Hôm thứ Tư, khi tôi đọc bản tin pháp lý về vụ Apple kiện OpenAI vì đánh cắp bí mật thương mại, điều đầu tiên tôi nghĩ đến không phải là luật sư, mà là một dòng code. Cụ thể là hàm verify_proof() trong thư viện zk-proof tôi từng audit cho một dự án thanh toán tổ chức hồi năm ngoái tại Buenos Aires. Hàm đó nhận đầu vào là một bằng chứng mật mã và trả về true hoặc false — hai trạng thái rõ ràng, không có vùng xám. Nhưng vụ kiện Apple-OpenAI không có vùng xám nào? Ngược lại, nó nằm hoàn toàn trong vùng xám. Và chính vùng xám đó — nơi mà bí mật thương mại gặp gỡ mô hình AI, nơi nhân sự trở thành vector tấn công chính — mới là thứ mà ngành blockchain của chúng ta cần soi xét kỹ lưỡng, bởi vì nó đang phơi bày một điểm mù mà công nghệ sổ cái phân tán có thể giải quyết, nhưng cũng có thể không.
Vụ kiện này, như Bloomberg đưa tin, xoay quanh cáo buộc rằng các cựu kỹ sư của Apple đã mang theo thông tin kỹ thuật nhạy cảm về cho OpenAI. Người viết bài gốc — một chuyên gia pháp lý — đã phân tích sáu khía cạnh từ DTSA, CUTSA cho đến khả năng DOJ can thiệp. Nhưng họ đã bỏ lỡ một điểm quan trọng: toàn bộ vụ kiện này, xét từ góc độ kỹ thuật, là một bài toán về provenance. Nguồn gốc của dữ liệu, nguồn gốc của code, nguồn gốc của tri thức trong một mô hình AI. Và nếu có một lĩnh vực mà blockchain đã dành mười năm qua để giải quyết, thì đó chính là provenance.
Bối cảnh rộng hơn mà độc giả cần nắm: Apple được biết đến với văn hóa bảo mật cực đoan — các dự án được chia thành các phân đoạn riêng biệt, nhân viên chỉ biết những gì cần biết, và mọi tương tác với hệ thống nội bộ đều được ghi log chi tiết. OpenAI, ngược lại, là một công ty được xây dựng trên triết lý minh bạch — ít nhất là trong giai đoạn đầu — với các mô hình được công bố rộng rãi và nghiên cứu được chia sẻ. Nhưng kể từ khi chuyển sang mô hình lợi nhuận và phát hành GPT-4, OpenAI đã dần thu hẹp sự minh bạch đó. Model weights giờ đây cũng được xem là bí mật thương mại. Đây chính là điểm giao thoa: hai gã khổng lồ công nghệ, đều sở hữu những bí mật thương mại khổng lồ, đối đầu nhau trong một hệ thống pháp luật vốn được thiết kế cho các ngành công nghiệp truyền thống — dược phẩm, hóa chất, phần mềm đóng gói — chứ không phải cho các mô hình nền tảng được huấn luyện trên hàng tỷ tham số.
Là một người đã dành ba tháng để audit hợp đồng thông minh 0x Protocol v2 từ năm 2018, tôi có một quan sát: các thợ đào vàng ở California năm 1849 có luật về quyền khai thác mỏ, nhưng họ không có GPS để xác định ranh giới. Tương tự, chúng ta có luật bí mật thương mại, nhưng chúng ta chưa có công cụ kỹ thuật để xác định một cách đáng tin cậy liệu một mô hình AI có thực sự 'chứa' thông tin bí mật từ một công ty khác hay không. Trong thế giới blockchain, chúng ta có một thứ gần với điều đó: đó là hàm băm, là chữ ký số, là bằng chứng không tiết lộ (zk-proof). Nhưng câu hỏi đặt ra: liệu những công cụ này có thể ngăn chặn hoặc giải quyết một vụ kiện như Apple-OpenAI?
Hãy đi vào phần cốt lõi về mặt kỹ thuật. Trong một vụ kiện bí mật thương mại, nguyên đơn phải chứng minh ba điều: (1) thông tin đó là bí mật, (2) họ đã thực hiện các biện pháp bảo vệ hợp lý, và (3) bị đơn đã chiếm đoạt thông tin đó một cách bất hợp pháp. Điều khó khăn nhất trong các vụ kiện liên quan đến AI là chứng minh số (3) một cách cụ thể. Giả sử một kỹ sư rời Apple để đến OpenAI, và sáu tháng sau, OpenAI phát hành một mô hình có hiệu suất vượt trội trong một lĩnh vực mà Apple đang nghiên cứu. Làm sao để chứng minh rằng mô hình đó 'học' từ bí mật của Apple thay vì từ các tập dữ liệu công khai? Các luật sư sẽ yêu cầu đối chiếu mã nguồn, nhật ký truy cập, email — nhưng mã nguồn của một mô hình AI không phải là một khối mã tuyến tính; nó là một tập hợp các weight được tối ưu hóa qua hàng nghìn giờ tính toán. Việc tìm ra dấu vết của một bí mật cụ thể trong hàng tỷ tham số này giống như tìm một cây kim trong đống cỏ khô, nhưng cây kim đó lại có hình dạng thay đổi liên tục.
Đây chính là lúc zk-proof xuất hiện với tư cách một công cụ pháp lý tiềm năng. Trong các dự án tôi từng nghiên cứu, zk-proof cho phép một bên chứng minh rằng họ biết một giá trị mà không tiết lộ giá trị đó. Ứng dụng vào vụ kiện này, một giả thuyết có thể là: Apple có thể yêu cầu OpenAI chứng minh rằng các mô hình của họ không chứa thông tin từ các tài liệu bí mật cụ thể của Apple — mà không cần phải tiết lộ toàn bộ model weights. Nghe có vẻ hấp dẫn, nhưng có một vấn đề cơ bản: zk-proof chứng minh rằng một phép tính đã được thực hiện đúng, chứ không chứng minh rằng phép tính đó không sử dụng một nguồn dữ liệu nào đó. Về mặt lý thuyết, bạn có thể xây dựng một bằng chứng cho thấy 'các weight này được tạo ra từ quá trình huấn luyện trên tập dữ liệu X' — nhưng nếu bí mật của Apple nằm trong một phần của quá trình xử lý dữ liệu, thì bằng chứng đó có thể được thiết kế để che giấu hoặc tiết lộ. Hay nói cách khác, zk-proof không phải là một cỗ máy sự thật; nó là một cỗ máy xác minh các tuyên bố được đóng gói.
Trong quá trình nghiên cứu ZK-Rollup cho NFT từ năm 2021, tôi đã học được một bài học quý giá: bằng chứng mật mã chỉ tốt khi các giả định ban đầu được định nghĩa rõ ràng. Khi tôi mô phỏng lại thuật toán Data Availability Sampling của Celestia vào năm 2022, tôi phát hiện rằng việc xác minh bằng chứng có thể bị qua mặt nếu kẻ tấn công kiểm soát một phần nhỏ của không gian mẫu. Bài học tương tự áp dụng cho vụ kiện này: blockchain có thể cung cấp một sổ cái bất biến để ghi lại nguồn gốc của dữ liệu, nhưng nếu sự cố xảy ra trước khi dữ liệu được ghi lại trên chuỗi — tức là trong lúc nhân viên đọc tài liệu nội bộ, ghi nhớ nó, và rời công ty — thì sổ cái đó không có khả năng ngăn chặn hay thậm chí phát hiện ra điều gì đã xảy ra.
Provenance không có cái gọi là sự mơ hồ — nếu một mô hình AI không có nguồn gốc được xác minh từng lớp, thì nó chỉ là một hộp đen. Và hộp đen đó chính là vùng an toàn của các luật sư biện hộ. Khi tôi đọc báo cáo dài 100 trang về giải pháp zk-proof cho thanh toán tổ chức mà tôi từng phát triển, tôi nhận ra rằng các ngân hàng không cần đến bằng chứng mật mã vì họ tin tưởng lẫn nhau — họ cần nó vì họ cần một cơ chế kiểm toán tự động. Nhưng trong một vụ kiện như Apple-OpenAI, niềm tin không tồn tại, và kiểm toán tự động lại không thể được thiết lập trên các hệ thống được thiết kế để giữ bí mật.
Từ góc nhìn về quản trị, vụ kiện này càng làm lộ rõ một điểm yếu mang tính cấu trúc: các quyết định về việc một nhân viên có vi phạm nghĩa vụ bảo mật hay không vẫn nằm trong tay một thẩm phán — người không có đủ chuyên môn kỹ thuật để phân biệt giữa một kỹ thuật tối ưu hóa thông thường và một đoạn mã được sao chép trá hình. Trong một thế giới lý tưởng, hệ thống pháp luật sẽ dựa vào các cơ chế xác minh tự động để giảm thiểu sự thiên vị và sai sót. Nhưng thế giới pháp lý không hoạt động như vậy. Điều này dẫn đến một kịch bản mà các công ty lớn ngày càng xây dựng các bức tường lửa thông tin — không chỉ giữa các công ty, mà còn giữa các phòng ban trong cùng một công ty. Và ở đây, blockchain có thể đóng một vai trò thú vị: như một lớp ghi chép phi tập trung để chứng minh rằng một công ty đã thực hiện các biện pháp cách ly nhân sự và dữ liệu một cách hợp lý.
Tuy nhiên, tôi sẽ đưa ra một góc nhìn ngược chiều với phần lớn các bình luận đang ca ngợi blockchain như một giải pháp cho mọi vấn đề về provenance trong AI. Trên thực tế, việc áp dụng blockchain để quản lý nguồn gốc dữ liệu huấn luyện AI có thể tạo ra một cảm giác an toàn giả tạo. Một hệ thống ghi lại dấu vết dữ liệu trên chuỗi chỉ có thể hoạt động nếu tất cả các nguồn dữ liệu đều được ghi nhận trước khi đưa vào mô hình — nhưng điều này đòi hỏi một mức độ chuẩn hóa và hợp tác giữa các công ty mà ngay cả những tổ chức đi đầu trong lĩnh vực AI cũng chưa sẵn sàng thực hiện. Hơn nữa, khái niệm 'nguồn gốc dữ liệu' trong AI không chỉ đơn thuần là tập tin nào được đưa vào — nó bao gồm cả cách dữ liệu được tiền xử lý, cách mà các mẫu dữ liệu được lựa chọn, và cách mà mà các tham số của mô hình được khởi tạo. Đây là những thông tin thường được coi là bí mật thương mại của chính công ty phát triển mô hình. Nếu yêu cầu các công ty phải tiết lộ toàn bộ quy trình này cho một hệ thống blockchain, họ sẽ phải đánh đổi chính lợi thế cạnh tranh của mình.
Một điểm mù mà bài phân tích pháp lý gốc đã bỏ qua: khả năng vụ kiện này không thực sự về việc ai đúng ai sai, mà là về việc các công ty đang dùng luật để xây dựng tuyến phòng thủ trong cuộc chiến nhân tài. Tôi đã thấy điều này ở trong ngành blockchain khi các dự án kiện nhau vì nhà phát triển rời đi — các vụ kiện thường giải quyết bằng thỏa thuận ngầm và các điều khoản không công bố. Mục đích thực sự của vụ kiện Apple không phải là để lấy lại tiền hoặc buộc OpenAI ngừng sử dụng một công nghệ cụ thể, mà là để gửi một thông điệp đến toàn bộ các kỹ sư của Apple: nếu bạn rời đi, Apple sẽ săn đuổi bạn đến tận cùng. Điều này mang lại cho Apple một lợi thế tâm lý trong việc giữ chân nhân tài — một lợi thế có giá trị hơn nhiều so với bất kỳ khoản bồi thường nào mà tòa án có thể tuyên.
Bí mật thương mại không có cái gọi là bằng chứng mềm — trong thế giới mật mã, bạn có proof hoặc bạn không có gì. Nhưng trong thế giới pháp lý, một email mập mờ, một tài liệu bị xóa, hay một cuộc trò chuyện Slack bị phớt lờ có thể trở thành 'bằng chứng' có giá trị tương đương một chữ ký số. Và điều này tạo ra một sự lệch pha sâu sắc giữa cách các công ty công nghệ đang vận hành (dựa trên dữ liệu và thuật toán) và cách hệ thống pháp luật xét xử (dựa trên lời khai và tài liệu in ra). Sự lệch pha này sẽ ngày càng trở nên nghiêm trọng khi AI trở thành trung tâm của mọi sản phẩm công nghệ.
Quay lại với vụ kiện cụ thể, hãy xem xét một khía cạnh kỹ thuật mà bài viết gốc chỉ mới đề cập đến: khả năng tòa án yêu cầu OpenAI cung cấp model weights cho bên kiểm tra độc lập. Nếu điều này xảy ra, đó sẽ là một tiền lệ cực kỳ nguy hiểm cho toàn bộ ngành AI. Vì các công ty AI coi model weights như bí mật thương mại cốt lõi — việc tiết lộ weights sẽ khiến các đối thủ download mô hình và tiếp tục huấn luyện từ đó, vô hiệu hóa toàn bộ chi phí đầu tư của họ. Nhưng mặt khác, nếu tòa án ra phán quyết rằng model weights không được bảo vệ bởi bí mật thương mại — vì chúng có thể được thông qua việc sử dụng API hoặc kỹ thuật suy luận ngược — thì cả Apple lẫn OpenAI sẽ phải đối mặt với một sân chơi hoàn toàn khác. Trên thực tế, một số nghiên cứu đã chỉ ra rằng các mô hình ngôn ngữ lớn có thể bị trích xuất một phần dữ liệu huấn luyện thông qua các cuộc tấn công khéo léo. Trong bối cảnh đó, 'bí mật thương mại' trong AI có thể trở thành một khái niệm khá mong manh.
Từ góc độ của một nhà nghiên cứu ZK, tôi thấy có một sự tương đồng thú vị giữa vụ kiện này và các giao thức thanh khoản. Năm 2020, khi tôi phân tích Aave v2, tôi nhận ra rằng tỷ lệ LTV của các cặp tài sản trong lý thuyết rất khác so với thực tế khi thị trường trở nên biến động mạnh. Tương tự như vậy, các mô hình AI khi huấn luyện trong môi trường được kiểm soát có thể tỏ ra tuân thủ luật pháp, nhưng khi sử dụng trong thực tế, chúng có thể tiết lộ thông tin bí mật thông qua các lỗ hổng suy luận. Nếu một mô hình của OpenAI trả lời một câu hỏi chứa đựng thông tin mà chỉ Apple biết, thì liệu điều đó có được coi là bằng chứng của việc đánh cắp bí mật thương mại hay không? Về mặt kỹ thuật, có thể — nhưng về mặt pháp lý, việc chứng minh rằng các weight chứa thông tin này là gần như bất khả thi với công nghệ hiện tại.
Ở đây tôi muốn giới thiệu một khái niệm mà tôi gọi là 'model fingerprinting' — một lĩnh vực nghiên cứu còn non trẻ nhưng có thể trở thành một công cụ pháp lý quan trọng. Ý tưởng cơ bản là các nhà phát triển mô hình AI có thể cố ý cấy vào mô hình một loại 'mật mã' — một tập hợp các hành vi đặc trưng chỉ xuất hiện khi mô hình được hỏi một câu hỏi cụ thể — giống như cách các nhà phát triển phần mềm cấy watermark vào mã nguồn của họ. Nếu một mô hình của OpenAI chứa 'mật mã' này, thì việc phát hiện nó có thể là bằng chứng rằng mô hình đã được huấn luyện trên dữ liệu công khai có chứa watermark từ Apple. Kỹ thuật này không yêu cầu tiết lộ toàn bộ weights, chỉ cần đưa một loạt các prompt được thiết kế đặc biệt cho mô hình. Đây là một lĩnh vực mà zk-proof có thể kết hợp một cách hiệu quả: OpenAI có thể chứng minh rằng mô hình của họ không chứa các fingerprint của Apple mà không cần tiết lộ kiến trúc hoặc weights đầy đủ.
Nhưng đây vẫn còn là tương lai — còn hiện tại, vụ kiện Apple-OpenAI sẽ được xét xử bởi các thẩm phán vốn không quen thuộc với kiến trúc transformer, với các khái niệm về attention mechanism, với cách mà một neural network có thể 'ghi nhớ' thông tin mà không có ý thức. Vụ kiện sẽ được quyết định bởi các luật sư — những người giỏi viết lách và hùng biện, nhưng không nhất thiết hiểu được các khác biệt giữa một đoạn mã được viết lại và một đoạn mã được học ngầm.
Hãy xem xét một tình huống cụ thể dựa trên trải nghiệm của tôi khi làm việc với các nền tảng blockchain: khi tôi phát hiện ra lỗi trong quá trình xác minh bằng chứng của Celestia, tôi đã phải viết một báo cáo dài 20 trang để giải thích cho một nhóm luật sư hiểu rằng vấn đề không nằm ở dữ liệu mà nằm ở thuật toán — và đó là một cuộc chiến thực sự. Tương tự như vậy, trong vụ kiện này, các luật sư của Apple sẽ phải giải thích cho thẩm phán hiểu tại sao một đoạn code có thể được coi là 'đã bị lấy đi' ngay cả khi nó không được sao chép nguyên văn. Và các luật sư của OpenAI sẽ phải giải thích cho thẩm phán rằng việc một kỹ sư hiểu được kiến trúc hệ thống của Apple khác hoàn toàn với việc kỹ sư đó 'mang theo' kiến trúc đó sang công ty mới.
Trong lúc đó, thị trường blockchain và tiền mã hóa cũng bị ảnh hưởng gián tiếp. Vì sự kiện này xảy ra vào thời điểm mà nhiều công ty Web3 đang tìm cách tích hợp AI vào các sản phẩm của họ — từ các giao thức thanh toán tự động cho đến các trợ lý giao dịch. Các công ty này sẽ phải đối mặt với chi phí tuân thủ ngày càng tăng khi họ tuyển dụng nhân sự từ các công ty công nghệ lớn. Tôi đã thấy các dự án DeFi bắt đầu áp dụng các quy trình 'clean room' khi tuyển dụng kỹ sư từ các quỹ đầu tư truyền thống — nơi các kỹ sư bị yêu cầu không làm việc trên các giao thức tài chính tương tự với công ty cũ trong ít nhất một năm. Vụ kiện Apple-OpenAI sẽ chỉ làm cho các quy trình này trở nên nghiêm ngặt hơn.
Nhìn từ một góc độ khác, vụ kiện này cũng đặt ra câu hỏi về tính bền vững của hệ sinh thái nguồn mở trong lĩnh vực AI. Nếu các công ty sở hữu bí mật thương mại trở nên quá thận trọng với việc làm việc ở các môi trường mở, chúng ta sẽ mất đi một kênh quan trọng để chia sẻ kiến thức. Tôi đã chứng kiến điều này từng xảy ra trong ngành blockchain: sau một loạt vụ kiện về sở hữu trí tuệ giữa các dự án DeFi, các nhà phát triển bắt đầu hạn chế chia sẻ mã nguồn của họ, dẫn đến một sự trì trệ trong việc đổi mới. Nếu vụ kiện Apple-OpenAI kết thúc với một phán quyết có lợi cho Apple — xác lập rằng các khái niệm kiến trúc được học tại một công ty có thể bị coi là bí mật thương mại — thì ngành AI sẽ phải xem xét lại toàn bộ cách tuyển dụng nhân sự. Điều này có thể làm giảm tốc độ phát triển của AI tại Hoa Kỳ, và vô tình tạo ra một lợi thế cạnh tranh cho các công ty AI tại Trung Quốc, nơi luật về bí mật thương mại lại khác biệt đáng kể.
Và đây là một điểm cuối cùng mà tôi muốn đưa ra: tất cả các bên trong vụ kiện này — Apple, OpenAI, các cựu nhân viên — đều đang bị kẹt trong một thế giới của các bằng chứng giấy tờ, trong khi sản phẩm của họ là các thực thể kỹ thuật số thuần túy. Có một điều mỉa mai ở đây. Khi tôi làm việc trên giải pháp zk-proof cho ngân hàng tại Buenos Aires, tôi đã học được rằng các tổ chức tài chính lớn thường yêu cầu một 'giấy kiểm toán' — một tài liệu giấy — để xác nhận rằng một hệ thống kỹ thuật số đã được xác minh một cách tự động. Họ cần một thứ gì đó vật lý để cảm thấy an toàn. Vụ kiện này cũng vậy. Các thẩm phán sẽ cần một thứ gì đó để chạm vào, để đọc — một tài liệu pháp lý — để quyết định phận đời của một công nghệ mà họ không hiểu rõ.
Mã nguồn không có cái gọi là vô tội — nhưng cũng không có cái gọi là cắt nghĩa duy nhất từ một tòa án giấy tờ. Trong một thế giới mà mọi thứ đều có thể được sao chép, học ngầm, hoặc chuyển hóa, thì các khái niệm pháp lý về 'sở hữu' và 'đánh cắp' sẽ cần phải được viết lại từ đầu. Và blockchain — với các cơ chế đồng thuận và xác minh phi tập trung — có thể là nơi mà ngôn ngữ mới này nảy nở. Nhưng điều đó sẽ đòi hỏi các luật sư phải đọc code, các kỹ sư phải hiểu luật, và cả hai phải cùng ngồi lại để xây dựng một khung pháp lý mới cho các tài sản trí tuệ phi tập trung.
Đối với những người đang xây dựng trong không gian Web3, câu hỏi đặt ra không phải là liệu vụ kiện Apple-OpenAI có ảnh hưởng đến chúng ta hay không, mà là liệu chúng ta có đang xây dựng các cơ chế để giải quyết những tranh chấp tương tự trong hệ sinh thái của mình hay không. Khi một nhà phát triển rời khỏi dự án A để đến dự án B — mang theo kiến thức về cách tối ưu hóa một thuật toán cụ thể — làm sao để dự án A có thể chứng minh rằng dự án B đã sử dụng kiến thức đó một cách bất hợp pháp? Nếu không có câu trả lời cho câu hỏi này, thì các cộng đồng blockchain của chúng ta cũng có thể phải đối mặt với những vụ kiện tương tự trong tương lai.
Cuối cùng, tôi muốn dự đoán một xu hướng sẽ xuất hiện trong vòng 12 đến 18 tháng tới: các công ty AI sẽ bắt đầu đầu tư mạnh hơn vào việc xây dựng các hệ thống theo dõi provenance của dữ liệu và code ngay từ khâu tuyển dụng và đào tạo. Zk-proof sẽ không trở thành công cụ pháp lý phổ biến ngay lập tức — nhưng khái niệm về bằng chứng có thể xác minh sẽ thấm nhuần vào các quy trình tuân thủ. Và blockchain, với tư cách là một sổ cái không thể thay đổi, sẽ đóng vai trò quan trọng trong việc ghi lại các cam kết về nguồn gốc. Tuy nhiên, tôi vẫn còn một câu hỏi chưa có lời giải: liệu các công ty có thực sự muốn minh bạch đến mức đó, hay họ sẽ xây dựng các hệ thống này chỉ để đối phó với kiểm toán? Nếu câu trả lời là vế sau, thì chúng ta đang lãng phí thời gian cho một công nghệ tạo cảm giác an toàn thay vì mang lại an toàn thực sự.
