Seu site pode agora dizer 'Não, obrigado' ao ChatGPT e Google Bard

À medida que os serviços de IA generativa, comoChatGPTda OpenAI, Bing Chat da Microsoft e Google Bard, são cada vez mais usados como alternativas aos mecanismos de busca, eles também encontram resistência de indivíduos e empresas que não desejam que os dados de seus sites sejam usados para o treinamento de modelos de IA.

Os grandes modelos de linguagem são treinados em uma variedade de dados, muitos dos quais parecem ter sido coletados sem o conhecimento ou consentimento de ninguém. Esta semana, o Google anunciou um novo método que permite que desenvolvedores de sites escolham permitir que seus serviços Bard e Vertex AI acessem seu conteúdo, ou recusem o treinamento desses modelos de API.

Como proibir a IA de explorar seu site

Em uma postagem recente no blog, a vice-presidente de confiança do Google, Danielle Romain, reconheceu o desejo dos editores da web de ter mais escolha e controle sobre como seu conteúdo é usado para casos de uso emergentes de IA generativa. Para atender a essa preocupação, o Google permite que os editores da web proíbam "User-Agent: Google-Extended" no arquivo robots.txt de seu site. Esta simples etapa impedirá que os robôs de exploração automatizados do Google acessem e usem o conteúdo do editor para fins de treinamento de IA.

Os sites podem atualmente fornecer uma lista daqueles que se recusam a ser explorados via robots.txt, e o Google acredita que todos os provedores de modelos de IA também deveriam oferecer esse tipo de transparência e controle. No entanto, à medida que as aplicações de IA crescem, os sites enfrentarão a complexidade crescente de gerenciar diferentes usos em grande escala. O Google afirmou que compartilhará mais informações assim que possível.

A intenção do Google em questão

Embora o Google afirme desenvolver seu modelo de IA de forma ética e inclusiva, há uma diferença fundamental entre a indexação da web e o uso de dados para o treinamento de IA. Os dados coletados dos editores da web são usados como matéria-prima para treinar modelos de aprendizado de máquina, tornando-os mais precisos e poderosos ao longo do tempo.

É importante reconhecer o papel do consentimento na coleta de dados de treinamento de IA. Dar aos editores da web a oportunidade de contribuir com os modelos de IA é um passo positivo. No entanto, o Google já coleta enormes quantidades de dados para treinar seus modelos sem o consentimento explícito dos usuários. Isso levanta questões sobre a veracidade da nova orientação do Google sobre consentimento e coleta ética de dados.

A realidade é que o Google tem acesso ilimitado aos dados da web e os usa para treinar modelos de IA antes de pedir permissão aos editores da web. Se a coleta ética de dados e o consentimento fossem realmente uma prioridade máxima para o Google, essa opção estaria disponível há anos.

A coleta ética de dados ainda pode ter um longo caminho a percorrer

Está claro que a indústria de tecnologia precisa abordar as implicações éticas do treinamento de IA e da coleta de dados. Embora a decisão do Google de dar aos editores da web controle sobre seu conteúdo seja um passo na direção certa, é importante considerar a necessidade de um contexto mais amplo e de uma solução mais abrangente.

No geral, a decisão do Google de permitir que os editores da web controlem como seu conteúdo é usado para o treinamento de IA é uma evolução positiva. No entanto, é importante reconhecer que essa escolha ocorre depois que o Google já coletou e usou grandes quantidades de dados sem consentimento explícito.

Toda a indústria de tecnologia deve priorizar a coleta ética de dados e o consentimento, e trabalhar em soluções mais abrangentes que atendam às preocupações dos editores da web e dos usuários.