Wikipedia offers AI developers a training dataset to maybe get scraper bots off its back

Wikipedia enfrenta una importante carga en sus servidores debido a los rastreadores de inteligencia artificial, lo que ha llevado a la Fundación Wikimedia a lanzar un conjunto de datos estructurado a través de Kaggle. Esta iniciativa tiene como objetivo desviar el tráfico de bots y, al mismo tiempo, proporcionar a los desarrolladores datos optimizados para entrenar modelos generativos. El conjunto de datos ofrece contenido con licencia libre, incluidos resúmenes y datos en formato clave-valor, diseñados específicamente para el aprendizaje automático. Aunque excluye referencias y contenido multimedia, estos materiales siguen estando disponibles bajo licencias permisivas, lo que garantiza su uso legal para el desarrollo de inteligencia artificial. Este cambio resalta la tensión entre el acceso abierto y la sostenibilidad de la infraestructura en el ecosistema de datos abiertos. Al proporcionar datos curados, Wikimedia equilibra la demanda de recursos para el entrenamiento de IA con la necesidad de proteger la experiencia de los usuarios humanos, estableciendo un precedente para la gestión de los bienes digitales comunes frente a la extracción automatizada.

Fuente: engadget.com
Publicado el 2025-04-18

Wikipedia offers AI developers a training dataset to maybe get scraper bots off its back

Noticias relacionadas