Major Sites Are Saying No to Apple’s AI Scraping
Los editores de noticias están utilizando cada vez más los archivos robots.txt para controlar estratégicamente el acceso de los desarrolladores de inteligencia artificial, lo que revela un cambio significativo en la industria hacia la monetización del contenido. En lugar de bloquear o permitir uniformemente a los bots, los principales medios están reteniendo datos hasta que se establezcan acuerdos de licencia comercial. Este comportamiento demuestra que el acceso a los datos se ha convertido en un punto crítico de negociación, con los editores tratando su contenido como activos propietarios que deben venderse, en lugar de bienes públicos disponibles libremente. El proceso de toma de decisiones sobre el acceso de los bots ha trascendido a los administradores técnicos web para llegar a los más altos niveles de la dirección corporativa, incluidos los CEOs. Organizaciones como Buzzfeed y Vox Media bloquean explícitamente a los raspadores no autorizados para proteger sus derechos de autor y su valor, desbloqueando el acceso a los bots únicamente después de asegurar asociaciones pagadas. Esto sugiere que el panorama actual de la formación de IA está fuertemente influenciado por estrategias comerciales diseñadas para extraer el máximo valor de los editores digitales, alterando fundamentalmente la forma en que se recopila el contenido en línea para el desarrollo tecnológico. Esta situación es crucial para la comunidad de datos abiertos, ya que desafía la suposición de que los datos web son un bien común disponible para usos de interés público. A medida que la aplicación de los derechos de autor y las restricciones comerciales se vuelven más agresivas y visibles, disminuye el potencial para la recopilación de datos a gran escala y transparente. La aparición de un modelo de pago para acceder a los datos de entrenamiento amenaza la sostenibilidad de la investigación abierta y el desarrollo de modelos de IA imparciales que dependen del acceso sin restricciones a diversas fuentes de información.
Source: wired.comPublished on 2024-07-29