[비즈한국] Dữ liệu cho thấy một công ty xử lý ngôn ngữ trong nước đã truy cập "Công cụ kiểm tra chính tả tiếng Hàn" do nhóm nghiên cứu tại Đại học Quốc gia Pusan phát triển và cung cấp miễn phí hơn 20 năm qua khoảng 2 triệu lần. Việc các yêu cầu truy cập dồn dập trong thời gian ngắn đã dẫn đến tình trạng gián đoạn dịch vụ. Công ty thực hiện hành vi truy cập quy mô lớn này được xác định là đơn vị từng có lịch sử thực hiện nhiều dự án quốc gia trong nhiều năm.
Theo kết quả điều tra của Biz Hankook vào ngày 12, vào chiều ngày 5 vừa qua, một công ty trong nước đã thực hiện khoảng 2 triệu lượt truy cập vào Barun Hangeul, vốn được biết đến là "Công cụ kiểm tra chính tả tiếng Hàn của Đại học Quốc gia Pusan". Dịch vụ vốn xử lý khoảng 250.000 tài liệu mỗi ngày này đã phải hứng chịu một lượng yêu cầu khổng lồ trong thời gian ngắn, dẫn đến gián đoạn dịch vụ.
Số lượng tài liệu được kiểm tra chính tả thông qua đợt truy cập này ước tính từ 800.000 đến 850.000 văn bản, vượt gấp 3 lần lượng kiểm tra thông thường mỗi ngày. Để tránh chi phí sử dụng AWS tăng vọt do các yêu cầu quá mức, Barun Hangeul đã cài đặt chế độ tự động ngắt hệ thống khi vượt quá mức truy cập cho phép. Vào ngày 5 vừa qua, cơ chế này đã kích hoạt khiến dịch vụ tạm ngừng.
Phía Barun Hangeul nhận định đây không phải là cách sử dụng thông thường mà là hình thức "crawling" (cào dữ liệu) tự động. Nguyên nhân là vì con người khó có thể nhập thủ công hàng trăm nghìn tài liệu để kiểm tra, hơn nữa các yêu cầu lại tập trung từ một máy chủ cụ thể trong thời gian ngắn. Đặc biệt, công ty này đã lợi dụng giao diện cũ từng được để lại cho người dùng trước đây. Ngay cả vào ngày hôm sau khi hệ thống bị gián đoạn, việc truy cập từ cùng một công ty vẫn tiếp tục được ghi nhận. Vì vậy, Barun Hangeul cho rằng khó có thể kết luận đây là sai sót đơn thuần hay truy cập một lần, và hiện đang tiến hành xác minh cụ thể vụ việc.
Vào ngày 10, Barun Hangeul đã gửi văn bản yêu cầu công ty nói trên giải trình về mục đích và nguyên nhân của hành vi truy cập quy mô lớn này. Tính đến ngày 12, công ty này vẫn chưa đưa ra phản hồi. Được biết, công ty này hoạt động trong lĩnh vực kiểm tra chính tả và xử lý ngôn ngữ, không phải là một đơn vị nhỏ lẻ. Họ cũng từng có lịch sử thực hiện các dự án quốc gia liên quan đến kiểm tra chính tả và dữ liệu học máy cho trí tuệ nhân tạo (AI).
Phía Barun Hangeul nghi ngờ rằng đợt truy cập quy mô lớn này có thể được sử dụng cho mục đích "chưng cất tri thức" (Knowledge Distillation), tức là sử dụng kết quả đầu ra của một hệ thống hiệu suất cao để huấn luyện các mô hình nhỏ hơn. Trong lĩnh vực AI, phương pháp sử dụng kết quả do các hệ thống khác tạo ra làm dữ liệu học tập để nâng cao hiệu suất mô hình đang được áp dụng phổ biến.
Đây không phải là lần đầu tiên xảy ra tình trạng truy cập bất thường với số lượng lớn vào công cụ kiểm tra chính tả tiếng Hàn. Vào năm 2023, một trường hợp đã được xác nhận với hơn 5 triệu lượt truy cập thông qua địa chỉ IP được cho là của một căn hộ ở khu vực phía nam tỉnh Gyeonggi trong vòng một tháng. Vào thời điểm đó, hành vi này cũng được xác định là nhằm mục đích thực hiện các lệnh gọi kiểm tra lặp đi lặp lại để phục vụ cho mục đích deep learning.
Phía Barun Hangeul cho biết: "Hiện chúng tôi đang làm rõ các chi tiết cụ thể, bao gồm cả mục đích của hành vi này", đồng thời nhấn mạnh: "Chúng tôi rất thận trọng vì nếu công khai khi chưa nghe giải trình từ phía công ty đó, thông tin sai lệch có thể bị lan truyền".