US — The Verge
Các ông lớn AI ủng hộ cách mới để từ chối bị thu thập dữ liệu
AI2 phút đọc
OpenAI, Google, Microsoft và Anthropic đồng ý dùng một chuẩn mới. Chuẩn này giúp các trang web từ chối việc bị AI thu thập nội dung chỉ với một tín hiệu chung.
Chuyện gì đã xảy ra?
Bốn công ty AI lớn nói rằng họ sẽ theo một chuẩn mới. Chuẩn này cho phép chủ trang web đặt quyết định về việc AI dùng nội dung của họ để huấn luyện một lần duy nhất, thay vì phải làm riêng với từng công ty. Tín hiệu chung này có tên là "policy token" (mã chính sách). Kevin Kelley, một trưởng nhóm kỹ thuật về chuẩn của Anthropic, là người đề xuất. Đề xuất này được đưa ra trong Internet Engineering Task Force (IETF), một tổ chức xây dựng các chuẩn cho internet.
Vì sao cần chuẩn này?
Từ trước đến nay, file robots.txt trên mỗi trang web cho các chương trình thu thập dữ liệu (crawler) biết chúng được phép hay không được phép đọc trang. Việc này áp dụng cho tìm kiếm, lưu trữ và cả huấn luyện AI. Nhưng hiện nay, chủ trang phải báo riêng cho từng công ty AI. Nhiều trang đang bị các crawler AI ghé thăm liên tục, và nội dung của họ bị đưa vào mô hình AI mà không được phép. Một số đơn vị đã thử cách khác, như chuẩn Really Simple Licensing (RSL) cho phép chủ trang thu phí crawler, và Cloudflare chặn crawler AI theo mặc định.
Các con số và sự kiện chính
- Bốn công ty đồng ý: OpenAI, Google, Microsoft và Anthropic.
- Anthropic đã áp dụng tín hiệu này ngay.
- Google và Microsoft dự định hỗ trợ vào năm sau.
- OpenAI nói sẽ triển khai trong "vài tháng tới".
- Microsoft cho phép chọn riêng việc không dùng để huấn luyện AI hoặc không dùng để "grounding" AI. Trang web vẫn xuất hiện trong kết quả tìm kiếm của Bing.
Vì sao điều này quan trọng?
Chuẩn chung giúp chủ trang web dễ kiểm soát nội dung của mình hơn. Họ chỉ cần thiết lập một lần thay vì làm nhiều lần. Điều này cũng cho thấy các công ty AI lớn đang chịu áp lực phải tôn trọng quyền của người tạo nội dung. Tuy vậy, chuẩn này vẫn phụ thuộc vào việc các công ty thật sự làm theo, và thời điểm áp dụng của mỗi công ty khác nhau.
Cần theo dõi điều gì?
- Google, Microsoft và OpenAI có thực sự áp dụng tín hiệu này đúng hạn không.
- IETF có đưa tín hiệu này thành chuẩn chính thức không.
- Các trang web và nhà xuất bản sẽ dùng tín hiệu này nhiều đến mức nào.
Chú giải
- robots.txt
- Một file văn bản trên trang web, dùng để báo cho các chương trình thu thập dữ liệu biết những phần nào được phép đọc.
- IETF
- Tổ chức xây dựng các chuẩn kỹ thuật cho internet.
- Anthropic
- Công ty làm trí tuệ nhân tạo (AI), phát triển trợ lý AI Claude.
- Really Simple Licensing (RSL)
- Một chuẩn cho phép chủ trang web thu phí từ các crawler muốn đọc nội dung của họ.