Tôi nhìn vào những cuốn sách bị cắt sống lưng, những trang giấy bị ép qua máy quay tốc độ cao, và một câu hỏi hiện ra trong đầu: Liệu chúng ta có đang hy sinh di sản tri thức của nhân loại để đổi lấy một tương lai do AI thống trị?
Hồi đầu tuần, 404 Media công bố một điều tra gây chấn động: Anthropic, công ty AI đằng sau mô hình Claude, đã triển khai một dự án mật mang tên "Project Panama." Mục tiêu? Mua số lượng lớn sách in – ước tính lên tới một triệu cuốn – sau đó tiêu hủy chúng để quét nội dung, nhằm huấn luyện các mô hình ngôn ngữ lớn thế hệ tiếp theo.
Bạn có thể nghĩ: "Chỉ là sách thôi mà." Nhưng với tôi, một người đã chứng kiến sự sụp đổ của Terra và FTX từ góc nhìn vĩ mô, đây không chỉ là một scandal công nghệ. Đây là một vết nứt trong cấu trúc niềm tin của toàn ngành AI – giống như sự sụp đổ của các giao thức cho vay DeFi năm 2022: lý thuyết thì đẹp, nhưng thực thi thì tàn bạo.
Context: Bức tranh dữ liệu toàn cầu
Trước khi đi sâu vào chi tiết kỹ thuật, hãy đặt "Project Panama" vào bối cảnh rộng hơn. Ngành AI đang đối mặt với một cơn khát dữ liệu chưa từng có. Các mô hình ngôn ngữ lớn (LLM) như GPT-4, Claude, Gemini đã gần như cạn kiệt nguồn dữ liệu chất lượng cao từ web công khai. Theo một nghiên cứu của Epoch AI, lượng dữ liệu văn bản chất lượng cao có sẵn trên internet sẽ cạn kiệt vào khoảng năm 2026–2028.
Điều này dẫn đến một cuộc chạy đua khốc liệt để tìm kiếm các nguồn dữ liệu thay thế. Một số công ty quay sang Reddit, YouTube, hoặc các nền tảng có tường phí. Một số khác, như OpenAI, ký hợp đồng bản quyền với các nhà xuất bản lớn. Nhưng Anthropic – vốn nổi tiếng với hình ảnh "AI an toàn" và đạo đức – dường như đã chọn một con đường tối hơn.
"Project Panama" không phải là một hành động cô lập. Nó phản ánh một thực tế: trong thế giới AI, dữ liệu là nhiên liệu, và không có nhiên liệu nào sạch. Các công ty sẵn sàng làm mọi thứ để có được nó – ngay cả khi điều đó có nghĩa là phá hủy sách.
Core: Giải phẫu "Project Panama" qua lăng kính kỹ thuật
Dựa trên kinh nghiệm phân tích hệ thống blockchain và mật mã của tôi, hãy cùng mổ xẻ dự án này từ góc độ kỹ thuật.
Tại sao lại là sách in?
Câu trả lời nằm ở chất lượng dữ liệu. Sách in, đặc biệt là sách hiếm hoặc sách học thuật cũ, chứa đựng một kho tàng tri thức mà các phiên bản số hóa thông thường không có. Các trang web thường có nhiễu – quảng cáo, bình luận, mã HTML. Nhưng một cuốn sách in là một "bản ghi sạch" về mặt nội dung, với các khái niệm được trình bày có cấu trúc, logic và chính xác.
Các công ty AI đã thử nghiệm với sách điện tử (e-book), nhưng chúng thường bị bảo vệ bởi DRM (Digital Rights Management) hoặc các watermark ẩn. Việc mua sách in và tự quét cho phép Anthropic: 1. Kiểm soát hoàn toàn chất lượng quét: Độ phân giải, độ sáng, căn chỉnh trang – mọi thứ đều được tối ưu cho OCR (nhận dạng ký tự quang học). 2. Loại bỏ mọi lớp bảo vệ kỹ thuật số: Không DRM, không metadata, không watermark. Đây là bản "sạch" tuyệt đối. 3. Tránh các ràng buộc pháp lý từ thỏa thuận cấp phép: Khi bạn mua một cuốn sách điện tử, bạn chỉ mua quyền đọc, không phải quyền sao chép và huấn luyện AI. Nhưng khi bạn mua một cuốn sách in, quyền sở hữu vật lý có thể được hiểu khác – dù đây là vùng xám pháp lý.
Quy trình hủy diệt có hệ thống
Báo cáo cho thấy Anthropic đã sử dụng một quy trình công nghiệp: mua sách với số lượng lớn từ các nhà bán buôn, cửa hàng đồ cũ, thậm chí cả các thư viện thanh lý. Sau đó, chúng được chuyển đến một cơ sở bí mật, nơi máy móc tự động cắt bỏ gáy sách và quét từng trang ở tốc độ cao.
Điều này không giống như việc một sinh viên nghèo phải xé sách để copy. Đây là một chiến dịch công nghiệp hóa tri thức. Nó đặt ra câu hỏi: Nếu chúng ta có thể làm điều này với sách, thì điều gì ngăn cản chúng ta làm điều tương tự với các kho lưu trữ vật lý khác – như bảo tàng, thư viện quốc gia, hay thậm chí là các tài liệu lịch sử độc nhất?
Chi phí và lợi ích
Hãy làm một phép tính nhanh. Một triệu cuốn sách, giá trung bình 5 USD cho sách cũ (vì mua số lượng lớn và từ nguồn thanh lý), tổng chi phí là 5 triệu USD. Chi phí quét và nhân công ước tính thêm 2-3 triệu USD. Tổng cộng, Anthropic có thể đã chi khoảng 7-8 triệu USD cho dự án này.
So với chi phí thuê luật sư để đàm phán bản quyền với từng nhà xuất bản, con số này có thể rẻ hơn. Nhưng cái giá phải trả về mặt danh tiếng và pháp lý là vô hình và có thể lớn hơn nhiều.
Từ góc nhìn kỹ thuật thuần túy, tôi có thể thấy sự hấp dẫn của phương pháp này. Nhưng là một người đã chứng kiến sự sụp đổ của các hệ thống tài chính phi tập trung vì thiếu minh bạch, tôi biết rằng một hệ thống được xây dựng trên dữ liệu không minh bạch sẽ dẫn đến một hệ quả không minh bạch.
Contrarian: Nghịch lý của "kẻ hủy diệt để bảo tồn"
David Sacks, một nhà đầu tư công nghệ nổi tiếng, đã chỉ trích Anthropic về sự đạo đức giả: "Họ muốn mọi người chia sẻ nội dung miễn phí để huấn luyện AI của họ, nhưng lại bảo vệ đầu ra của chính họ bằng bản quyền." Đây là một nghịch lý cốt lõi của ngành AI hiện tại.
Nhưng tôi muốn đưa ra một góc nhìn phản trực giác hơn: Liệu "Project Panama" có thực sự là một hành động tàn phá hay là một hình thức bảo tồn?
Hãy nghĩ về nó: Hàng triệu cuốn sách cũ, đang mục nát trong các kho lưu trữ, không ai đọc, sẽ bị phân hủy theo thời gian. Bằng cách số hóa chúng (dù là bằng cách phá hủy bản gốc), Anthropic đã tạo ra một bản sao vĩnh cửu, có thể truy cập và xử lý bởi AI. Nếu mô hình của họ thành công, tri thức trong những cuốn sách đó sẽ không bị lãng quên, mà sẽ được tích hợp vào một hệ thống có thể trả lời câu hỏi của hàng triệu người.
Đây là một sự đánh đổi. Chúng ta đánh mất một hiện vật vật lý, nhưng có được một bản sao kỹ thuật số hoàn hảo và có khả năng lan truyền. Trong một thế giới mà Google Books đã số hóa hơn 40 triệu cuốn sách (và cũng vướng vào các tranh chấp bản quyền tương tự), hành động của Anthropic chỉ là một bước tiến xa hơn trên cùng một con đường.
Nhưng đây là điểm mù của luận điểm này: Việc phá hủy bản gốc là không thể đảo ngược. Một bản scan kỹ thuật số có thể bị hỏng, bị xóa, hoặc bị kiểm soát bởi một thực thể duy nhất. Khi bản gốc không còn, chúng ta mất đi quyền kiểm chứng. Trong blockchain, chúng ta gọi đây là vấn đề "single point of failure." Một bản sao kỹ thuật số không phải là một sự thay thế hoàn hảo cho bản gốc, đặc biệt là đối với sách hiếm, nơi mà chất lượng giấy, mực in, và thậm chí là mùi của nó cũng là một phần của lịch sử.
Hơn nữa, hành động này tạo ra một tiền lệ nguy hiểm. Nếu Anthropic có thể làm điều này, tại sao các công ty khác không thể? Điều gì ngăn cản họ mua và phá hủy các tài liệu lịch sử độc nhất, các bản thảo chưa xuất bản, hoặc các tác phẩm nghệ thuật để huấn luyện AI? Ranh giới đạo đức đã bị xóa nhòa.
Takeaway: Bài học cho kỷ nguyên dữ liệu
Khi nhìn vào đống tro tàn của những cuốn sách bị cắt xẻ, tôi không thấy một scandal công nghệ đơn thuần. Tôi thấy một bức tranh vi mô về cuộc khủng hoảng hiện sinh của ngành AI: khi các nguồn dữ liệu mở cạn kiệt, chúng ta sẵn sàng hy sinh những gì để tiếp tục tiến lên?
"Project Panama" là một lời nhắc nhở rằng dữ liệu không phải là một nguồn tài nguyên vô tận để khai thác, mà là một di sản văn hóa cần được bảo vệ. Sự khác biệt giữa một "AI an toàn" và một "AI hủy diệt" không nằm ở thuật toán, mà nằm ở dữ liệu mà nó được huấn luyện và cách nó có được dữ liệu đó.
Đối với các nhà đầu tư và nhà xây dựng trong lĩnh vực blockchain và AI, có một bài học trực tiếp: Minh bạch trong chuỗi cung ứng dữ liệu sẽ trở thành một yêu cầu bắt buộc, không chỉ là một lợi thế cạnh tranh. Cũng giống như chúng ta đòi hỏi các giao thức DeFi phải có mã nguồn mở và được kiểm toán, chúng ta sẽ sớm đòi hỏi các công ty AI phải công bố nguồn gốc của từng byte dữ liệu huấn luyện.
Tôi kết thúc bài viết này với một câu hỏi, không phải một câu trả lời: Trong cuộc chạy đua để tạo ra một bộ não nhân tạo toàn năng, liệu chúng ta có đang vô tình thiêu rụi chính thư viện Alexandria của thời đại mình?