Cựu nhân viên nghiên cứu Meta tải sách lậu qua torrent, xóa dữ liệu vì "áp lực kiện tụng"

Cuộc chiến pháp lý giữa Meta và các tác giả, nhà xuất bản về việc dùng sách có bản quyền để huấn luyện AI vừa có thêm diễn biến đáng chú ý. Lời khai của một cựu nhân viên nghiên cứu cho thấy bộ dữ liệu sách lậu Books3 từng được tải về bằng BitTorrent và bị xóa đi giữa lúc tranh chấp leo thang.

Minh họa mối quan hệ giữa Meta và bộ dữ liệu sách lậu

Bối cảnh vụ kiện

Tại tòa án liên bang ở California, Meta đang đối mặt với hàng loạt vụ kiện riêng biệt liên quan đến việc sử dụng sách lậu để huấn luyện các mô hình AI Llama. Thẩm phán Vince Chhabria đang xử lý gộp các vụ việc này.

Nguyên đơn bao gồm các tác giả như Sarah Silverman và Ta-Nehisi Coates, cùng các nhà xuất bản như Entrepreneur Media và Chicken Soup for the Soul. Trước đó, Meta khẳng định với Entrepreneur rằng họ không tin mình đã thu thập bộ dữ liệu lậu Books3 thông qua BitTorrent — tập hợp gần 200.000 cuốn sách lấy từ thư viện của tracker torrent riêng tư Bibliotik.

Lời khai gây chấn động

Trong báo cáo tình trạng chung nộp lên tòa, phía chủ sở hữu bản quyền cho biết Stephen Roller — người làm việc tại Meta từ năm 2017 đến 2023 — đã thừa nhận trong phiên lấy lời khai tuần trước rằng anh từng tải Books3 qua torrent và biết rõ mình đang phân phối dữ liệu này.

"Due to all this litigation" — theo nguyên đơn, Roller khai rằng anh xóa bản sao của mình khoảng một năm trước, có thể sau khi bị triệu tập lần thứ hai, vì "có vẻ gây tranh cãi khi sở hữu các bản sao của The Pile".

Đáng chú ý, Roller không nhớ chính xác thời điểm tải dữ liệu, nhưng thừa nhận Books3 được tạo ra vào năm 2020 và trong giai đoạn đó anh không làm việc cho công ty nào khác ngoài Meta. Anh cũng khai rằng Meta đã có các bản sao Books3 vào thời điểm anh rời nhóm nghiên cứu AI FAIR, đồng thời nêu tên hai nhà nghiên cứu khác có khả năng đã tự thu thập bản sao riêng.

Thông tin này có ý nghĩa then chốt, bởi năm ngoái tòa đã phán quyết rằng việc huấn luyện Llama trên sách là sử dụng hợp lý (fair use). Điều đó khiến hành vi tải qua BitTorrent trở thành vấn đề pháp lý mở chính trong vụ kiện của các tác giả. Đầu tháng này, một thẩm phán đã yêu cầu Meta công bố danh tính các nhân viên đã phê duyệt việc tải torrent từ các thư viện bóng tối.

Meta phản bác

Meta nhìn nhận sự việc theo hướng khác. Hãng cho rằng đây là lần đầu tiên phía nguyên đơn nêu ra những lo ngại này, và lời khai của Roller không ủng hộ các cáo buộc đó.

"Ông Roller khai rằng ông không biết mình đã tải bản sao của The Pile qua torrent vào lúc nào, và không khai rằng bản tải đó là cho Meta hoặc tại Meta — có thể là cho chính ông ấy hoặc cho một nhà tuyển dụng khác", Meta lập luận.

Phản hồi của Meta trước các cáo buộc

Theo Meta, Roller cũng nói rằng anh không biết liệu có nhiều hơn một bản sao được tải hay không, cũng như không rõ hai nhà nghiên cứu được nhắc đến có thực sự sở hữu Books3 hay không. Anh rời Meta vào tháng 1/2023 và từ đó đã làm việc cho ba công ty khác trong lĩnh vực AI.

Meta cũng nhấn mạnh rằng bản sao bị xóa được lưu trên máy tính cá nhân của Roller, và anh xóa nó hơn hai năm sau khi rời công ty vì "không cần nữa, nên thà không giữ".

Câu lạc bộ sách (lậu) nội bộ?

Books3 không phải tài liệu lậu duy nhất xuất hiện trong báo cáo. Nguyên đơn cho rằng sách lậu có thể đã được dùng tại Meta cho nhiều mục đích ngoài huấn luyện AI.

Họ yêu cầu Meta cung cấp nội dung một thư mục Google Drive nội bộ có tên "ML Books", cùng hồ sơ về một câu lạc bộ sách của Meta có thể đã sử dụng sách từ các thư viện bóng tối. Trong một tài liệu Meta đã cung cấp, một nhân viên chia sẻ "sách lậu" với đồng nghiệp kèm dòng chữ đầy ẩn ý: "i know for vellum sake this is prob very ironic".

Khi được hỏi liệu cuốn sách có phải bản lậu không, nhân viên này trả lời bằng một liên kết đến thư mục "ML Books". Người nhận sau đó nói với đồng nghiệp khác: "bro she tryna get me fired" và cho rằng có thể cần người kia xóa các tin nhắn đó.

Nguyên đơn cho rằng nếu nhân viên Meta dùng sách từ thư viện bóng tối cho câu lạc bộ sách, điều này sẽ ảnh hưởng đến lập luận sử dụng hợp lý của công ty. Tuy nhiên, Meta phản bác rằng yêu cầu này đến quá muộn, khi nguyên đơn lần đầu đề nghị các tệp liên kết vào ngày 9/10 — hơn một tháng sau khi giai đoạn thu thập chứng cứ đã kết thúc.

Nhật ký máy chủ "mất tích"

Ngoài bản sao của Roller, nguyên đơn còn cho rằng Meta chưa bàn giao đầy đủ các tệp lịch sử lệnh từ quá trình tải torrent, bất chấp lệnh của tòa. Theo họ, những nhật ký này cho thấy Meta đã cấu hình phần mềm torrent thế nào và nhắm đến những tệp torrent nào — tức là những tác phẩm nào bị ảnh hưởng.

Nguyên đơn yêu cầu tòa buộc Meta giải trình liệu có tệp lịch sử lệnh nào bị xóa hay không và xóa khi nào. Về phía mình, Meta khẳng định đã cung cấp lượng lớn nhật ký từ các máy chủ liên quan, vẫn đang tìm kiếm trong các bản sao lưu và bàn giao dần dần, đồng thời cho rằng không có căn cứ để tin rằng bất kỳ tệp lịch sử lệnh nào đã bị xóa.

Điều gì tiếp theo?

Vụ kiện của Entrepreneur dự kiến đưa ra xét xử vào mùa xuân năm 2027, với các nhà xuất bản khác xếp hàng phía sau nếu vụ này được hòa giải trước đó. Danh sách các vụ liên quan vẫn tiếp tục dài thêm: trong tháng này, các nhà xuất bản gồm Elsevier, Hachette và Macmillan cùng nhiều tác giả khác đã gia nhập hàng chờ.

Đối với độc giả Việt Nam, vụ việc là lời nhắc nhở rõ ràng về ranh giới mong manh giữa việc khai thác dữ liệu công khai và vi phạm bản quyền trong kỷ nguyên AI. Khi các mô hình ngôn ngữ lớn ngày càng phụ thuộc vào kho dữ liệu khổng lồ, cách các công ty công nghệ thu thập và lưu trữ dữ liệu huấn luyện sẽ ngày càng bị soi xét — không chỉ bởi tòa án mà còn bởi chính cộng đồng phát triển và người dùng.