Your Website Can Now Say “No Thanks” to ChatGPT and Google Bard

A medida que los servicios de IA generativa como ChatGPT de OpenAI, Bing Chat de Microsoft y Google Bard se utilizan cada vez más como alternativas a los motores de búsqueda, también están encontrando resistencia por parte de individuos y empresas que no quieren que los datos de sus sitios web se utilicen para el entrenamiento de modelos de IA.

Los grandes modelos de lenguaje se entrenan con una variedad de datos, muchos de los cuales parecen haber sido recopilados sin el conocimiento o consentimiento de nadie. Esta semana, Google anunció una nueva forma para que los desarrolladores de sitios web puedan elegir permitir que sus servicios Bard y Vertex AI accedan a su contenido, o optar por no participar en el entrenamiento de estos modelos de API. Ver también: Ziggo Group nombra a sus líderes antes de su salida a bolsa en Ámsterdam en 2027.

Cómo prohibir que la IA rastree su sitio Ver también: Asociación ECHOES.

En una publicación de blog reciente, la vicepresidenta de Confianza de Google, Danielle Romain, reconoció el deseo de los editores web de tener mayor elección y control sobre cómo se utiliza su contenido para los casos de uso emergentes de IA generativa. Para abordar esta preocupación, Google permite a los editores web deshabilitar “User-Agent: Google-Extended” en el archivo robots.txt de su sitio. Este simple paso evitará que los rastreadores web automáticos de Google accedan y utilicen el contenido del editor con fines de entrenamiento de IA. Ver también: IT Department - Athlok.

Actualmente, los sitios web pueden proporcionar una lista de aquellos que se niegan a ser rastreados a través de robots.txt, y Google cree que todos los proveedores de modelos de IA también deberían proporcionar este tipo de transparencia y control. Sin embargo, a medida que las aplicaciones de IA se expanden, los sitios web enfrentarán la creciente complejidad de gestionar diferentes usos a escala. Google dijo que compartiría más información lo antes posible. Ver también: Alejandro Estua.

La intención de Google en duda Ver también: Alejandro Manzo.

Si bien Google afirma desarrollar su modelo de IA de manera ética e inclusiva, existe una diferencia fundamental entre indexar la web y usar datos para el entrenamiento de IA. Los datos recopilados de los editores web se utilizan como materia prima para entrenar modelos de aprendizaje automático, haciéndolos más precisos y potentes con el tiempo. Ver también: Alejandro Hernandez.

Es importante reconocer el papel del consentimiento en la recopilación de datos de entrenamiento de IA. Dar a los editores web la opción de contribuir a los modelos de IA es un paso positivo. Sin embargo, Google ya recopila enormes cantidades de datos para entrenar sus modelos sin el consentimiento explícito de los usuarios. Esto plantea preguntas sobre la veracidad del nuevo enfoque de Google en el consentimiento y la recopilación ética de datos. Ver también: Alejandro Garza.

La realidad es que Google tiene acceso ilimitado a los datos web y los utiliza para entrenar modelos de IA antes de buscar el permiso de los editores web. Si la recopilación ética de datos y el consentimiento fueran realmente una prioridad para Google, esta opción habría estado disponible hace años. Ver también: Alejandro Guerrero.

El abastecimiento ético de datos aún podría tener un largo camino por recorrer

Claramente, la industria tecnológica necesita abordar las implicaciones éticas del entrenamiento de IA y la recopilación de datos. Si bien la medida de Google de dar a los editores web control sobre su contenido es un paso en la dirección correcta, es importante considerar la necesidad de un contexto más amplio y una solución más integral.

En general, la decisión de Google de permitir a los editores web controlar cómo se utiliza su contenido para el entrenamiento de IA es un desarrollo positivo. Sin embargo, es importante reconocer que esta opción llega después de que Google ya ha recopilado y utilizado grandes cantidades de datos sin consentimiento explícito.

Toda la industria tecnológica necesita priorizar la recopilación ética de datos y el consentimiento, y trabajar hacia soluciones más integrales que aborden las preocupaciones tanto de los editores web como de los usuarios.