Theo 404Media, các công ty AI đang chuyển hướng sang thu mua số lượng lớn sách in cũ để phục vụ huấn luyện mô hình, thay vì tiếp tục phụ thuộc chủ yếu vào dữ liệu trên internet. Một trong những đơn vị được nhắc đến là ISBNdb, công ty vận hành cơ sở dữ liệu sách và từng quảng bá dịch vụ tìm nguồn sách in dành riêng cho các doanh nghiệp AI.
Theo nội dung ghi nhận trước khi bị gỡ bỏ, ISBNdb giới thiệu khả năng cung cấp từ hàng nghìn đến hàng triệu đầu sách phục vụ quá trình số hóa dữ liệu. Công ty cũng nhấn mạnh các thỏa thuận bảo mật, đồng thời thừa nhận việc một doanh nghiệp AI mua và xử lý hàng triệu cuốn sách có thể tạo ra phản ứng tiêu cực từ dư luận.
Sau khi bài điều tra được đăng tải, ISBNdb đã xóa trang giới thiệu dịch vụ này. Công ty cho biết đây chỉ là một thử nghiệm nhằm đánh giá nhu cầu thị trường và khẳng định không còn theo đuổi mô hình kinh doanh đó. Tuy nhiên, 404Media cho biết nhiều người bán sách cũ vẫn ghi nhận lượng đơn hàng mua số lượng lớn tăng mạnh trong những tháng gần đây, với các đầu sách thuộc nhiều lĩnh vực khác nhau.
Sách in cũ được xem là nguồn dữ liệu cho AI sạch hơn internet
Theo 404Media, lý do khiến sách in cũ trở nên hấp dẫn nằm ở chất lượng dữ liệu. Các cuốn sách xuất bản trước năm 2022 gần như không chứa nội dung do AI tạo ra, vì vậy được xem là nguồn văn bản do con người biên soạn, biên tập và kiểm chứng. Điều này giúp giảm nguy cơ mô hình AI tiếp tục học từ chính nội dung do AI tạo ra, hiện tượng thường được gọi là "AI slop" hoặc dẫn đến suy giảm chất lượng mô hình khi dữ liệu bị lặp lại.
Sách xuất bản trước thời kỳ AI tạo sinh được xem là nguồn dữ liệu có giá trị cho quá trình huấn luyện mô hình
ẢNH: TẠO BỞI AI
Điều tra cũng cho thấy nhiều người bán sách hiếm và sách đã ngừng phát hành bất ngờ nhận được các đơn hàng với số lượng lớn kể từ đầu năm. Một số người cho biết doanh số tăng đáng kể, nhưng đồng thời bày tỏ lo ngại về mục đích cuối cùng của các giao dịch này, bởi nhiều cuốn sách sau khi được mua sẽ bị cắt gáy, quét thành dữ liệu số rồi loại bỏ bản in giấy.
Xu hướng trên phản ánh một thách thức mới của ngành AI: khi internet ngày càng chứa nhiều nội dung do chính AI tạo ra, việc tìm kiếm nguồn dữ liệu gốc, chất lượng và đáng tin cậy trở nên khó khăn hơn. Các thư viện sách in, đặc biệt là những đầu sách xuất bản trước thời kỳ bùng nổ AI tạo sinh, đang trở thành nguồn tài nguyên có giá trị đối với cuộc đua phát triển các mô hình ngôn ngữ thế hệ mới.
Bình luận (0)