Google vẫn lấy nội dung của báo chí để huấn luyện AI, ngay cả bị từ chối
Một lãnh đạo cấp cao của Google vừa thừa nhận tại tòa rằng họ vẫn dùng nội dung báo chí cho tính năng “Tổng quan AI” (AI Overview), kể cả từ những nhà xuất bản đã yêu cầu không được sử dụng để huấn luyện AI.
Phiên điều trần đang diễn ra tại tòa án liên bang ở Washington DC, là một phần của vụ kiện chống độc quyền do Bộ Tư pháp Mỹ thực hiện, nhằm làm rõ xem Google có lạm dụng vị trí độc quyền trong ngành tìm kiếm hay không.
Theo tường thuật từ Bloomberg, Eli Collins, Phó chủ tịch tại DeepMind - bộ phận nghiên cứu AI của Google, tiết lộ rằng dù các tổ chức báo chí đã dùng cài đặt “từ chối” không cho phép dùng nội dung của họ để huấn luyện AI, Google vẫn dùng nội dung đó để hiển thị trong phần trả lời AI trên công cụ tìm kiếm.
.png)
Ảnh minh họa: Unsplash
Một luật sư của Bộ Tư pháp đã hỏi thẳng rằng: “Khi đưa AI Gemini vào công cụ tìm kiếm, liệu nó có thể dùng nội dung mà các nhà xuất bản đã từ chối không?”
Collins trả lời: “Đúng, nếu dùng cho tìm kiếm”. Nói cách khác, dù một nhà xuất bản không cho phép dùng nội dung của họ để huấn luyện AI, thì Google vẫn có thể trích dẫn lại nội dung đó trong phần Tổng quan AI, như thể mô hình chưa hề bị "cấm học".
Một số tổ chức báo chí cho rằng cách làm này khiến họ mất doanh thu và lượng truy cập lớn. Người dùng không cần bấm vào bài viết gốc nữa vì nội dung đã được AI của Google tóm tắt sẵn ở đầu trang. Chegg, nền tảng học tập trực tuyến, thậm chí đã kiện Google, nói rằng tính năng này làm sụp đổ mô hình kinh doanh của họ.
Google đáp trả rằng các trang web có thể kiểm soát việc này bằng cách dùng file robots.txt – một đoạn mã cho phép họ chặn Google thu thập dữ liệu từ trang web. Nhưng vấn đề là robots.txt chỉ cho phép chặn toàn bộ, chứ không thể chặn riêng phần Tổng quan AI.
Nếu nhà xuất bản muốn ngăn AI lấy nội dung, thì họ buộc phải chặn luôn cả việc hiển thị trang trong kết quả tìm kiếm bình thường. Một lựa chọn rất khó.
Thêm một chi tiết quan trọng được tiết lộ: theo một tài liệu nội bộ do Bộ Tư pháp Mỹ công bố tại tòa, Google đã phải xóa khoảng 80 tỷ "mã thông báo" nội dung, tức một nửa dữ liệu huấn luyện của Gemini, sau khi lọc ra các trang web đã “từ chối” tham gia. Tài liệu này có từ tháng 8/2024.
Tóm lại, các nhà xuất bản muốn ngăn AI của Google dùng nội dung của mình thì gần như không có cách nào hiệu quả. Còn Google thì vẫn đang tìm cách “lách luật”: không huấn luyện AI bằng dữ liệu bị từ chối, nhưng vẫn để AI trích lại nội dung ấy trong phần trả lời người dùng.
