Các ông lớn trong lĩnh vực trí tuệ nhân tạo học hỏi những điều mà mọi người khác trên internet hiện đại đều đã biết

Dưới đây là một sự trớ trêu đầy "nực cười" trong thế giới AI

Ceo của Anthropic, Dario Amodei 

Suốt nhiều năm qua, các tập đoàn công nghệ lớn luôn lập luận rằng: nếu thông tin đã có sẵn trên internet, thì việc dùng nó để phát triển và huấn luyện các mô hình AI là hoàn toàn hợp pháp. Họ gọi đó là "sử dụng hợp lý" (fair use). Các chủ sở hữu nội dung đã cố gắng ngăn chặn điều này nhưng đều bất thành.

Thế nhưng giờ đây, Anthropic, OpenAI và Google đang phải nếm trải chính cái bài học mà phần còn lại của internet đã trầy trật rút ra từ xương máu: một khi bạn đưa thứ gì đó lên mạng, người ta sẽ tìm đủ mọi cách để nhào nặn nó theo những kiểu bạn không hề thích, và bạn chẳng thể nào ngăn nổi.

Điểm nóng mới nhất hiện nay mang tên "chưng cất" (distillation) - hiểu đơn giản là dùng dữ liệu đầu ra (outputs) của mô hình AI này để nâng cấp cho một mô hình AI khác. Anthropic cho biết các đối thủ cạnh tranh đang thu hoạch dữ liệu từ mô hình của họ ở quy mô lớn, biến những công trình nghiên cứu trị giá hàng tỷ đô la thành con đường tắt béo bở cho các đối thủ đi sau. OpenAI và Google gần đây cũng đưa ra những cảnh báo tương tự.

Nỗi sợ hãi này là có cơ sở. Tại sao phải bỏ ra hàng tỷ đô để xây dựng những mô hình AI tốt nhất, nếu kẻ khác có thể tái tạo lại phần lớn sự thông minh đó với mức giá chỉ bằng một phần nhỏ?

Đó là một mối lo ngại kinh doanh hoàn toàn chính đáng. Nhưng ngặt nỗi, nó lại tạo ra một tình huống cực kỳ khó xử.

Tính đối xứng

Nhìn từ bức tranh toàn cảnh, kỹ thuật "chưng cất" này trông chẳng khác là bao so với những gì các công ty AI đã và đang làm với phần còn lại của internet: Thu thập dữ liệu web miễn phí và không cần xin phép. Biến nó thành một sản phẩm thương mại để bán. Lập luận rằng đó là "sử dụng hợp lý". Rồi hy vọng các luật sư sẽ dàn xếp ổn thỏa mọi chuyện sau.

Anthropic kêu ca rằng các đối thủ đang "hút" chất xám từ các mô hình hàng đầu của họ. Trong khi đó, các chủ trang web suốt ba năm qua cũng liên tục tố cáo Anthropic đang "hút" chất xám từ họ. Cả hai bên đều lập luận rằng hành vi này vi phạm điều khoản dịch vụ. Sự trùng hợp mang tính đối xứng này thật khó mà ngó lơ.

Và mặc dù luôn tự quảng cáo mình là công ty AI đạo đức nhất, Anthropic lại đang là kẻ "chơi xấu" nhất ở đây. Các con bot hút dữ liệu của hãng này cào các trang web hàng ngàn lần, nhưng chỉ trả lại đúng một lượt truy cập (referral) cho chính trang web đó.

Bot đấu với Bot

Anthropic, OpenAI, và đặc biệt là Google, đang gắn mác vấn đề này là một mối đe dọa an ninh mạng. Họ chỉ trích các tập đoàn bot đang "tấn công" mô hình của mình để ăn cắp trí tuệ. Thế nhưng, họ cũng đang làm điều tương tự với vô số trang web khác - bắn phá các website bằng lượng bot cào dữ liệu khủng khiếp đến mức khiến chi phí vận hành của các chủ web tăng vọt. Các chủ website vừa bị dùng chùa nội dung, vừa phải bấm bụng trả thêm tiền cho cái đặc ân "bị cào dữ liệu" đó.

Giới nghiên cứu AI thì cho rằng "chưng cất" khác với "cào dữ liệu web". Dù vậy, ngay chính ngành công nghiệp AI còn chưa thống nhất được liệu "chưng cất" là đúng hay sai, hay ranh giới của nó nằm ở đâu.

Có một dạng chưng cất nguyên bản và lành tính: đó là khi các phòng thí nghiệm dùng dữ liệu đầu ra từ mô hình lớn của chính họ để tạo ra các mô hình khác nhỏ gọn hơn. Mặt khác, lại có thứ mà Anthropic gọi là "tấn công chưng cất" (distillation attacks) - tức là khi đối thủ dùng đầu ra AI của người khác để phát triển hoặc cải tiến sản phẩm của mình.

Nhưng ngay cả ở đây, ranh giới cũng rất mập mờ. Một số nhà nghiên cứu AI lo ngại rằng thái độ gay gắt của Anthropic sẽ bóp nghẹt tất cả các hình thức chưng cất khác. Nathan Lambert, một chuyên gia về AI mã nguồn mở, gọi hiện tượng này là "nỗi hoảng loạn chưng cất".

Tóm lại, nếu đứng từ góc nhìn của các ông lớn AI thì câu chuyện sẽ là: Họ có quyền trích xuất trí tuệ từ Internet miễn phí và không cần xin phép. Điều đó khác với "chưng cất" (vốn là một kỹ thuật hợp pháp). Ồ, nhưng nó sẽ không hợp pháp nếu việc chưng cất đó đụng chạm đến nội dung của họ theo cách họ không vừa mắt.

"Trò chơi mèo vờn chuột"

Lập luận ngụy biện này đang bị nghiền nát bởi thực tế phũ phàng của internet hiện đại. Anthropic đã dành nhiều tháng để siết chặt quyền truy cập vào các mô hình hàng đầu nhằm ngăn đối thủ học lỏm quá nhiều. Những nỗ lực đó hoặc là phản tác dụng, hoặc là chỉ càng kích thích người ta tìm ra những cách lách luật tinh vi hơn.

Một khi thông tin đã lên mạng, những cái đầu khôn ngoan sẽ luôn tìm ra cách thu thập, xào nấu và kiếm lời từ nó. Điều đó đúng với blog, hình ảnh, mã nguồn phần mềm, video, và đúng luôn với cả dữ liệu đầu ra từ các mô hình AI vô giá của các ông lớn.

"Đây luôn là một trò chơi mèo vờn chuột," Zilan Qian, nhà nghiên cứu tại Phòng thí nghiệm Chính sách Trung Quốc thuộc Đại học Oxford, chia sẻ với tờ Business Insider. Miễn là các đầu ra của mô hình AI còn hiển hiện trên đời, "người ta sẽ luôn tìm được cách để tiếp cận chúng."

 Thậm chí, việc chưng cất mô hình AI của một công ty khác rất có thể cũng được coi là "sử dụng hợp lý". Những lập luận là con dao hai lưỡi.