Google, Anthropic y otras empresas apoyarán un nuevo estándar de exclusión para el rastreo de IA - SiliconANGLE
Las principales empresas tecnológicas están colaborando para establecer un protocolo estandarizado de rastreo web que otorgue a los operadores de sitios web el control sobre cómo se utiliza su contenido para el entrenamiento de inteligencia artificial. Al introducir un método unificado dentro del Protocolo de Exclusión de Robots (Robots Exclusion Protocol) ya existente, esta iniciativa simplifica el proceso de bloqueo de los raspadores (scrapers) de IA. Anteriormente, los propietarios de sitios debían agregar manualmente entradas individuales para cada proveedor de IA y cada scraper específico, una tarea engorrosa que a menudo resultaba en protecciones inconsistentes. Este nuevo estándar permite a los editores prohibir la recopilación de datos para el entrenamiento de IA generativa con una sola entrada, reduciendo significativamente la carga administrativa y mejorando la soberanía sobre el contenido. El marco propuesto también distingue entre la recopilación de datos para entrenamiento y las interacciones en tiempo real con los usuarios. Se centra específicamente en los modelos que realizan tareas generativas, excluyendo aquellos que cumplen funciones exclusivamente no generativas. Además, Microsoft planea introducir configuraciones de "Fundamentación de IA" (AI Grounding), que dan a los editores el control sobre si sus sitios web se acceden para responder preguntas inmediatas de los usuarios o si se utilizan para mejorar los modelos. Esta granularidad asegura que el consentimiento pueda gestionarse según la naturaleza específica de la interacción de la IA con el sitio web, equilibrando la innovación con los derechos de los operadores. Este desarrollo es crucial para la defensa de los datos abiertos, ya que pone de manifiesto la tensión entre las amplias necesidades de datos del desarrollo de IA y los derechos de los creadores de contenido. Demuestra un avance hacia prácticas de datos más éticas y transparentes, asegurando que la web abierta siga siendo accesible para el uso humano, mientras permite a los editores optar por no participar en el raspado automatizado para el entrenamiento de IA comercial. Al formalizar estos controles, la industria está estableciendo precedentes para el consentimiento digital, reforzando la importancia de respetar la integridad de los datos de origen en la era de la inteligencia artificial generativa.
Fuente: siliconangle.comPublicado el 2026-11-01
Noticias relacionadas
- Google se une a OpenAI y Anthropic al prometer nuevos controles de raspado - Engadget
- Cuando alguien hace tus flexiones, ¿puedes sentir cómo se contraen tus músculos? - The Economic Times
- Exinvestigador de Meta distribuyó por torrent un conjunto de datos con libros pirateados, lo eliminó “debido a toda esta litigación” * TorrentFreak
- Apple en el trabajo: junto a una factura de tokens en aumento, los Mac podrían empezar a parecer una ganga - 9to5Mac
- MeitY presenta el manual de DEPA para facilitar el intercambio confiable de datos para el entrenamiento de IA