Chiến dịch thu thập sách để ‘nuôi’ AI của Anthropic

Một hiệu sách ở Seoul, Hàn Quốc. Ảnh: Yonhap.

Công ty trí tuệ nhân tạo (AI) Anthropic của Mỹ đã mua 165,69 tấn sách từ một doanh nghiệp Hàn Quốc để huấn luyện AI.

Sách từ Nhật Bản và Đài Loan (Trung Quốc) cũng nằm trong danh sách tài liệu mà Anthropic tìm mua để phục vụ dự án đầy tham vọng mang tên "Dự án Panama", theo Korea JoongAng Daily.

Trước đó, theo điều tra của Washington Post, đầu năm 2024, các giám đốc tại Anthropic - công ty đứng sau chatbot Claude - đã âm thầm đẩy mạnh một chiến dịch quy mô lớn mang tên "Dự án Panama".

Mục tiêu của dự án này là quét kỹ thuật số với "mọi cuốn sách trên thế giới" nhằm nạp dữ liệu cho các mô hình trí tuệ nhân tạo.

Thu mua số lượng sách lớn

JoongAng Ilbo và JoongAng Sunday đưa tin Anthropic đã mua khoảng 80 tấn sách từ một doanh nghiệp Hàn Quốc trong 5 chuyến hàng, từ tháng 3/2025 đến tháng 6 năm nay.

Điều tra bổ sung cho thấy tổng khối lượng thực tế lên tới 165,69 tấn với 7 chuyến hàng. Số sách này ước tính khoảng 414.000 cuốn.

Dữ liệu từ ImportKey và Panjiva - hai nền tảng cung cấp thông tin về xuất nhập khẩu và vận chuyển hàng hóa - cho thấy Woongjin Booxen, nhà bán buôn và phân phối sách Hàn Quốc, đã chuyển sách sang Mỹ qua cảng Busan.

Các chuyến hàng được chuyển đến Long Beach và Los Angeles, bang California, cùng Tacoma, bang Washington. Better World Books (BWB) được ghi nhận là bên mua.

Đài truyền hình Nhật Bản Nippon TV, sử dụng công cụ phân tích dữ liệu xuất nhập khẩu Sayari, đưa tin rằng “hồ sơ cho thấy một công ty con của tập đoàn xuất bản lớn tại nước này đã xuất khẩu hơn 50 tấn sách Nhật Bản sang Mỹ kể từ năm ngoái”.

Công ty con này là Nippan IPS, trực thuộc Nippan, nhà bán buôn và phân phối sách Nhật Bản.

Tuy nhiên, dữ liệu của ImportKey ghi nhận các chuyến hàng có khối lượng lớn hơn đáng kể.

Theo ước tính thận trọng, Nippan IPS đã vận chuyển 122,155 tấn sách đến BWB trong 8 chuyến hàng, từ tháng 2/2025 đến tháng 1 năm nay.

Trung tâm Sách Kyobo ở Seoul, Hàn Quốc. Ảnh: NEWS1.

Anthropic cũng mua sách từ United Distribution Co. (UDC), một nhà phân phối sách tại Đài Loan (Trung Quốc).

Phân tích hồ sơ vận chuyển từ tháng 11/2024 đến nay cho thấy UDC đã xuất khẩu 563,143 tấn sách cho BWB qua 16 chuyến hàng. Sách được vận chuyển từ các cảng tại Đài Bắc, Cao Hùng và Cơ Long. Một chuyến hàng đến Mỹ gần đây nhất vào ngày 4/9.

AI có thể đang chuyển sang nghiên cứu sách cũ

Sau khi thu thập sách mới xuất bản, giới quan sát nghi ngờ Anthropic và có thể cả những nhà phát triển AI khác đang chuyển sang tìm kiếm sách cũ để phục vụ mục đích huấn luyện.

Kể từ đầu năm nay, những đơn hàng sách cũ với số lượng lớn đã xuất hiện trên khắp thế giới. Các hiệu sách cổ tại Đức bất ngờ nhận được những đơn hàng lớn vào sáng sớm.

Một số cửa hàng sách cũ ở khu Jimbocho, Tokyo, cũng cho biết đã nhận được đơn đặt hàng số lượng lớn từ người mua chưa xác định danh tính.

Tại Hàn Quốc, từ tháng 8, các cửa hàng sách cũ do Yes24 và Aladin điều hành, cùng hiệu sách Seoul Book Bogo, bắt đầu nhận được yêu cầu mua sách cũ.

“Tôi nghi ngờ các công ty AI đã hoàn tất việc huấn luyện mô hình bằng sách mới và đang chuyển sang tìm kiếm sách cũ để bổ sung nguồn tài liệu huấn luyện”, Kim Su Hyeon, giám đốc tại Seoul Book Bogo, cho biết.

Anthropic được cho đang thu mua khối lượng lớn sách châu Á để huấn luyện AI. Ảnh: Reuters.

Các yêu cầu gửi đến những doanh nghiệp Hàn Quốc được cho là xuất phát từ một công ty phân phối sách tại bang Arizona, Mỹ, chỉ được xác định là Công ty B.

Trong email, công ty này viết rằng họ đang “tìm kiếm nhà cung cấp có thể thường xuyên bán sách tiếng Hàn phổ thông với số lượng tính theo kiện hoặc container”.

Trước khi các công ty AI bắt đầu huấn luyện mô hình của họ bằng sách in, họ cũng đã sử dụng những bản sao kỹ thuật số lậu. Điều này đã được đưa ra ánh sáng trong vụ kiện "Bartz v. Anthropic".

Trong giai đoạn 2020 - 2021, Anthropic đã tải xuống khoảng 4 triệu cuốn sách điện tử từ các trang web vi phạm bản quyền, trong đó có Library Genesis (LibGen), Pirate Library Mirror (PiLiMi) và Books3.

Bản tóm tắt phán quyết được đưa ra trong vụ kiện vào tháng 6/2025 xác định rằng những cuốn sách điện tử trên đã được sử dụng để huấn luyện nhiều mô hình ngôn ngữ lớn (LLM).

Tòa án Mỹ xác định việc tải sách điện tử từ các trang web vi phạm bản quyền là hành vi thu thập tài liệu trái pháp luật và yêu cầu Anthropic bồi thường cho chủ sở hữu bản quyền.

Trong số khoảng 4 triệu bản sao đã tải xuống, tòa xác định 482.460 tác phẩm đủ điều kiện để được bồi thường. Các điều kiện bao gồm việc đăng ký bản quyền tại Văn phòng Bản quyền Mỹ trong vòng 5 năm kể từ lần xuất bản đầu tiên.

Danh sách tác phẩm đủ điều kiện được bồi thường bao gồm sách của một số nhà văn nổi tiếng nhất Hàn Quốc, như người đoạt giải Nobel Văn học Han Kang, Hwang, Kim Young Ha và Kim Ae Ran.

Anthropic đồng ý trả 3.000 USD cho mỗi tác phẩm, với tổng số tiền dàn xếp lên tới 1,5 tỷ USD.

Khi các công ty AI mở rộng nguồn tài liệu huấn luyện, từ sách kỹ thuật số sang sách in mới rồi đến sách cũ, nhà xuất bản và tác giả vẫn thiếu biện pháp bảo vệ bản quyền hiệu quả.

“Năm 2023, một đề xuất sửa đổi Luật Bản quyền Hàn Quốc được đưa ra, trong đó yêu cầu phải có sự đồng ý của chủ sở hữu trước khi sử dụng tác phẩm để huấn luyện AI. Tuy nhiên, đề xuất này đã không thành công. Hiện chúng ta đang ở trong khoảng trống pháp lý”, Park Jeong In, Giáo sư nghiên cứu tại Viện Nghiên cứu AI DynaInfo thuộc Đại học Nữ sinh Duksung, cho biết.

Hồi tháng 8, Liên minh châu Âu (EU) bắt đầu triển khai Đạo luật về AI, đưa ra các quy định hạn chế việc sử dụng tác phẩm có bản quyền để huấn luyện AI khi tác giả hoặc chủ thể nắm giữ quyền liên quan đã tuyên bố bảo lưu quyền của mình một cách rõ ràng.