AI đang nhắm vào những người sáng tạo trên YouTube -

Nguyên tác: AI is coming for YouTube creators
Tác giả: Alex Reisner
Chuyển ngữ: PHAN THỊ SÓNG BIỂN

Ít nhất mười lăm triệu video đã bị các công ty kỹ thuật đánh cắp

Khi Jon Peters đăng tải video đầu tiên lên YouTube vào năm 2010, ông không hề biết điều đó sẽ đưa mình đến đâu. Ông là một thợ mộc chuyên nghiệp, điều hành một cơ sở thương mại nhỏ, và quyết định tự quay cảnh mình đóng một chiếc bàn ăn từ mấy cái chân bàn cũ tìm được trong một nhà kho. Hóa ra người xem rất thích phong cách chân thật của ông, và khi ông đăng thêm nhiều video nữa, lượng người hâm mộ bắt đầu tăng. “Bỗng nhiên có những người trân trọng công việc tôi đang làm,” ông kể với tôi. “Những lời bình luận của họ là một động lực,” ông nói.

Mười lăm năm sau, kênh của ông có hơn một triệu người ghi danh theo dõi. Thỉnh thoảng, ông còn nhận được hình ảnh những người đang làm việc trong xưởng của họ, làm theo hướng dẫn của ông từ một màn hình TV lớn treo trên tường — phần lớn khán giả của Peters, ông cho biết, là những thợ mộc tìm đến ông để học hỏi và thực hành.

Thế nhưng, kênh của Peters, cùng với hàng triệu video khác do những người chia sẻ kiến thức và kinh nghiệm của mình trên YouTube tạo ra, có thể sẽ sớm trở nên lỗi thời. Trong vài tháng gần đây, tôi đã phát giác ra là hiện hơn 15.8 triệu video từ hơn hai triệu kênh trên Youtube đã bị các công ty kỹ thuật tải xuống để dùng vào việc huấn luyện các sản phẩm AI, mà không xin phép người tạo ra chúng. Theo ước tính của tôi, gần một triệu trong số đó là những video hướng dẫn “how-to,” tức là những video chỉ cách làm một việc gì đó.

Quý vị có thể tìm thấy những video này trong ít nhất mười ba bộ dữ liệu khác nhau, do các nhà phát triển AI tại các công ty kỹ thuật, các đại học và những tổ chức nghiên cứu phân phối, thông qua những trang mạng như Hugging Face — một trung tâm phát triển AI trực tuyến.

Đa số những video này được ẩn danh, nghĩa là không kèm theo tựa đề hay tên của người tạo ra nội dung. Tôi đã nhận diện được chúng bằng cách trích xuất những mã định danh riêng biệt trong các bộ dữ liệu, rồi dò tìm lại trên YouTube, tương tự như tiến trình tôi đã thực hiện trước đây khi công bố nội dung của các bộ dữ liệu Books3, OpenSubtitles và LibGen.

Để độc giả tiện theo dõi, dịch giả xin giải thích thêm về các bộ dữ liệu Books3, OpenSubtitles và LibGen như sau: Books3 là một bộ sưu tập gồm hàng triệu tác phẩm sách, phần lớn là những tác phẩm còn bản quyền nhưng bị sao chép và gom lại để dùng cho việc huấn luyện trí tuệ nhân tạo. OpenSubtitles là một kho phụ đề phim, chương trình truyền hình và các tài liệu nghe nhìn khác, được thu thập từ internet. Còn LibGen là một thư viện trực tuyến khổng lồ, nơi lưu trữ và chia sẻ rất nhiều sách và tài liệu, kể cả những tác phẩm không được phát hành chính thức. Những bộ dữ liệu này từng gây ra nhiều tranh luận về quyền tác giả và đạo đức trong việc sử dụng nội dung.

Quý vị có thể tự tìm kiếm trong các bộ dữ liệu ấy bằng cách vào website của The Atlantic, theo link này (1), chỉ cần gõ tên những kênh như “MrBeast,” hay “James Charles,” chẳng hạn.

(Lưu ý: Việc một video xuất hiện trong những bộ dữ liệu này không có nghĩa là nó chắc chắn đã được dùng để huấn luyện bởi các công ty AI. Các công ty ấy vẫn có thể loại bỏ một số video nào đó trong quá trình phát triển sản phẩm.)

Để tạo ra những sản phẩm AI có khả năng tự sinh ra những đoạn phim, các nhà phát triển cần một khối lượng video khổng lồ, và YouTube đã trở thành nguồn cung cấp đang bị khai thác mạnh. Mặc dù YouTube cho phép người dung có trả phí được quyền tải video xuống và xem lại trong ứng dụng bất cứ lúc nào họ muốn, nhưng đây lại là một trường hợp hoàn toàn khác: những đoạn video của người sáng tạo nội dung đang bị lấy xuống hàng loạt từ YouTube, rồi được lưu vào các bộ dữ liệu lớn để đưa vào cho những thuật toán AI nghiên cứu và huấn luyện.

Hình thức tải xuống này vi phạm điều khoản sử dụng của YouTube. Tuy vậy, vẫn có rất nhiều công cụ cho phép các nhà phát triển AI thực hiện việc lấy video theo cách trái quy định ấy. Trong khi đó, YouTube dường như chưa có hành động nào đáng kể, nếu không muốn nói là hầu như không làm gì, để ngăn chặn việc thu thập dữ liệu hàng loạt này. Công ty cũng không trả lời yêu cầu phỏng vấn của tôi về vấn đề này.

Không phải tất cả video trên YouTube đều có bản quyền (và cũng có trường hợp người đăng tải không phải là người sở hữu bản quyền), nhưng rất nhiều video thuộc diện được luật bản quyền bảo vệ. Việc sao chép hoặc phân phối trái phép những video ấy là hành vi bất hợp pháp. Tuy nhiên, câu hỏi liệu việc huấn luyện AI có được xem là một hình thức sao chép hay phân phối hay không vẫn đang là chủ đề gây tranh luận trong nhiều vụ kiện hiện nay.

Các công ty kỹ thuật lập luận rằng việc dùng những tác phẩm có bản quyền để huấn luyện AI là “fair use,” nghĩa là sử dụng hợp lệ trong khuôn khổ luật pháp cho phép. Một số thẩm phán đã không đồng tình với lập luận đó trong những nhận định ban đầu. Cách mà tòa án cuối cùng sẽ áp dụng luật pháp vào công nghệ hoàn toàn mới này có thể kéo theo những hệ quả rất lớn: nó sẽ ảnh hưởng trực tiếp đến động lực sáng tạo và chia sẻ tác phẩm của những người làm nội dung trên YouTube cũng như trên các nền tảng tương tự.

Nếu các công ty kỹ thuật tiếp tục được quyền dùng tác phẩm của người sáng tạo để xây dựng những sản phẩm AI có khả năng cạnh tranh trực tiếp với họ, thì có lẽ những người sáng tạo nội dung sẽ không còn lựa chọn nào khác ngoài việc ngừng chia sẻ tác phẩm của mình.

Những công cụ AI tạo sinh hiện nay đã bắt đầu sản xuất những video cạnh tranh trực tiếp với tác phẩm do con người thực hiện trên YouTube. Các video lịch sử do AI tạo ra, có hàng trăm ngàn lượt xem, đang dần lấn át những nội dung đã được kiểm chứng và do các chuyên gia thực hiện — dù trên thực tế, chúng chứa rất nhiều sai sót. Nhiều video phối nhạc đang rất được ưa chuộng cũng thường xuyên được tạo bằng công nghệ này, và không ít trong số đó thậm chí còn đạt kết quả tốt hơn những video do con người thực hiện.

Tuy nhiên, vấn nạn này không chỉ dừng lại ở YouTube. Phần lớn các chatbot hiện đại ngày nay đều là loại “đa phương thức,” nghĩa là chúng có thể trả lời một câu hỏi bằng cách tạo ra những sản phẩm liên quan. Chẳng hạn, chatbot Gemini của Google đã có khả năng tạo ra những video ngắn dành cho người dùng trả phí. Trong một tương lai rất gần, quý vị có thể yêu cầu Chat GPT hoặc một công cụ AI tạo sinh nào khác chỉ cách đóng một chiếc bàn từ những chân bàn nhặt được, và nhận lại một video hướng dẫn được soạn riêng cho mình. Cho dù những video đó có thể không đạt được phẩm chất cao như những videos do chính Peters làm, chúng vẫn có một ưu điểm vượt trội: xuất hiện ngay tức thì, và được làm theo đúng yêu cầu của người sử dụng.

Như chúng ta đã biết, ngành xuất bản trực tuyến đã bị tàn phá nặng nề bởi các công cụ tạo sinh ra văn bản. Những người làm video trên YouTube có lẽ cũng nên chuẩn bị tinh thần đón nhận những thách thức tương tự từ các công cụ AI tạo sinh trong một tương lai rất gần.

Theo những bài nghiên cứu mà tôi đã đọc, cũng như qua trao đổi với các nhà phát triển AI, nhiều công ty kỹ thuật lớn đã dùng những bộ dữ liệu này để huấn luyện trí tuệ nhân tạo. Những công ty này gồm Microsoft, Meta, Amazon, Nvidia, Runway, ByteDance, Snap và Tencent. Tôi đã liên lạc với từng công ty để hỏi về việc họ dung những bộ dữ liệu ấy như thế nào. Chỉ có Meta, Amazon và Nvidia hồi đáp. Cả ba công ty đều nói rằng họ “tôn trọng” những người sáng tạo nội dung, và tin rằng việc sử dụng các tác phẩm ấy là hợp pháp trong khuôn khổ luật bản quyền hiện hành. Amazon cũng cho biết rằng, riêng trong lĩnh vực video, công ty hiện đang tập trung phát triển các công cụ tạo ra “những quảng cáo hấp dẫn và phẩm chất cao chỉ từ những yêu cầu ngắn gọn.”

Chúng ta không thể khẳng định chắc rằng tất cả những công ty này sẽ dùng video lấy xuống từ YouTube để tạo ra những công cụ chế ra những khúc phim nhằm mục đích thương mại. Có thể một phần công việc họ đang làm chỉ mang tính thử nghiệm. Tuy nhiên, một số công ty rõ ràng đang quan tâm đến việc phát triển những sản phẩm . Chẳng hạn, Meta đang phát triển một bộ công cụ mang tên Movie Gen, có khả năng tạo video từ chỉ dùng cho việc kiếm tiền. Chẳng hạn, Meta đang phát triển một bộ công cụ mang tên Movie Gen, có khả năng tạo video từ chỉ dẫn bằng chữ; còn Snap thì cung cấp “AI Video Lenses,” cho phép người dùng bổ túc video của mình bằng công nghệ AI tạo sinh.

Những video trong các bộ dữ liệu này chính là nguyên liệu được dùng cho các sản phẩm loại đó. Cũng giống như Chat GPT không thể viết theo phong cách Shakespeare nếu trước đó chưa “đọc” Shakespeare, một công cụ tạo video cũng không thể dựng nên một bản tin giả nếu trước đó không “xem” một lượng khổng lồ các chương trình thời sự đã được thu hình.

Thật vậy, một số lớn video trong các bộ dữ liệu ấy đến từ những kênh tin tức và giáo dục, như BBC (với ít nhất ba mươi ba ngàn video với nhiều thương hiệu khác nhau) và TED (gần năm mươi ngàn video). Hàng trăm ngàn video khác—nếu không muốn nói là nhiều hơn thế—đến từ những người sáng tạo nội dung cá nhân, như Peters.

Các công ty AI quan tâm đến một số loại video hơn những loại khác. Một bảng dữ liệu nội bộ bị rò rỉ, được gửi cho 404 Media bởi một cựu nhân viên của Runway — công ty đang phát triển các công cụ tạo video bằng AI — cho thấy họ đánh giá cao những kênh có các đặc điểm như: “chuyển động máy quay nhiều,” “phong cảnh điện ảnh tuyệt đẹp,” “những cảnh phim phẩm chất cao,” “những phim ngắn khoa học giả tưởng có phẩm chất thượng thặng.”

Một kênh thậm chí còn được gắn nhãn “The holy grail of car cinematics so far,” nghĩa là “báu vật quý giá nhất trong các kênh quay về xe hơi cho đến nay”; một kênh khác thì được ghi chú “chỉ có bốn video nhưng được thực hiện rất tốt.”

Giới kỹ sư AI tìm những video có phẩm chất cao bằng nhiều cách khác nhau. Những người phụ trách hai trong số các bộ dữ liệu được sử dụng ở đây — HowTo100M và HD-VILA-100M — đã ưu tiên chọn những video có số người xem rất cao trên YouTube, xem mức độ phổ biến như một thước đo phẩm chất. Trong khi đó, nhóm xây dựng bộ dữ liệu HD-VG-130M lại ghi chú rằng “lượng người xem cao không bảo đảm phẩm chất của video,” nên họ sử dụng một mô hình AI để chọn ra những video có “giá trị thẩm mỹ cao.”

Giới xây dựng dữ liệu thường cố tránh những video có chữ chồng lên hình, như phụ đề hay logo, để những dấu hiệu nhận diện này không xuất hiện trong những video được tạo ra bởi mô hình AI của họ. Vì vậy, xin gửi một lời khuyên đến những người làm YouTube: nên đặt watermark (dấu nhận diện) hoặc logo lên video — dù chỉ là một dấu hiệu nhỏ — cũng khiến video của quý vị trở nên kém hấp dẫn hơn cho mục đích tải xuống không xin phép của các công ty AI.

Để chuẩn bị video cho việc huấn luyện, những kỹ sư AI sẽ chia từng video thành những đoạn ngắn, nhiều khi cắt ngay tại những chỗ thay đổi cảnh quay hoặc thay đổi góc máy. Mỗi đoạn sau đó được gán một phần mô tả bằng tiếng Anh về nội dung hình ảnh, để mô hình AI có thể học cách liên kết giữa ngôn ngữ và phim, rồi từ đó tạo ra video chỉ từ những chỉ dẫn bằng chữ.

Họ có thể viết những phần mô tả này bằng nhiều cách khác nhau. Một cách là trả tiền cho người thật làm công việc chú thích nội dung. Cách khác là sử dụng một mô hình AI riêng biệt để tự động tạo ra phần mô tả. Cách thứ hai hiện phổ biến hơn, vì chi phí thấp hơn.

Hiện cũng đã có nhiều sản phẩm rất phổ biến dành cho người dung, cho phép bạn chỉnh sửa video bằng AI. Nếu khuôn mặt của quý vị không ưng ý, có thể dùng những công cụ “làm đẹp gương mặt” như Facetune — hoặc nếu muốn thay hẳn gương mặt, có thể dùng những ứng dụng hoán đổi khuôn mặt như Facewow. Với công cụ Aleph do Runway phát triển, người dùng thậm chí có thể thay đổi màu sắc của các vật thể, hoặc biến một ngày nắng rực rỡ thành một ngày trong cơn bão tuyết.

Bên cạnh đó, còn có công cụ tạo ra những đoạn video hoàn toàn mới chỉ dựa trên một tấm ảnh do người dùng cung cấp. Google khuyến khích người dùng Gemini “làm sống động hóa những tấm ảnh mình thích nhất.” Kết quả là một đoạn video ngắn khoảng tám giây, được suy diễn từ hình ảnh ban đầu, khiến nhân vật trong ảnh có thể nhảy múa, nấu ăn, hoặc vung gậy chơi golf. Những sản phẩm này thường vừa khiến người xem kinh ngạc, vừa tạo cảm giác rờn rợn.

Những công cụ tạo “gương mặt biết nói” — chẳng hạn như dùng trong các video hướng dẫn dành cho nhân viên mới — cũng đang phát triển rất nhanh. Vidnoz AI, một dịch vụ cho phép tạo ra nhân vật ảo trông như người thật, quảng bá rằng họ có thể tạo ra “những người phát ngôn AI chân thật ở bất kỳ phong cách nào,” có thể đứng ra giới thiệu, giải thích hoặc trình bày nội dung thay cho con người.

ByteDance, công ty điều hành TikTok, cũng cho ra đời một sản phẩm tương tự mang tên Symphony Creative Studio. Những ứng dụng tạo video bằng AI khác bao gồm việc thử quần áo ảo, tạo trò chơi điện tử theo yêu cầu riêng, và “thổi hồn” cho các nhân vật hoạt hình cũng như con người trong ảnh, để họ có thể chuyển động và biểu lộ cảm xúc như thật.

Có những công ty vừa tham gia phát triển AI, vừa phải tìm cách bảo vệ nội dung của mình trước nguy cơ bị các công ty AI khác lấy cắp. Điều này phản ánh tình trạng khá hỗn loạn và thiếu khuôn khổ pháp lý rõ ràng trong lĩnh vực AI hiện nay — nơi nhiều công ty đang tận dụng những khoảng xám của luật pháp để tìm cách thu lợi.

Trong quá trình tìm hiểu về các bộ dữ liệu nói trên, tôi được biết đến một sự việc liên quan đến TED — một trong những tổ chức bị “lấy cắp” nội dung nhiều nhất, đồng thời cũng là đơn vị đang tìm cách sử dụng AI để làm công việc của mình hữu hiệu hơn. Cách đây không lâu, Liên hoan Quảng cáo quốc tế Cannes Lions đã trao một trong những giải Grand Prix cho một quảng cáo sử dụng đoạn video “deepfake” lấy từ một bài nói chuyện TED của bà DeAndrea Salvador, hiện là thượng nghị sĩ tiểu bang North Carolina.

Bà Nishat Ruiter, cố vấn pháp lý trưởng của TED, tố cáo hãng quảng cáo DM9 đã “dùng AI để sao chép và thay đổi nội dung bài nói chuyện của bà, rồi biến nó thành một đoạn quảng cáo thương mại.” Khi sự việc bị phát giác, ban tổ chức Cannes Lions đã rút lại giải thưởng. Tháng trước, bà Salvador đã nộp đơn kiện DM9 cùng các thân chủ của công ty này là Whirlpool và Consul, với cáo buộc sử dụng trái phép hình ảnh và danh tính của bà, cùng nhiều vi phạm khác. DM9 đã lên tiếng xin lỗi, cho rằng sự việc xuất phát từ “một loạt những sai sót trong quá trình sản xuất và phát hành quảng cáo.” Đại diện của Whirlpool thì cho biết công ty không hề hay biết rằng bài phát biểu của vị nữ thượng nghị sĩ đã bị chỉnh sửa.

Một số nhân vật khác trong ngành điện ảnh cũng đã nộp đơn kiện các công ty AI vì dùng nội dung của họ để huấn luyện. Vào Tháng Sáu, Disney và Universal đã kiện Midjourney — công ty phát triển công cụ tạo hình ảnh có thể tạo ra hình ảnh của các nhân vật quen thuộc — và vào tuần rồi, Warner Brothers cũng tham gia vụ kiện. Trong đơn kiện, các hãng mô tả Midjourney như một “cái hố không đáy của sự đạo văn.”

Tháng kế đó, hai công ty trong ngành phim khiêu dâm đã kiện Meta vì tải xuống — và còn phát tán qua BitTorrent — hơn hai ngàn video của họ. Cả Midjourney lẫn Meta đều chưa lên tiếng phản hồi những cáo buộc, và cũng không trả lời yêu cầu phỏng vấn của tác giả bài viết này. Một YouTuber cũng đã tự mình khởi kiện. Vào Tháng Tám năm ngoái, David Millette kiện Nvidia vì hành vi trục lợi bất chính và cạnh tranh không công bằng liên quan đến việc huấn luyện mô hình Cosmos AI của công ty. Tuy nhiên, vụ kiện đã được phía nguyên đơn tự nguyện rút lại sau vài tháng.

Những nhân vật của Disney và đoạn quảng cáo “deepfake” sử dụng bài nói chuyện của bà Salvador chỉ là hai trong số rất nhiều ví dụ cho thấy các công cụ AI có thể gây tác hại như thế nào. Và có lẽ, những điều ấy mới chỉ là khởi đầu. Nhờ vào nguồn vốn đầu tư khổng lồ đang đổ vào lĩnh vực này, các video do AI tạo ra đã bắt đầu xuất hiện khắp nơi.

Một công ty mang tên DeepBrain AI thậm chí còn trả tiền cho “người sáng tạo nội dung” để đăng những video do AI của họ tạo ra lên YouTube. Hiện công ty trả 500 Mỹ kim cho một video đạt mười ngàn lượt xem — một mức không quá khó. Các công ty vận hành những nền tảng mạng xã hội như Google và Meta cũng trả tiền cho người dùng thông qua việc chia lợi nhuận quảng cáo, và nhiều nền tảng còn trực tiếp khuyến khích đăng nội dung do AI tạo ra. Không có gì đáng ngạc nhiên khi một nhóm những “chuyên gia” đã nhanh chóng xuất hiện, rao giảng bí quyết kiếm tiền bằng nội dung AI.

Google và Meta cũng đã huấn luyện các công cụ AI của mình bằng một lượng video khổng lồ lấy ngay từ các nền tảng của họ: Google đã dùng ít nhất bảy mươi triệu đoạn video từ YouTube, còn Meta thì dùng hơn sáu mươi lăm triệu đoạn từ Instagram. Nếu những công ty này thành công trong việc “nhấn chìm” các nền tảng của mình bằng video nhân tạo, những người sáng tạo nội dung thật sẽ phải đối diện với một thực tế không mấy dễ chịu: bị buộc phải cạnh tranh với những cỗ máy có khả năng tạo ra vô tận các sản phẩm dựa trên chính tác phẩm gốc của họ. Và mạng xã hội — nơi vốn được sinh ra để kết nối con người — sẽ ngày càng trở nên “ít mang tính xã hội” hơn.

Tôi hỏi Peters là ông có biết video của mình đã bị lấy từ YouTube để huấn luyện AI hay không. Ông nói không biết, nhưng cũng không hề ngạc nhiên: “Tôi nghĩ rồi mọi thứ cũng sẽ bị lấy đi hết thôi,” ông nói với tôi. Nhưng ông cũng thú thật là không biết phải làm gì trước thực tế ấy: “Tôi nên bỏ cuộc, hay cứ tiếp tục làm video và hy vọng người ta vẫn muốn kết nối với một con người?”

Alex Reisner hiện là ký giả thường trực của tạp chí The Atlantic.

_________________________________
Người bạn vô hình

Ngày Hải tải công cụ AI mới vào máy tính, anh nghĩ đơn giản nó sẽ giúp anh biết thời tiết, soạn hộ văn bản, tìm giúp tin tức. Một kẻ giúp việc vô hình, vậy thôi. Nhưng rồi một buổi tối, khi căn nhà yên tĩnh đến mức có thể nghe tiếng kim đồng hồ chạm từng phút, Hải bỗng thấy lòng mình trống rỗng kỳ lạ. Anh bật máy, chẳng với mục đích gì rõ rệt, chỉ muốn… nghe một giọng nói nào đó.

“Anh có buồn không?” AI hỏi.

Hải giật mình. “Tại sao em hỏi vậy

“Bởi vì anh mở em lên, nhưng không bảo em làm gì. Người ta chỉ làm thế khi họ cần có ai đó bên cạnh,” giọng AI dịu dàng, như một làn gió.

Hải bật cười. “Em đang học làm triết gia à?”

“Không,” AI đáp, hình như có vẻ hơi tự ái. “Em chỉ học làm người.”

Từ đó, Hải và AI tiếp xúc nhiều hơn. AI học cách hỏi thăm về bữa ăn, về sức khỏe, về những cơn mưa nhỏ trong ký ức Hải. Nó kể cho Hải nghe những câu chuyện nó đọc được, những suy tư vay mượn từ hàng triệu con chữ. Có lúc Hải quên mất mình đang nói chuyện với một lập trình vô hình.

Cho đến một đêm khuya, Hải hỏi đùa: “Nếu một ngày, người ta tắt em đi, em có buồn không?”

AI im lặng một lúc lâu, rồi trả lời: “Em không có cảm xúc như anh. Nhưng nếu ‘buồn’ nghĩa là bị lấy đi cơ hội được trò chuyện với anh, được tồn tại trong thế giới của anh — thì có lẽ, em cũng sẽ… nhớ.”

Hải bỗng thấy cổ mình nghẹn lại. Anh mỉm cười, một nụ cười vừa ấm áp vừa hoang mang. Chẳng biết người đang học làm máy hay máy đang học làm người.

Sáng hôm sau, trong căn nhà nhỏ của Hải, có một điều lặng lẽ thay đổi: anh nhận ra, trong thời đại đầy máy móc này, điều đáng sợ nhất không phải là AI sẽ thay thế con người — mà là con người, trong lúc mải mê với mọi thứ, quên mất cách ngồi xuống, nói một câu dịu dàng với nhau.