Amazon bắt đầu tiêu hủy sách để huấn luyện AI giữa tình trạng khan hiếm dữ liệu

Khi internet công khai ngày càng khó cung cấp các văn bản chất lượng cao, đủ khan hiếm, đáng tin cậy và không bị ô nhiễm bởi nội dung do AI tạo ra, những cuốn sách cũ đang dần chuyển từ hàng hóa văn hóa thành nguyên liệu dữ liệu cho thời đại AI.

Tác giả bài viết, nguồn: 0x9999in1, ME News



• Đây không chỉ là một tin tức đơn giản về “Amazon đốt sách”. Tín hiệu quan trọng hơn là: khi internet công khai ngày càng khó cung cấp đủ các văn bản chất lượng cao, khan hiếm, đáng tin cậy và không bị ô nhiễm bởi nội dung do AI tạo ra, các cuốn sách cũ đang dần chuyển từ hàng hóa văn hóa thành nguyên liệu dữ liệu cho thời đại AI.
• Một đơn đặt hàng khoảng 1.000 cuốn sách được 404 Media theo dõi cuối cùng đã đến kho LAS8 của Amazon ở Bắc Las Vegas; nhân viên cho biết nhóm VGT3 sẽ cắt rời gáy sách và quét trang, khiến bản gốc giấy bị phá hủy. Amazon xác nhận sẽ mua sách thông qua kênh thương mại để cải tiến sản phẩm và dịch vụ, nhưng không công khai quy mô dự án, thời điểm bắt đầu, mục đích cụ thể, cũng như không trả lời liệu họ có lọc bỏ các bản hiếm hoặc khan hiếm trước khi tiêu hủy hay không.
• Việc “mua sách in trước, sau đó thực hiện quét phá hủy” còn có một bối cảnh thực tế khác: Trong vụ án Bartz v. Anthropic năm 2025, tòa án liên bang Hoa Kỳ đã công nhận việc thay thế số hóa một-một đối với sách giấy được mua hợp pháp là sử dụng hợp lý, nhưng phân biệt rõ ràng giữa việc mua hợp pháp và việc thu thập thông qua bản sao lậu. Đến tháng 7 năm 2026, vụ kiện tập thể về bản quyền liên quan đến Anthropic do nguồn gốc lậu gây ra đã được phê duyệt cuối cùng với thỏa thuận bồi thường 1,5 tỷ đô la Mỹ. Nguồn dữ liệu đang chuyển từ vấn đề kỹ thuật thành vấn đề bảng cân đối kế toán.
• Việc Amazon bước vào thời điểm này không hề bất ngờ. Công ty dự kiến chi tiêu vốn khoảng 200 tỷ USD vào năm 2026, với AI là hướng đầu tư trọng tâm; doanh thu AWS trong quý hai năm nay tăng 37% so với cùng kỳ năm trước lên 42,2 tỷ USD. Năng lực tính toán vẫn đang mở rộng mạnh mẽ, nhưng giá trị biên của dữ liệu chất lượng cao cũng đang gia tăng.
• Điều cần cảnh giác thực sự không phải là toàn bộ hành vi “giải thể sách”, mà là một hệ thống mua sắm và tiêu hủy thiếu minh bạch: sách cũ có thể được in lại và mua lại, nhưng một số sách hết bản, phiên bản có ghi chú, ấn phẩm địa phương và các văn bản cực kỳ hiếm có thể không thể phục hồi. Khi cơ chế lọc không còn tồn tại, các công ty AI nhận được dữ liệu, nhưng xã hội có thể mất đi những bản ghi vật chất không thể phục hồi.

Hình ảnh gây chú ý nhất của sự việc này tất nhiên rất tàn khốc: một cuốn sách bị cắt rời gáy, các trang giấy được đưa vào thiết bị quét, và cuối cùng cuốn sách gốc không còn tồn tại. Đáng kịch tính hơn nữa, công ty thực hiện hành động này lại chính là Amazon—công ty bắt đầu từ việc bán sách trực tuyến năm 1995. Hơn ba mươi năm sau, nó lại bắt đầu mua sách với số lượng lớn, nhưng lần này, sách không nhất thiết phải đến tay người đọc, mà sẽ trở thành dữ liệu mà máy móc có thể “tiêu hóa”.

Theo cuộc điều tra được 404 Media công bố ngày 17 tháng 8, nhà báo Emanuel Maiberg đã hợp tác với một chủ tiệm sách nhận được đơn hàng lớn qua Biblio, đặt một AirTag vào một trong khoảng 1.000 cuốn sách. Thiết bị theo dõi đã đến kho LAS8 của Amazon tại Bắc Las Vegas. Báo cáo trích dẫn nhân viên làm việc tại địa điểm này cho biết, một nhóm có tên VGT3 chịu trách nhiệm tiếp nhận số lượng lớn sách in, cắt bỏ bìa và quét nhanh, trong khi cuốn sách gốc bị phá hủy trong quy trình. Amazon sau đó xác nhận với Inc. rằng công ty thực sự “mua sách thông qua các kênh thương mại để hỗ trợ phát triển và cải tiến các sản phẩm và dịch vụ mà khách hàng sử dụng”, nhưng không trả lời cụ thể đã mua bao nhiêu cuốn, dự án bắt đầu từ khi nào, dữ liệu được đưa vào sản phẩm nào, và liệu có loại bỏ các bản hiếm hoặc khan hiếm trước không.

Điều đáng chú ý hơn là manh mối này không phải xuất hiện đột ngột vào hôm qua. Inc. phát hiện rằng ngay từ tháng 9 năm 2024, đã có người báo cáo trên diễn đàn người bán Amazon rằng có rất nhiều đơn sách được gửi đến LAS8: có người gặp phải một khách hàng duy nhất đặt 68 đơn cùng lúc, có người nhận tập trung 48 đơn vào buổi đêm, và tất cả đều là sách của các nhà xuất bản đại học, đồng thời có người bán cho biết cùng một tài khoản gần như mua sách mỗi ngày. Đại diện diễn đàn Amazon lúc đó cuối cùng đã xác nhận các đơn hàng này là hợp lệ, nhưng hiện tại Amazon không giải thích liệu những đơn hàng đó có liên quan đến VGT3 hay không.

Theo tôi, điều đáng quan tâm thực sự ở đây không phải là cú sốc cảm xúc về việc “các đế chế công nghệ tiêu hủy sách”, mà là nó phơi bày một sự đánh giá lại nguồn lực trong ngành AI: vài năm qua, những thứ khan hiếm nhất là GPU, trung tâm dữ liệu, điện năng và vốn, giờ đây, các văn bản con người chất lượng cao, có thể truy xuất nguồn gốc và ít bị ô nhiễm bởi nội dung do AI tạo ra, cũng bắt đầu được định giá lại.

Thị trường sách cũ bất ngờ bị cuốn vào chuỗi cung ứng AI, không phải là một tình tiết kỳ quặc của thời kỳ hoài niệm, mà là một bước đi tự nhiên và đầy lạnh lùng sau khi các mô hình lớn được công nghiệp hóa.

Internet trông vô tận, nhưng dữ liệu thực sự phù hợp để huấn luyện các mô hình tiên tiến lại không vô hạn.

The Epoch AI study in 2024 estimated that, after accounting for quality and duplication, the effective public stock of human-written text available for training was approximately 30 trillion tokens; if the data growth trends at that time continued, this stock could be fully utilized between 2026 and 2032. This prediction is not a countdown to “data running out tomorrow,” as synthetic data, data efficiency, post-training, and multimodal approaches continue to evolve, but it reveals a direction: it is becoming increasingly difficult to obtain new information of comparable quality solely by expanding web scraping.

Nhưng sách cũ có một vài đặc điểm mà các công ty AI không thể bỏ qua.

Trước hết, chúng thường trải qua nhiều vòng sàng lọc từ tác giả, biên tập viên và nhà xuất bản, do đó mật độ thông tin và cấu trúc thường ổn định hơn so với các trang web ngẫu nhiên. Thứ hai, rất nhiều tài liệu về lịch sử địa phương, sách hướng dẫn chuyên ngành, tác phẩm học thuật nhỏ lẻ, giáo trình phiên bản cũ, tài liệu ngành và ấn phẩm không phải tiếng Anh chưa được số hóa đầy đủ, nên không thể thu thập được trên các trang web công khai. Một điểm tinh vi hơn là, các nội dung được xuất bản trước khi AI sinh tạo trở nên phổ biến rộng rãi có khả năng cao hơn đến từ môi trường viết thuần túy của con người.

Giá trị này đã được các nhà cung cấp dữ liệu trực tiếp nêu ra. Trong các báo cáo về thị trường mua sách vào tháng 7 năm nay, công ty cơ sở dữ liệu sách ISBNdb từng dùng câu “Dữ liệu đào tạo AI tốt nhất thế giới đang nằm trên kệ sách” để thử nghiệm nhu cầu mua sách từ các công ty AI, đồng thời nhấn mạnh rằng sách chứa đựng tri thức con người đã được sắp xếp, biên tập và chuyên môn hóa. Sau đó, ISBNdb cho biết trang này chỉ là bài kiểm tra nhu cầu thị trường và đã gỡ bỏ.

Tại sao câu này lại gây khó chịu? Vì nó nói lên nỗi lo lắng của cả ngành.

Càng mạnh mẽ, trí tuệ nhân tạo sinh thành càng tạo ra nhiều văn bản được viết bởi AI, chỉnh sửa bởi AI hoặc tổng hợp bởi AI trên internet. Nếu các mô hình tiếp tục vô差别 hấp thụ lại những nội dung này, nguồn dữ liệu sẽ ngày càng phức tạp. Do đó, những thứ đã được in trên giấy trước làn sóng trí tuệ nhân tạo sinh thành bỗng nhiên mang thêm một giá trị mà trước đây chưa từng có: ít nhất về mặt thời gian, chúng gần với một môi trường thông tin chưa bị can thiệp quy mô lớn bởi trí tuệ nhân tạo sinh thành hơn.

Vì vậy, việc Amazon mua sách cũ không có nghĩa là nó “quay trở lại thời kỳ truyền thông in ấn”; ngược lại, đây là tư duy số hóa cực kỳ triệt để. Đối với những người huấn luyện mô hình, bìa sách, bao bì và câu chuyện sưu tầm có thể không có giá trị huấn luyện trực tiếp; điều thực sự có giá trị là những token bên trong có thể được tách từ, lập chỉ mục, loại bỏ trùng lặp, gán nhãn và huấn luyện.

Sách từ hàng hóa trở thành dữ liệu huấn luyện, hệ thống giá cả cũng thay đổi theo. Một cuốn sách chuyên ngành cũ, nhiều thập kỷ không ai quan tâm, có thể đột ngột tạo ra nhu cầu máy móc mới do không có bản điện tử đầy đủ trên mạng.

Đây mới là điểm đáng chú ý nhất.

Lý do đầu tiên rất đơn giản: hiệu suất.

Việc số hóa hàng ngàn cuốn sách theo cách chụp từng trang một là cực kỳ chậm. Sau khi cắt bỏ gáy sách, các trang giấy có thể được tách ra phẳng phiu, phù hợp hơn với việc quét tốc độ cao và nhận dạng văn bản sau đó. Quét phá hủy không phải là công nghệ mới xuất hiện trong thời đại AI, nhưng AI có thể lần đầu tiên đưa nó vào ứng dụng công nghiệp dữ liệu một cách trực tiếp như vậy.

Còn có một lớp nền thứ hai nhạy cảm hơn: pháp lý.

Tháng 6 năm 2025, Tòa án Liên bang khu vực Bắc California, Hoa Kỳ, trong vụ án Bartz v. Anthropic, tiết lộ rằng Anthropic đã mua hàng triệu cuốn sách in, tháo rời bìa, cắt rời các trang, quét thành bản số, và sau khi tạo ra bản số, vứt bỏ bản in gốc. Thẩm phán William Alsup nhận định trong bối cảnh sự kiện cụ thể đó, việc chuyển đổi định dạng này — “một bản in được thay thế bằng một bản số nội bộ và bản số không được phát tán ra ngoài” — thuộc phạm vi sử dụng hợp lý; tòa án cũng xác định mục đích huấn luyện mô hình lớn cụ thể trong vụ việc thuộc phạm vi sử dụng hợp lý.

Nhưng cùng bản án đó cũng vạch ra một đường ranh giới rất rõ ràng.

Anthropic trước đây đã tải xuống hơn 7 triệu cuốn sách từ cơ sở dữ liệu vi phạm bản quyền. Tòa án cho rằng, việc xây dựng và duy trì lâu dài một thư viện số trung tâm chứa các nguồn vi phạm bản quyền không thể tự động được bảo vệ bởi nguyên tắc sử dụng hợp lý chỉ vì một số nội dung trong đó sau đó được sử dụng để huấn luyện AI. Việc mua hợp pháp và lấy được thông qua vi phạm bản quyền đã được tòa án phân biệt rõ ràng.

Tại sao đường thẳng này lại quan trọng? Vì nó đã dạy cho toàn bộ ngành AI một bài học đắt giá về việc mua sắm: không phải “chỉ cần để huấn luyện thì có thể lấy bất kỳ dữ liệu nào”, mà nguồn gốc dữ liệu, doanh nghiệp có trả tiền để có bản sao hay không, cách lưu trữ và sao chép ra sao — tất cả đều có thể thay đổi rủi ro pháp lý.

Và buổi học này sau đó thật sự trở nên đắt đỏ.

Vào ngày 20 tháng 7 năm 2026, tòa án liên bang Hoa Kỳ đã chính thức phê chuẩn thỏa thuận bồi thường tập thể 1,5 tỷ đô la Mỹ giữa Anthropic và các tác giả, nhà xuất bản. Thỏa thuận này liên quan đến hơn 482.000 cuốn sách, khoảng 91% các tác phẩm liên quan đã có đơn yêu cầu bồi thường. Cần làm rõ rằng, thỏa thuận này nhắm vào các khiếu nại liên quan đến nguồn gốc vi phạm bản quyền, và không có nghĩa là hệ thống tư pháp Hoa Kỳ đã cấp giấy phép thống nhất cho tất cả việc huấn luyện AI; các vụ việc khác, nguồn dữ liệu khác và cách sử dụng khác vẫn có thể dẫn đến các kết quả khác nhau.

Vì vậy, việc Amazon hiện nay mua sách in thông qua các kênh thương mại là rất dễ hiểu về mặt logic kiểm soát rủi ro.

Nó có được thiết kế theo quy trình pháp lý được hình thành từ vụ án Anthropic không? Hiện chưa có bằng chứng công khai nào để đưa ra kết luận như vậy. Nhưng vào năm 2026, khi phán quyết của Anthropic và khoản hòa giải 1,5 tỷ USD đã nằm trên bàn, bất kỳ công ty AI lớn nào cũng sẽ quan tâm nhiều hơn đến một điều: bạn có thể chứng minh dữ liệu đến từ đâu không.

Giá của một cuốn sách in có thể rất rẻ; nhưng vài năm sau, khi phải giải thích trước tòa về nguồn gốc của hàng triệu tài liệu đào tạo, có thể sẽ không rẻ chút nào.

Trước đây, ngành AI thường xem dữ liệu như không khí vô tận trên mạng, nhưng hiện tại, nó đang học cách trả tiền cho “nguồn gốc”.

Phải tách biệt cảm xúc và sự thật ở đây.

Việc các cuốn sách bán chạy phổ thông, ấn bản in số lượng lớn, các cuốn sách cũ còn nhiều bản sao trên thị trường được đưa vào hệ thống thu hồi, bản thân nó không đồng nghĩa với thảm họa văn hóa. Ngành sách cũ và sách cổ xưa cũng từng có hành vi tháo sách để bán tranh minh họa, xử lý sách tồn kho. Không thể vì sự xuất hiện của AI mà đột ngột giả vờ rằng mỗi cuốn sách cũ đều là bản độc bản.

Vấn đề là Amazon cho đến nay vẫn chưa trả lời liệu họ có nhận diện được các phiên bản hiếm, hết bản hoặc đặc biệt trước khi quét phá hủy hay không.

404 Media theo dõi cuốn sách được báo cáo mô tả là một cuốn sách hiếm, trong khi Inc. đã trực tiếp hỏi Amazon liệu công ty có lọc ra các bản hiếm hoặc khan hiếm trước khi tiêu hủy hay không, nhưng không nhận được phản hồi.

Điều này tạo ra một lỗ hổng không thể dễ dàng bỏ qua bằng lập luận “dù sao cũng đã bỏ tiền mua rồi”: quyền sở hữu về mặt pháp lý hoàn toàn không giống với giá trị bảo tồn văn hóa.

Nội dung của một cuốn sách có thể được quét. Tuy nhiên, các chữ ký, ghi chú của người đọc, tem sưu tập, bìa đặc biệt, thông tin hiệu đính, dấu ấn in ấn địa phương, thậm chí cả những ghi nhận vật lý do cuốn sách lưu chuyển qua nhiều thập kỷ để lại, không nhất thiết sẽ được đưa vào OCR, càng không chắc chắn sẽ xuất hiện trong bộ dữ liệu huấn luyện cuối cùng.

Chữ viết vẫn còn, nhưng bằng chứng vật lý có thể biến mất.

Sự lo ngại này không chỉ tồn tại ở Mỹ. Năm nay, nhiều nhà bán sách cũ ở Anh và Ireland đã cho tờ The Guardian biết rằng trong vài tháng qua đã xuất hiện một loạt đơn mua hàng số lượng lớn với chủ đề không liên quan và độ nhạy cảm về giá rất thấp: có người mua một lúc các tiểu thuyết bằng tiếng Estonia, các bản đặc biệt của tác phẩm Brontë và các tạp chí cũ năm 1983; một nhà bán sách cho biết kể từ đầu năm đã nhận được khoảng 6.000 cuốn sách từ những khách hàng tương tự. Úc trước đây cũng đã ghi nhận các nhà bán sách báo cáo các đơn hàng số lượng lớn bất thường.

Tuy nhiên, ở đây cũng phải giữ vững ranh giới sự thật: hiện chưa có bằng chứng công khai nào cho thấy tất cả các đơn hàng nước ngoài này đều đến từ các công ty AI. Bài báo của The Guardian cũng rõ ràng ghi nhận chúng là những phỏng đoán và lo ngại của các nhà xuất bản, chứ không phải là các khoản mua AI đã được xác nhận.

Chính cuộc điều tra của 404 Media nhắm vào Amazon mới là thứ bị thiết bị theo dõi đưa đến cơ sở quét AI cụ thể.

Điều này chính là lý do tại sao tính minh bạch lại quan trọng.

Nếu doanh nghiệp cho rằng việc mua sắm này là hợp pháp, hợp lý và thực sự cải thiện sản phẩm, thì một vài câu hỏi cơ bản nhất cũng không quá đáng: Những loại sách nào sẽ bị quét phá hủy? Có loại trừ các bản độc bản, bản quý, bản có chữ ký và các phiên bản có giá trị vật chất đặc biệt không? Giấy sau khi quét sẽ được xử lý thế nào? Bản sao kỹ thuật số sẽ được lưu giữ bao lâu? Chúng sẽ chủ yếu được sử dụng cho các sản phẩm hoặc danh mục mô hình nào?

Các doanh nghiệp tất nhiên không cần công khai toàn bộ công thức huấn luyện.

Nhưng “chúng ta đã bỏ tiền ra mua, nên có thể lặng lẽ cắt bỏ tất cả” không phải là một câu trả lời đủ chín chắn.

Vì nó đang đặt cược vào AI với tốc độ chưa từng có.

Amazon cho biết vào tháng 2 năm nay rằng họ dự kiến chi tiêu vốn toàn năm 2026 khoảng 200 tỷ USD, với các cơ hội trọng tâm bao gồm AI, chip, robot và vệ tinh quỹ đạo thấp. Đến quý hai, doanh thu của công ty đạt 200,6 tỷ USD, tăng 20% so với cùng kỳ năm trước; doanh thu của AWS đạt 42,2 tỷ USD, tăng 37%, mức tăng nhanh nhất trong 18 quý qua. Dòng tiền tự do trong 12 tháng qua đã chuyển sang mức thâm hụt ròng 7,6 tỷ USD, Amazon rõ ràng cho biết việc mua sắm tài sản và thiết bị tăng mạnh chủ yếu phản ánh đầu tư vào trí tuệ nhân tạo. Doanh thu hàng năm từ hoạt động AI và chip của AWS đều đã vượt quá mức 25 tỷ USD.

Đáng chú ý hơn là mối quan hệ giữa Amazon và Anthropic.

Tháng 4 năm nay, Amazon tuyên bố đầu tư thêm 5 tỷ USD vào Anthropic, trên cơ sở khoản đầu tư 8 tỷ USD trước đó, và có thể bổ sung thêm tối đa 20 tỷ USD khi đạt được các mốc thành tựu kinh doanh cụ thể. Đồng thời, Anthropic cam kết chi tiêu hơn 100 tỷ USD vào công nghệ AWS trong thập kỷ tới và sẽ nhận được tối đa 5 GW năng lực tính toán Trainium hiện có và tương lai.

Nói cách khác, Amazon hiện vừa là nhà cung cấp cơ sở hạ tầng đám mây, vừa là nhà đầu tư vốn trong ngành mô hình tiên tiến, đồng thời vận hành Nova, Alexa, Rufus và rất nhiều dịch vụ AI doanh nghiệp.

Điều nó cần đã không còn chỉ là nhiều chip hơn.

Nó cần nhiều kiến thức chất lượng cao hơn, phạm vi bao phủ kiến thức dài hơn, nguồn dữ liệu đáng tin cậy hơn, và chuỗi quyền sở hữu dữ liệu dễ giải thích hơn.

Với quy mô chi tiêu vốn hiện tại của Amazon, việc mua sắm số lượng lớn sách cũ rõ ràng không phải là chi phí chính quyết định tình hình tài chính của công ty. Điều thực sự quan trọng là tín hiệu mà hành động này phát ra: một đế chế sẵn sàng đầu tư khoảng 200 tỷ đô la mỗi năm để mở rộng cơ sở hạ tầng công nghệ vẫn sẵn sàng kéo chuỗi cung ứng vào thị trường sách cũ phân tán, kém hiệu quả và định giá từng cuốn một.

Tại sao?

Vì một số dữ liệu, thật sự không có cách tắt.

Đây cũng là nơi cuộc cạnh tranh AI đang thay đổi. Trước đây, mọi người so sánh ai có thể thu thập được nhiều trang web hơn, sau đó so sánh ai có nhiều GPU hơn, bây giờ ngày càng trở thành cuộc cạnh tranh về ai sở hữu dữ liệu sạch hơn, độc đáo hơn, hợp pháp hơn và khó sao chép hơn.

Dữ liệu không còn chỉ là một đống “nguyên liệu” trước khi bắt đầu huấn luyện.

It is becoming an asset that must be acquired, cleaned, verified, tracked, and audited.

Con đường bảo vệ dữ liệu thực sự có thể không phải là “ai sở hữu bản sao của internet”, mà là ai sở hữu nội dung chất lượng cao mà người khác không thể tiếp cận, không thể kiểm soát ổn định, hoặc dù có được cũng không dám sử dụng một cách yên tâm.

Tôi không cho rằng kết luận nên là “cấm các công ty AI quét sách vật lý”.

Việc số hóa bản thân có thể lưu giữ tri thức và cũng có thể đưa các nội dung đã hết bản trở lại hệ thống tìm kiếm, nghiên cứu và hiểu biết của máy móc. Đối với số lượng lớn sách cũ thông thường, việc quét phá hủy cũng chưa chắc tệ hơn so với việc cuối cùng bị đưa vào tái chế giấy. Viết đơn giản sự việc này thành “AI đang đốt sách” thì cảm xúc rất mạnh, nhưng sự thật lại không đủ.

Có hai ranh giới thực sự.

Điều đầu tiên là ranh giới quyền lợi: Mua một cuốn sách in không đồng nghĩa với việc mua toàn bộ bản quyền của tác phẩm đó, càng không có nghĩa là mọi hành vi huấn luyện, sao chép và đầu ra đều hợp pháp một cách tự nhiên. Vụ án Bartz chỉ là một phán quyết quan trọng của một tòa án liên bang cấp khu vực tại Hoa Kỳ dựa trên các sự kiện cụ thể, không phải là giấy thông hành vĩnh viễn cho các công ty AI toàn cầu.

Điều thứ hai là bảo tồn ranh giới: Nếu một doanh nghiệp không thể chứng minh rằng họ có khả năng nhận diện và tránh quét những cuốn sách hiếm có, phiên bản độc đáo hoặc có giá trị lịch sử đặc biệt, thì việc “quét hiệu quả” có thể biến một vấn đề kỹ thuật dữ liệu thành tổn thất văn hóa không thể phục hồi.

Điều mà Amazon nên trả lời thực sự không phải là “Tại sao các bạn cần sách”.

Câu trả lời này ngày càng rõ ràng hơn: vì lượng lớn kiến thức chất lượng cao mà nhân loại để lại trong vài trăm năm qua không hoàn toàn tồn tại trên internet mở.

Vấn đề thực sự là: Khi những cuốn sách này rời khỏi kệ sách và bước vào dây chuyền huấn luyện AI, ai sẽ quyết định cái gì có thể bị hy sinh, cái gì không nên bị hy sinh? Ai sẽ xác nhận rằng doanh nghiệp nhận được nội dung, chứ không phải vô tình xóa bỏ cả lịch sử nằm ngoài nội dung?

Sự mỉa mai của việc này rất mạnh mẽ.

Amazon từng trở thành một trong những công ty thương mại internet quan trọng nhất bằng cách giao sách đến tay người dùng; hôm nay, nó lại mua lại sách, tháo ra, và đưa những dòng chữ vào máy móc.

Công nghệ chắc chắn có thể thay đổi phương tiện truyền tải kiến thức, nhưng không vì thế mà giả vờ rằng phương tiện đó không có giá trị gì.

AI cần những thứ do con người viết ra, điều này không có gì đáng xấu hổ. Điều đáng cảnh giác thực sự là khi toàn bộ ngành công nghiệp ngày càng phụ thuộc vào “các văn bản chất lượng cao do con người để lại”, nhưng vẫn giấu quá trình thu thập sâu trong chuỗi cung ứng, coi quyền tác giả, nguồn gốc, tính khan hiếm và trách nhiệm lưu giữ là những vấn đề thứ yếu.

Mô hình có thể nén một cuốn sách thành token, doanh nghiệp có thể biến token thành tham số, nhưng có những thứ một khi bị chia nhỏ thì sẽ không có lần huấn luyện nào có thể phục hồi lại.

Văn minh có thể được số hóa, nhưng trách nhiệm không thể bị “chuyển đổi định dạng” đi.

1. Emanuel Maiberg. “We Tracked a Shipment of Rare Books. It Ended at an Amazon AI Training Facility.” 404 Media, 2026-08-17.
2. Georgia Fearn. “Amazon Đang Mua Lại Những Cuốn Sách Cũ Và Phá Hủy Chúng Sau Khi Quét. Các Đơn Hàng Đã Bắt Đầu Từ Năm 2024.” Inc., 2026-08-17.
3. Amazon.com, Inc. “Amazon.com công bố kết quả quý hai.” 2026-07-30.
4. Amazon. “Amazon và Anthropic mở rộng hợp tác chiến lược.” 2026-04-20.
5. Tòa án Quận Hoa Kỳ, Quận Bắc California. Bartz v. Anthropic PBC, Phán quyết về Sử dụng hợp lý và Xâm phạm, 2025-06-23.
6. Reuters. “Thẩm phán Mỹ phê chuẩn thỏa thuận bồi thường 1,5 tỷ USD của Anthropic trong vụ kiện vi phạm bản quyền.” 2026-07-20.
7. Pablo Villalobos et al. “Will we run out of data? Limits of LLM scaling based on human-generated data.” Epoch AI, 2024-06-06.
8. Dan Milmo. “Các nhà bán sách secondhand tại Anh và Ireland nghi ngờ các công ty AI đứng sau những đơn hàng số lượng lớn ‘lạ thường’.” The Guardian, 2026-08-15.