TEHNOLOGIE. OpenAI, Google, Microsoft și Anthropic au anunțat că vor susține un sistem comun prin care site-urile de internet vor putea refuza utilizarea articolelor, imaginilor și a altor materiale publicate pentru antrenarea modelelor de inteligență artificială. Inițiativa le oferă editorilor și administratorilor de site-uri posibilitatea de a transmite aceeași preferință mai multor companii AI, fără să fie nevoiți să configureze reguli diferite pentru fiecare furnizor.
În prezent, proprietarii site-urilor trebuie să identifice separat roboții utilizați de fiecare companie și să introducă instrucțiuni individuale pentru a limita accesul acestora la conținut. Noul mecanism urmărește să înlocuiască această procedură cu un semnal standardizat, pe care companiile participante se angajează să îl recunoască și să îl respecte.
O singură regulă în fișierul robots.txt
Soluția propusă se bazează pe fișierul robots.txt, prezent pe majoritatea site-urilor și folosit pentru a comunica motoarelor de căutare și roboților automatizați ce pagini pot accesa. Prin introducerea unei noi instrucțiuni, administratorii vor putea indica dacă materialele publicate pot fi utilizate sau nu pentru antrenarea modelelor generative.
Regula comună folosește identificatorul „__usage_ai-training". De exemplu, un site care nu dorește ca materialele sale să fie folosite pentru antrenarea AI poate introduce o instrucțiune de blocare pentru întregul domeniu, dar poate permite în continuare utilizarea anumitor secțiuni, precum pagina de prezentare a publicației sau materialele de presă.
Un aspect important este că această regulă privește utilizarea conținutului pentru antrenare, nu interzicerea automată a accesului roboților la site. Prin urmare, un articol ar putea continua să fie accesat de un crawler pentru alte scopuri, chiar dacă administratorul a transmis că nu permite folosirea lui pentru antrenarea unui model AI.
De asemenea, mecanismul nu șterge informațiile colectate anterior. El exprimă preferința proprietarului site-ului pentru utilizarea viitoare a materialelor și nu poate anula preluările de conținut care au avut deja loc.
Când vor aplica marile companii noua regulă
Deși toate cele patru companii și-au exprimat susținerea, implementarea nu se va produce simultan. Anthropic a anunțat că a început deja să lucreze la integrarea mecanismului, în timp ce OpenAI intenționează să îl introducă în următoarele luni.
Microsoft a stabilit data de 1 februarie 2027 pentru începerea respectării noilor preferințe, iar Google estimează că va implementa sistemul în cursul anului 2027, cu o țintă indicată în documentația sa pentru începutul anului.
Noua soluție pornește de la o propunere tehnică elaborată în cadrul discuțiilor grupului de lucru pentru preferințele AI al Internet Engineering Task Force (IETF). Documentul este încă o propunere de standard, nu un standard final adoptat oficial de organizație.
Protecție mai simplă, dar nu și garanția că articolele vor fi plătite
Inițiativa apare într-un moment în care organizațiile media reclamă folosirea materialelor jurnalistice pentru dezvoltarea sistemelor AI fără acordul publicațiilor sau fără o compensație financiară. Unele companii de presă au ajuns deja în instanță cu furnizorii de inteligență artificială, acuzându-i că au utilizat volume mari de articole protejate de drepturi de autor.
Un exemplu este procesul intentat în decembrie 2023 de The New York Times împotriva OpenAI și Microsoft, în care publicația a reclamat folosirea unor materiale jurnalistice pentru antrenarea modelelor AI fără autorizare. Companiile au invocat, în apărare, excepția legală cunoscută drept fair use.
Totuși, noul mecanism nu reprezintă un acord de licențiere și nu obligă companiile AI să plătească pentru conținutul utilizat. Microsoft a precizat explicit că preferințele tehnice nu stabilesc înțelegeri comerciale sau mecanisme de remunerare pentru editori.
Există și un posibil dezavantaj pentru publicații: dacă un site interzice utilizarea materialelor sale în anumite produse AI, articolele sale ar putea apărea mai rar în răspunsurile generate de aceste sisteme. Google și Microsoft au avertizat că limitarea utilizării conținutului pentru răspunsurile AI poate reduce vizibilitatea acestuia în respectivele servicii, chiar dacă regulile nu modifică în mod automat poziționarea clasică în rezultatele motoarelor de căutare.
Prin urmare, inițiativa oferă editorilor un instrument suplimentar de control asupra materialelor publicate, dar nu rezolvă problema mai amplă a drepturilor de autor și a remunerației pentru conținutul folosit de industria inteligenței artificiale.
