AI բոտերը ներխուժում են համալսարանական գրադարաններ և սպառնում հանրային հասանելիությանը

Ակադեմիական գրադարանների կայքերը դանդաղում կամ խափանվում են AI և երրորդ կողմի ընկերությունների կողմից մեծ լեզվական մոդելների համար բովանդակություն հավաքելու նպատակով օգտագործվող տվյալներ հավաքող բոտերի պատճառով։ Գրադարանի աշխատակիցներն ասում են, որ այդ երթևեկությունը խաթարում է ուսանողների, հետազոտողների և հանրության հասանելիությունը, իսկ փորձագետները զգուշացնում են, որ խնդիրը վատանում է։ Մեկ համալսարան հայտնել է մեկ օրում հազարավոր հասցեներից ֆիննական երաժշտության ավելի քան 11,000 որոնում։

Բոտերը թիրախավորում են բաց հավաքածուները

Գրադարանները, թանգարանները և մշակութային ժառանգության այլ հաստատություններ առաջնային թիրախներ են, քանի որ պահում են որակյալ, ստուգված տեղեկատվություն, որը սովորաբար թաքնված չէ վճարովի պատնեշների կամ մուտքագրման հետևում։ San Jose State University-ի և University of Victoria-ի աշխատակիցներն ասում են, որ բոտերը փորձում են մուտք գործել արխիվներ, որոնք ներառում են ակադեմիական, պատմական և կառավարական փաստաթղթեր։ Բոտերն օգտագործվում են ինչպես AI, այնպես էլ երրորդ կողմի ընկերությունների կողմից՝ կայքերով շրջելու և տվյալներ հավաքելու համար, հաճախ Claude, Gemini և ChatGPT մոդելներին սնուցելու նպատակով։

Լավ բոտեր և վատ բոտեր

Project Gutenberg-ի Eric Hellman-ը ասում է, որ որոնողական համակարգերը և արխիվացնող կայքերը օգտագործում են բոտեր, որոնք հետևում են robots.txt-ին՝ կամավոր հրահանգների, որոնք օգնում են նրանց խուսափել կայքը խաթարելուց։ Նա ասում է, որ AI տվյալներ հավաքող բոտերը երբեմն անտեսում են այդ կանոնները և կարող են մեկ վայրկյանում հազարավոր փաստաթղթեր պահանջել բոլոր հասանելի ձևաչափերով։ Քանի որ մեկ ընկերություն կամ բոտային ֆերմա կարող է աշխատել հազարավոր IP հասցեներից, Hellman-ը ասում է, որ առանձին հասցեներ արգելափակելն այլևս օգտակար չէ։

Գրադարանները կշռադատում են հասանելիության խոչընդոտները

Որոշ գրադարաններ տեղադրել են CAPTCHA փորձարկումներ կամ այլ ստուգման համակարգեր, սակայն այդ միջոցները կարող են ազդել նաև լավ բոտերի վրա։ Ոմանք սկսել են պահանջել մուտքային տվյալներ, և աշխատակիցներն ասում են, որ ուզում են խուսափել այդ քայլից, քանի որ այն արգելքներ է դնում մարդկանց հասանելիության վրա այն նյութերին, որոնք, նրանց կարծիքով, պետք է հեշտ հասանելի լինեն։ GLAM-E-ի Michael Weinberg-ը ասում է, որ բոտային երթևեկությունն այժմ զսպող գործոն է ստեղծում հաստատությունների համար իրենց հավաքածուների մասերը առցանց հասանելի դարձնելու հարցում։

AI ընկերությունները և հրաժարման ազդանշանները

Խոշոր AI ընկերությունները պնդել են, որ հանրությանը հասանելի տվյալների հավաքումը թույլատրելի է արդար օգտագործման սկզբունքով և համապատասխանում է հանրության լավագույն շահերին։ Anthropic, OpenAI, Google և Microsoft վերջերս աջակցություն հայտնեցին կայքի robots.txt ֆայլում մեկ ստանդարտացված հրաժարման ազդանշանը հարգելուն, որը կարող է արգելափակել նրանց վեբ զննիչներին։ Համապատասխանությունը կլինի կամավոր, և համաձայնությունը դուրս է թողնում երրորդ կողմի ընկերությունների և ավելի փոքր AI ստարտափների խնդրահարույց բոտերին։

Աղբյուրներ: cbc.ca