy là, hợp pháp? Ừ. Nhưng kinh khủng? Cũng ừ. Tôi đã thấy kịch bản này trước đây. ICO 2017 again! Dọn đường cho scam mới. Chỉ khác là lần này "scam" không phải là một đồng token, mà là cả một nền văn minh giấy đang bị biến thành nguyên liệu cho mô hình ngôn ngữ. Vì sao AI khát sách giấy đến vậy? Vì internet hiện tại đã bị nhiễm bởi chính văn bản do AI sinh ra. Mô hình huấn luyện trên dữ liệu AI dễ rơi vào vòng xoáy "model collapse": mù mịt, lặp lại, mất dần sự đa dạng. Còn sách in trước 2022 vẫn là vùng đất chưa bị khai thác. Không bị data poisoning, không bị trùng lặp rác. Chữ trên giấy là thứ duy nhất còn giữ được sự "nguyên bản" trong thời đại mà mọi câu chữ đều có thể do ChatGPT viết ra. Nhưng chi phí ẩn không nằm ở giá sách. Với một mô hình ngôn ngữ lớn, cần hàng nghìn tỷ token. Sách giấy sau khi quét vẫn là bản PDF thô. Nó phải được nhận dạng ký tự, tách cột, sửa lỗi OCR, gắn metadata, lọc bỏ trang trắng. Hàng triệu cuốn sách, hàng trăm triệu giờ công. Nói cho vui: DeFi test thực tế, ví tôi đã khóc khi nhìn vào khoản phí gas. AI test thực tế có lẽ cũng khóc khi nhìn hóa đơn data labeling. Điều này không bao giờ xuất hiện trong bài blog PR. Và dữ liệu đó không hề "sạch" như ISBNdb tuyên bố. Những cuốn sách bị chọn để tiêu hủy phần lớn đến từ kho tồn kho ế ẩm, sách giảm giá, sách đã ngừng phát hành. Mô hình học từ nguồn đó sẽ thừa hưởng định kiến thương mại của ngành xuất bản: thiên về tác giả Anh-Mỹ, thiên về thể loại bán chạy, thiếu vắng tiếng nói thiểu số. Nó không phải là "kiến thức nhân loại", mà là "kiến thức của những cuốn sách ế". Một mô hình chỉ đọc sách in trước 2022 liệu có hiểu nổi meme coin, hiểu nổi vì sao một bức ảnh JPEG lại có giá 10 triệu USD? Khác nào đọc báo giấy để trade crypto. Luật pháp cũng mong manh hơn người ta tưởng. Tòa án vẫn đang xử vụ Anthropic sử dụng dữ liệu từ một kho sách điện tử bị coi là vi phạm bản quyền. Phán quyết "một đổi một" có thể bị kháng cáo. Và ngay cả khi luật giữ nguyên, làm sao kiểm soát được việc một file PDF bị sao chép sau khi bản gốc bị đốt? Một khi dữ liệu đã nằm trên server, nó có thể được nhân bản vô hạn. "Một bản duy nhất" là một khái niệm pháp lý, không phải thực tế kỹ thuật. Luật không phải smart contract. Smart contract còn có bug, luật thì có thể bị lật bất cứ lúc nào. Giờ nhìn vào mô hình kinh doanh của ISBNdb. Họ không đơn thuần là nhà sách. Họ là một sàn giao dịch dữ liệu, mà thanh khoản bốc hơi theo nghĩa đen. Mỗi cuốn sách bị nghiền nát là một cơ hội để tạo ra một nguồn dữ liệu hiếm. Google Books từng scan hơn 40 triệu đầu sách mà không đốt bản gốc. Anthropic đi xa hơn: destroy-to-own. Bạn phải phá hủy để được sở hữu bản số duy nhất. Nghe rất giống proof-of-burn trong blockchain. Nhưng là một phiên bản không có block, không có cơ chế đồng thuận, chỉ có một chữ ký trong hợp đồng. Hệ quả tất yếu: đầu cơ sách hiếm. Khi nhiều công ty AI cùng săn lùng nguồn dữ liệu này, những cuốn sách in ít, ấn bản đặc biệt sẽ thành "blue chip" trong một thị trường hoàn toàn mới. Một hiệu sách cũ ở Manila có thể bán cuốn sách kiến trúc cổ với giá gấp trăm lần, chỉ vì một bot AI muốn đốt nó. Nếu bạn nghĩ NFT floor price là khái niệm điên rồ, hãy chờ đến khi dân sưu tập bắt đầu "paper hand" cả một di sản văn học. Và đây là phần phản trực giác. Người ta thường nghĩ "đốt sách" là tạo ra sự khan hiếm, giống như đốt token. Nhưng sự khan hiếm này là giả. Một cuốn sách số hóa có thể copy không giới hạn. Đốt bản gốc chỉ tạo ra một tuyên bố: "ta có bản duy nhất." Nhưng không ai xác minh được. Không một block nào trên blockchain ghi nhận sự kiện đốt cháy đó. Không một oracle nào xác nhận số phận của cuốn sách. Tất cả chỉ là niềm tin dành cho ISBNdb. Tin vào một công ty trung gian đang phá hủy ký ức nhân loại. Điều đó trớ trêu thay, lại nằm ngoài khả năng của blockchain. Nếu có một hệ thống kiểm toán phân tán thực sự, liệu chúng ta có thể token hóa những cuốn sách bị hiến tế này không? Có thể. Nhưng token hóa một cuốn sách không giải quyết được bản quyền, cũng không tái tạo được nội dung. Nó chỉ tạo ra một chứng chỉ số gắn với một mảnh dữ liệu có thể bị xóa. ICO 2017 again! Dọn đường cho scam mới. Và cơn khát dữ liệu sạch sẽ biến những cuốn sách cuối cùng trên Trái Đất thành nhiên liệu đốt lò AI. Cuối cùng, tôi muốn nói về văn hóa. Đốt sách chưa bao giờ là một hành động trung tính. Trong lịch sử, những kẻ đốt sách luôn tin mình đang bảo vệ một chân lý nào đó cao đẹp hơn. Các công ty AI cũng vậy. Họ đốt sách để cứu rỗi nhân loại, để tạo ra một mô hình hiểu biết toàn diện. Nhưng thứ họ tạo ra chỉ là một xác suất. Một phiên bản xấp xỉ của tri thức. Còn những cuốn sách gốc – với mùi giấy, nét bút chì, trang gấp góc – đã biến mất mãi mãi. Chúng ta có thể gọi đó là tiến bộ. Còn tôi, tôi gọi đó là một vụ burn không có block. Không có cơ chế đồng thuận nào ký xác nhận. Chúng ta chỉ có lời hứa của những kẻ đang cầm diêm. Đừng hỏi ai, chỉ cần xem block thôi. Nhưng block này nằm trong lò đốt. Và không ai chỉ cho bạn xem đâu. Vậy nên, lần tới khi một AI nào đó khoe benchmark "siêu thông minh", hãy hỏi nó: anh đã đốt bao nhiêu thư viện để có được số điểm đó? Câu trả lời có thể sẽ khiến bạn muốn giữ riêng cuốn sách giấy của mình.