Reddit kiện SerpApi: Vì sao tòa án trở thành oracle cuối cùng trong cuộc chiến dữ liệu AI

Tháng 4 năm 2024, một thẩm phán liên bang Hoa Kỳ bác đề nghị bãi nại của SerpApi trong vụ kiện do Reddit khởi xướng. Chỉ vỏn vẹn một dòng thông báo, nhưng ám hiệu quá rõ ràng: tòa cho phép vụ kiện đi sâu vào giai đoạn phơi bày bằng chứng. Với người trong ngành dữ liệu, đây không đơn thuần là chuyện hai công ty tranh chấp hợp đồng. Đây là lần đầu tiên một nền tảng Web2 dùng thẳng hệ thống tư pháp, thay vì tường lửa kỹ thuật, để bảo vệ một loại tài sản mà cộng đồng blockchain đã tuyên bố sẽ "phi tập trung hóa" suốt hơn một thập kỷ. SerpApi là ai. Một công ty chuyên cung cấp API, cho phép khách hàng truy vấn dữ liệu từ các trang kết quả tìm kiếm. Họ không sở hữu dữ liệu, không tạo ra dữ liệu, chỉ thu thập, cấu trúc hóa và bán lại. Reddit cáo buộc SerpApi scraping dữ liệu từ nền tảng của mình — hàng tỷ bài đăng, bình luận, điểm số, tương tác — rồi bán lại dưới dạng API cho bên thứ ba, trong đó có các công ty AI cần kho dữ liệu huấn luyện. Bối cảnh rộng hơn cũng rất quan trọng. Từ tháng 4 năm 2023, Reddit siết API: giá truy cập tăng vọt, buộc các ứng dụng bên thứ ba như Apollo phải đóng cửa. Động thái đó từng bị cộng đồng phản đối kịch liệt. Nhưng giờ đây, khi vụ kiện SerpApi được phép tiếp tục, chiến lược của Reddit rõ ràng hơn: họ không chỉ muốn thu phí API. Họ muốn biến kho dữ liệu UGC thành một loại tài sản được luật pháp bảo hộ, giống như một khu đất có sổ đỏ. Điều đầu tiên tôi nhìn vào là căn cứ pháp lý. Reddit kiện SerpApi dựa trên ba trụ cột chính: vi phạm hợp đồng (vi phạm Điều khoản dịch vụ), xâm phạm bản quyền (bản quyền tuyển tập đối với UGC) và tiếp cận trái phép máy tính theo CFAA. Trong ba trụ cột này, CFAA là trụ cột gây tranh cãi nhất. Kể từ vụ hiQ Labs kiện LinkedIn năm 2017, luật pháp Mỹ chưa bao giờ có câu trả lời dứt khoát cho câu hỏi: scraping dữ liệu công khai có vi phạm CFAA hay không. Tòa án Tối cao năm 2021 trong vụ Van Buren đã thu hẹp phạm vi CFAA, yêu cầu phải chứng minh hành vi "vượt quá phạm vi cho phép" liên quan đến một khu vực kỹ thuật cụ thể, không phải một điều khoản hợp đồng chung chung. Điều này giáng đòn mạnh vào các công ty muốn dùng CFAA để chống scraping. Mỗi lần kiểm toán là một lần tôi đặt câu hỏi: tại sao các kỹ sư của Reddit không tự chặn SerpApi? Họ có thể kiểm tra user-agent, chặn IP, thậm chí dùng CAPTCHA. Nhưng họ lại chọn con đường pháp lý. Câu trả lời rất tàn nhẫn: pháp lý hiệu quả hơn kỹ thuật. Bất kỳ biện pháp kỹ thuật nào cũng có thể bị vượt qua, nhưng một lệnh cấm của tòa án có thể buộc một công ty phải ngừng hoạt động. Nghe quen thuộc với tôi. Trong các cuộc kiểm toán smart contract, tôi luôn nói với đội ngũ: hợp đồng của bạn không thể tự bảo vệ mình, bạn cần một lớp trọng tài bên ngoài. Điểm mù nằm ở khái niệm "dữ liệu công khai". Trong thế giới blockchain, mọi thứ đều công khai. Tất cả giao dịch đều là dữ liệu mở. Không ai có thể chặn một địa chỉ ví đọc dữ liệu của một smart contract công khai. Nếu một ứng dụng DeFi muốn chống bot, họ không thể dùng luật. Họ phải viết luật ngay trong mã nguồn. Nhưng ngay cả mã nguồn cũng là một ranh giới mềm. Bot có thể đọc bytecode, mô phỏng giao dịch, tìm cách vượt qua bộ lọc. Không có rào cản kỹ thuật nào là tuyệt đối. Điều khiến tôi quan tâm nhất là cách vụ kiện này phản ánh một nghịch lý của ngành dữ liệu. Reddit, một nền tảng Web2, đang dùng luật hợp đồng để tạo ra một loại "quyền dữ liệu" rất giống với quyền sở hữu tài sản trên blockchain: không ai được sử dụng nó nếu không có chữ ký cho phép. Sự khác biệt là, với blockchain, chữ ký nằm trong mật mã; với Reddit, chữ ký nằm trong một điều khoản hợp đồng được tòa án bảo hộ. Nhưng các dự án blockchain đã cố giải quyết bài toán này suốt mười năm. Ocean Protocol cho phép người dùng "đóng gói" dữ liệu vào token, yêu cầu thanh toán để truy cập. Streamr tạo thị trường dữ liệu thời gian thực bằng token. Filecoin, Arweave, Storj giải quyết bài toán lưu trữ phi tập trung, với ý tưởng dữ liệu sẽ nằm trong các hợp đồng lưu trữ, người dùng được trả phí để chia sẻ. Mỗi lần tôi kiểm toán các nền tảng dữ liệu phi tập trung này, tôi đều nhận ra điều này: họ giải quyết bài toán "lưu trữ", nhưng không giải quyết được bài toán "quyền sở hữu". Khi một file được lưu trữ trên IPFS, nó có một content hash duy nhất. Nhưng nếu ai đó tải file đó về và đăng lên một nút IPFS khác, thì nút đó vẫn là một bản sao hợp lệ. Blockchain không thể ngăn chặn việc sao chép dữ liệu. Nó chỉ có thể ghi lại lịch sử giao dịch của token, không phải lịch sử sử dụng của file. Điều này dẫn đến câu hỏi quan trọng: tại sao Reddit không dùng blockchain để quản lý quyền truy cập dữ liệu của mình? Họ có đủ nguồn lực, đủ đội ngũ kỹ thuật. Họ có thể phát hành một loại token yêu cầu người đọc phải trả tiền để xem bài đăng. Nhưng họ không làm vậy. Vì một lý do đơn giản: public blockchain không cho phép thu hồi quyền truy cập. Khi dữ liệu đã nằm trên một mạng công khai, nó tồn tại vĩnh viễn, không thể kiểm soát. Đó không phải là một tính năng, đó là một trách nhiệm pháp lý khổng lồ với một công ty đại chúng như Reddit. Nghịch lý ở đây là: blockchain được quảng cáo là công nghệ "phi tập trung và xác lập quyền sở hữu", nhưng lại không thể thực thi quyền sở hữu đối với dữ liệu phi cấu trúc như văn bản, hình ảnh, video. Trong khi đó, một hệ thống pháp luật cũ kỹ, dựa trên giấy tờ và hợp đồng, lại đang làm điều mà blockchain không làm được: ngăn chặn người khác sử dụng dữ liệu của bạn mà không có sự cho phép. Mỗi lần kiểm toán là một lần tôi đặt câu hỏi: khi tôi đọc code của một giao thức cho phép người dùng giao dịch "dữ liệu được token hóa", tôi thấy những rủi ro kỹ thuật tinh vi. Nhưng rủi ro lớn nhất không nằm trong code, mà nằm ở thực tế: nếu người bán dữ liệu không có quyền sở hữu thực sự với dữ liệu đó, thì token của họ chỉ là một tờ giấy chứng nhận không giá trị. Người mua có thể sử dụng dữ liệu mà không cần token, vì về mặt vật lý, dữ liệu đã nằm trong tay họ. Một chi tiết nữa mà giới phân tích ít nhắc tới. SerpApi từng bị Twitter kiện vì hành vi tương tự vào năm 2021, trước khi hai bên đi đến hòa giải. Nói cách khác, đây là lần thứ hai SerpApi đối mặt với một nền tảng lớn trong cùng một loại tranh chấp. Trong ngành audit, khi tôi thấy một contract bị tấn công cùng một pattern hai lần, tôi biết chủ sở hữu không học được bài học. Nếu Reddit thắng, tiền lệ này sẽ khiến các nền tảng khác nhìn SerpApi như một mục tiêu dễ bị tổn thương. Góc nhìn phản trực giác tôi muốn đưa ra là thế này: thị trường dữ liệu AI không cần một blockchain hoàn hảo. Nó cần một cơ chế chứng minh quyền sở hữu và đồng thời cho phép kiểm toán tính toàn vẹn của dữ liệu. Điều đó nghe có vẻ giống blockchain, nhưng blockchain chỉ chứng minh được "ai sở hữu token", không chứng minh được "ai sở hữu nội dung". Muốn chứng minh quyền sở hữu nội dung, bạn cần một hệ thống pháp lý. Muốn chứng minh tính toàn vẹn, bạn cần hàm băm, chữ ký số, timestamp — những thứ rẻ hơn nhiều so với một Layer 1. Đừng hiểu lầm tôi đang bảo vệ SerpApi. SerpApi không phải nạn nhân. Họ là một công ty kinh doanh dữ liệu, và họ biết rõ rủi ro pháp lý của việc scraping. Điều tôi quan tâm là hệ quả dây chuyền. Nếu Reddit thắng, chúng ta sẽ chứng kiến một làn sóng các nền tảng nâng cấp điều khoản dịch vụ, biến thêm nhiều loại dữ liệu thành tài sản độc quyền. Các công ty AI đang dùng dữ liệu công khai sẽ gặp khó khăn hơn. Chi phí huấn luyện mô hình sẽ tăng, vì dữ liệu chất lượng ngày càng bị nhốt sau các bức tường pháp lý. Thế nên, tôi nghĩ tương lai của data licensing trong kỷ nguyên AI sẽ không nằm ở một Layer 2 nào đó, mà nằm ở sự kết hợp giữa hợp đồng thông minh đơn giản, chữ ký số và tòa án. Hợp đồng thông minh để tự động hóa thanh toán và ghi nhận thỏa thuận. Chữ ký số để chứng minh nguồn gốc dữ liệu. Tòa án để xử lý những trường hợp ranh giới mà không thuật toán nào xử lý nổi. Đây không phải là viễn cảnh đẹp cho những người tin vào "code is law". Nhưng thực tế đang chứng minh theo hướng đó. Reddit không cần Optimism hay Arbitrum để bảo vệ tài sản của họ. Họ cần một thẩm phán. Và khi một tòa án oracle được thừa nhận là cơ quan phân quyền cuối cùng, câu hỏi còn lại là: token gắn với dữ liệu trên blockchain còn giữ được giá trị gì, nếu luật pháp — chứ không phải mã nguồn — mới là lớp bảo vệ thực sự?