Trang lưu trữ mã nguồn chính thức của nhân Linux, git.kernel.org, vừa công bố một con số gây sốc: tại bất kỳ thời điểm nào, có tới 14 lõi CPU trên 5 máy chủ đặt rải rác toàn cầu chỉ làm đúng một việc, đó là dựng trang HTML cho các bot AI đến thu thập dữ liệu. Lượng tài nguyên máy chủ dành cho các bot này còn vượt qua tổng lượng tài nguyên phục vụ người dùng thật, kể cả những người tải mã nguồn bằng lệnh git clone thông thường.

Vì sao nhân Linux hấp dẫn với AI

Toàn bộ lịch sử phát triển nhân Linux được công khai, dễ lọc và quan trọng nhất là chưa từng bị nội dung do AI tạo ra làm nhiễu. Đây chính là loại dữ liệu huấn luyện lý tưởng cho các mô hình ngôn ngữ lớn (LLM), bởi dữ liệu càng sạch, mô hình học càng chuẩn.

Cách thu thập gây lãng phí khổng lồ

Thay vì tải trọn kho mã nguồn chỉ bằng một lệnh git clone, các bot lại chọn cách cực kỳ tốn kém: dựng từng commit riêng lẻ thành trang HTML rồi mới đọc. Với 1,48 triệu commit và 922 bản sao của riêng linux.git, số URL hợp lệ mà bot có thể quét lên tới hàng tỷ, phần lớn là bản sao trùng lặp. Đây là lời cảnh báo cho toàn ngành công nghệ về hệ quả của các bot AI thiếu kiểm soát.