Hủy sách thật, tạo dữ liệu AI: Lỗ hổng hệ thống hay đột phá mới?

Một bản án từ năm 2025 đã mở ra cánh cửa hợp pháp cho việc phá hủy sách in để lấy dữ liệu huấn luyện AI. Nhưng với tư cách là một auditor, tôi nhìn thấy một lỗ hổng còn nguy hiểm hơn bất kỳ dòng code nào: khi văn hóa vật thể bị biến thành nguyên liệu số, hệ thống niềm tin của toàn ngành AI đang đứng trên bờ vực sụp đổ. Bối cảnh: Vào tháng 5/2025, tòa án Hoa Kỳ phán quyết rằng việc mua sách in, cắt bìa, quét thành file PDF, rồi vứt bỏ bản gốc là 'hợp lý' theo luật fair use, miễn là số lượng bản sao không tăng lên. Anthropic, startup AI trị giá 30 tỷ USD, đã chi hàng triệu đô la để mua hàng triệu cuốn sách theo cách này. Họ thuê ISBNdb – một công ty chuyên cung cấp dịch vụ 'quét hủy' (destructive scanning) – để hợp pháp hóa nguồn dữ liệu huấn luyện. Bề ngoài, đây là một giải pháp sạch: tránh dữ liệu AI-generated và nhiễm độc từ web. Nhưng bên trong, nó giống như một smart contract có backdoor – tưởng an toàn nhưng thực chất có thể phá hủy toàn bộ. Phần lõi: Hãy tháo gỡ hệ thống này. Một dòng code sai, cả hệ thống sụp đổ. Ở đây, 'dòng code' là nguyên lý 'thay thế một-một' (one-to-one replacement). Tòa cho rằng: miễn là bản gốc bị hủy, bản sao số chỉ là bản thay thế, không vi phạm bản quyền. Nhưng với tư cách một kỹ sư tài chính đã từng phát hiện lỗi reentrancy trong Yearn Finance, tôi biết rằng lỗ hổng nằm ở chỗ không ai kiểm soát được bản sao sau khi được tạo ra. Một file PDF có thể copy vô hạn – không có oracle nào xác minh rằng bản gốc thực sự bị hủy. ISBNdb có thể đưa ra chứng chỉ 'hủy có thể kiểm chứng' (verifiable destruction), nhưng đó là sự tập trung hóa niềm tin, giống như một multisig chỉ có một chữ ký. Trong thực tế audit của tôi, tôi từng thấy các dự án NFT hứa 'đốt token' nhưng vẫn giữ lại private key. Cùng một logic: nếu không có cơ chế on-chain để xác minh việc hủy sách, toàn bộ mô hình dựa trên lời hứa – thứ mà DeFi đã dạy chúng ta không bao giờ tin. Hơn nữa, hãy nhìn vào dữ liệu thực tế. ISBNdb quảng cáo rằng họ cung cấp sách 'xuất bản trước năm 2022' vì ít bị nhiễm AI. Nhưng điều này có nghĩa là dữ liệu huấn luyện sẽ mang thiên kiến lịch sử: thiếu kiến thức về thế giới số, về mạng xã hội, về các công nghệ mới. Nếu một mô hình chỉ đọc sách in từ thế kỷ 20, nó sẽ không hiểu được 'blockchain' hay 'DeFi' theo cách hiện đại. Đó là một lỗ hổng training data cổ điển – giống như một quỹ đầu tư chỉ dựa vào báo cáo tài chính năm ngoái. Một điểm mù khác: việc hủy sách hiếm. Tòa chỉ bảo vệ 'văn bản' (expressive content), không bảo vệ 'vật phẩm' (item). Một cuốn sách có chữ ký tác giả, bản in đầu tiên, hoặc ghi chú tay – tất cả đều bị phá hủy mà không có hồ sơ nào. Điều này tương tự như khi một hacker xóa metadata của token để che giấu nguồn gốc. Chúng ta đang đánh mất văn hóa một cách không thể đảo ngược, chỉ để có một bộ dữ liệu 'sạch' – nhưng thực chất là sạch khỏi sự đa dạng. Góc nhìn nghịch chiều: Có thể lập luận rằng việc hủy sách in để lấy dữ liệu thực sự an toàn hơn so với quét web công khai. Bởi vì sách in không bị nhiễm bởi các cuộc tấn công data poisoning – thứ đang tràn lan trên internet. Đúng, nhưng logic này chỉ đúng nếu bạn tin rằng AI sẽ không bao giờ cần hiểu về thế giới số. Và đó là một giả định sai lầm. Một hệ thống chỉ bền vững khi từng mắt xích tuân theo chuẩn. Mắt xích ở đây là sự toàn vẹn của văn hóa – nếu chúng ta hủy diệt quá khứ để xây dựng tương lai, tương lai đó sẽ méo mó. Kết luận: Thay vì hủy sách, hãy xây dựng một cơ chế on-chain để ghi nhận việc số hóa có bảo tồn bản gốc. Ví dụ: một DAO có thể mua sách hiếm, số hóa chúng, và lưu trữ bản gốc trong thư viện vật lý, trong khi bản sao số được đánh dấu bằng NFT chứng minh nguồn gốc. Điều đó mới thực sự là 'kiến trúc bền vững'. Còn hiện tại, chúng ta đang chứng kiến một vụ hack văn hóa quy mô lớn, và chẳng ai đang audit nó.