Bài toán "đốt sách" của AI và cơ hội cho lớp hạ tầng blockchain

Hàng triệu cuốn sách giấy vừa được gom về một nhà kho lớn ở Bắc Mỹ. Chúng không được bán, không được tặng, mà bị xé bìa, đưa qua máy scan công nghiệp, rồi vứt bỏ như rác thải. Nghe như một nghi thức hủy diệt tri thức thời hiện đại, nhưng thực chất đây là một chiến lược thu thập dữ liệu của các công ty AI. Họ mua sách cũ, sách tồn kho với số lượng lên tới hàng triệu cuốn, số hóa toàn bộ nội dung để làm dữ liệu huấn luyện cho các mô hình ngôn ngữ lớn, sau đó tiêu hủy bản vật lý. Cảnh tượng này gợi nhớ đến "lễ đốt sách" trong lịch sử, nhưng lần này ngọn lửa được thay bằng máy scan và ổ cứng. Vì sao các công ty AI phải làm điều này? Câu trả lời nằm ở "bức tường dữ liệu" đang hiện ra trước mắt toàn ngành. Các nguồn văn bản chất lượng cao trên web đã bị khai thác gần như cạn kiệt. Sách là mỏ vàng cuối cùng còn nguyên vẹn: nội dung dài hơi, có cấu trúc, ngữ pháp chuẩn mực và hàm lượng tri thức cao. Nhưng mua bản quyền số từ nhà xuất bản là một bài toán tốn kém và chậm chạp, trong khi mua sách giấy bán phá giá lại rẻ và nhanh hơn nhiều. Về mặt pháp lý, việc sở hữu một cuốn sách giấy chỉ cho phép quyền đọc, không cho phép sao chép kỹ thuật số. Nhưng các công ty AI đang đặt cược vào khái niệm "fair use" của Mỹ, hoặc tin rằng sau khi dữ liệu đã được "nhồi" vào mô hình, không ai có thể "rút" nó ra được nữa. Nhưng chiến lược này đang phá hủy chính nền tảng pháp lý và đạo đức mà ngành AI hy vọng dựa vào để phát triển bền vững. Năm 2024, New York Times đã kiện OpenAI, các nhà văn nổi tiếng như John Grisham và George R.R. Martin cũng đưa đơn kiện, và mới nhất là vụ việc hàng triệu cuốn sách bị xé bìa bị phanh phui. Mỗi vụ kiện là một lỗ hổng mới trong bức tường niềm tin. Dữ liệu dòng chảy nội dung xuyên biên giới cho thấy một nghịch lý: càng nhiều sách bị số hóa một cách lén lút, thì niềm tin giữa các bên trong ngành xuất bản và công nghệ càng sụp đổ. Tác giả không biết tác phẩm của mình đang ở đâu, nhà xuất bản không biết ai đang sử dụng kho sách của họ, và chính các kỹ sư AI cũng không thể truy vết nguồn gốc dữ liệu đã qua tay bao nhiêu trung gian. Đây là một cuộc khủng hoảng minh bạch. Và đây cũng chính là điểm mà blockchain, với bản chất là một sổ cái công khai không thể giả mạo, có thể tham gia giải quyết. Một số dự án đã bắt đầu đi theo hướng này. Story Protocol xây dựng nền tảng quản lý sở hữu trí tuệ phi tập trung, nơi các tác phẩm được đăng ký dưới dạng tài sản số và tự động thực thi các điều khoản cấp phép. Arweave cung cấp bộ nhớ vĩnh viễn, cho phép lưu trữ toàn bộ văn bản trong khi vẫn gắn kết với metadata bản quyền. Ở cấp độ hợp đồng thông minh, chúng ta hoàn toàn có thể xây dựng một thị trường dữ liệu phi tập trung, nơi mỗi tác phẩm được đại diện bởi một token không thể thay thế, ghi rõ tác giả, đơn vị xuất bản, thời gian phát hành và các điều khoản sử dụng. Khi một công ty AI muốn sử dụng tác phẩm đó để huấn luyện mô hình, hợp đồng thông minh sẽ tự động khấu trừ phí và chuyển tiền bản quyền đến đúng chủ sở hữu trong vài giây, thay vì hàng năm trời kiện tụng. Tôi đã fork một đoạn mã nguồn mở của một giao thức lưu trữ phi tập trung và kiểm tra khả năng gắn metadata bản quyền vào từng tệp dữ liệu. Kết quả cho thấy việc này không chỉ khả thi về mặt kỹ thuật, mà còn tương thích với các tiêu chuẩn mã hóa hiện hành. Điều kiện then chốt là dữ liệu phải được "đóng gói" cùng với giấy chứng nhận quyền sở hữu ngay từ đầu, trước khi bước vào vòng đời huấn luyện. Tất nhiên, không có blockchain nào ngăn được một kỹ sư ngồi xé sách vào lúc 2 giờ sáng. Nhưng điều mà blockchain có thể làm là tạo ra một lớp định danh minh bạch cho toàn bộ chuỗi cung ứng tri thức. Hãy tưởng tượng một nhà xuất bản phát hành sách dưới dạng "bản quyền số hóa" trên một mạng lưới công khai. Mỗi lần sách được scan, máy scan sẽ tự động ghi lại dấu vết trên blockchain. Mỗi lần một công ty AI tải bộ dữ liệu về máy chủ, hệ thống sẽ xác minh xem bộ dữ liệu đó đã được thanh toán hay chưa. Sự phá vỡ tương quan giữa sở hữu vật lý và sở hữu trí tuệ chính là tín hiệu cho thấy cần phải có một cơ chế xác thực phi tập trung, nơi không một bên nào có thể âm thầm kiểm soát toàn bộ quá trình. Các quỹ đầu tư mạo hiểm đang đổ tiền vào những dự án "data provenance" (truy xuất nguồn gốc dữ liệu), và bài toán "đốt sách" này là một minh chứng sống động nhất cho nhu cầu cấp thiết của thị trường. Nhưng khoan, hãy nhìn sự việc từ một góc khác. Việc AI xé sách để scan có thực sự là một thảm họa văn hóa? Thực tế, phần lớn số sách được mua trong các chiến dịch kiểu này là sách tồn kho, sách in thừa không bán được, hoặc những tựa sách đã tuyệt bản mà nếu không được số hóa sẽ vĩnh viễn biến mất khỏi dòng chảy tri thức. Trước khi bị nhét vào máy scan, chúng đã nằm trong kho từ mười đến hai mươi năm, phủ bụi và gần như chắc chắn sẽ bị nghiền nát thành bột giấy. Chính hành động "đốt sách" của AI đã vô tình cứu những trang giấy đó khỏi sự lãng quên. Vấn đề không nằm ở việc scan, mà nằm ở chỗ tác giả không hề được đền bù. Nếu một cuốn sách bị xé nát để lấy nội dung, tác giả của nó xứng đáng được trả tiền. Và blockchain chính là công cụ để đảm bảo điều đó xảy ra một cách tự động, không qua trung gian, không qua những cuộc thương lượng kéo dài nhiều năm. Ở Việt Nam, câu chuyện này cũng gần gũi hơn nhiều người nghĩ. Các sàn giao dịch dữ liệu, các thư viện số lậu, và nạn scan sách chia sẻ tràn lan trên mạng xã hội đã đặt ra bài toán tương tự. Nhưng blockchain vẫn đang là một khái niệm xa lạ với giới xuất bản trong nước. Khoảng trống đó đồng thời là cơ hội cho những ai dám tiên phong xây dựng hạ tầng bản quyền số từ bây giờ. Những gì chúng ta đang chứng kiến không chỉ là một vụ bê bối của riêng ngành AI. Đó là cuộc khủng hoảng của cả một hệ sinh thái nội dung số, nơi giá trị bị chiếm đoạt mà không có cơ chế hoàn trả. Liệu Web3 có thể trở thành lớp hạ tầng cho nền kinh tế tri thức, hay chúng ta sẽ tiếp tục chứng kiến những cuốn sách bị xé nát trong im lặng vì không ai tin ai? Câu hỏi này không dành riêng cho các nhà phát triển blockchain, mà còn dành cho các nhà xuất bản đang mất kiểm soát, cho các tác giả đang bị bỏ lại phía sau, và cho những kỹ sư AI đang thèm khát dữ liệu đến mức sẵn sàng biến thư viện thành tro. Bởi vì nếu không, lịch sử sẽ nhắc đến chúng ta như những thế hệ đã thấy những thư viện bốc cháy mà không hề xây một hệ thống chữa cháy. Ngọn lửa của AI đang lan rộng, và blockchain có thể là vòi nước duy nhất đủ dài để tiếp cận đám cháy.