Questo post é stato letto 120 volte!
La raccolta automatizzata di contenuti online da parte dei sistemi di intelligenza artificiale è diventata una questione centrale per gli editori e i proprietari di siti web. Molte piattaforme pubblicano materiali che possono essere utilizzati per addestrare modelli linguistici, senza un controllo semplice e uniforme sulle modalità di accesso. Ora, alcuni dei principali attori del settore stanno sostenendo un'iniziativa per modificare questo rapporto, introducendo un sistema condiviso che permetta ai gestori dei siti di comunicare le proprie preferenze direttamente ai crawler, stabilendo così nuove regole scraping AI.
Un segnale condiviso per bloccare la raccolta dei contenuti
Colossi del settore come OpenAI, Google, Microsoft e Anthropic hanno dichiarato il proprio sostegno a un nuovo standard che consente agli editori di rifiutare l'utilizzo dei propri materiali nell'addestramento dei modelli AI. La proposta, denominata "policy token", è stata presentata da Kevin Kelley di Anthropic nell'ambito dell'Internet Engineering Task Force (IETF). Questo meccanismo sarà inserito nel file robots.txt, già impiegato per comunicare ai crawler le regole di accesso alle risorse di un sito. La novità consiste nella possibilità di esprimere una preferenza comune, senza dover predisporre indicazioni differenti per ogni azienda tecnologica.
I rispettivi crawler limiteranno l'accesso quando rileveranno il segnale previsto. Anche Meta ha mostrato interesse, pur senza confermare formalmente l'adesione.
Differenze tra addestramento e ricerca
Un aspetto importante riguarda la distinzione tra l'utilizzo dei contenuti per addestrare i modelli e la loro presenza nei servizi di ricerca. Le due attività non coincidono e una limitazione applicata alla prima non comporta necessariamente l'esclusione dai risultati dei motori di ricerca. Microsoft ha annunciato controlli più dettagliati, attraverso i quali gli editori potranno escludere i propri materiali dall'addestramento e dall'AI grounding, un processo che consente a un modello di consultare fonti verificabili. Le preferenze espresse non impediranno la comparsa delle pagine nei risultati di Bing.
Google dispone già di impostazioni che permettono di gestire separatamente l'utilizzo dei contenuti nelle funzionalità di ricerca basate sull'AI e nell'addestramento.
Implementazione delle nuove regole scraping AI
Anthropic ha già adottato il nuovo segnale, mentre Google e Microsoft prevedono di introdurlo nel corso del prossimo anno. OpenAI ha indicato i mesi successivi come finestra temporale per il proprio supporto. La proposta si inserisce in un confronto più ampio sulla sostenibilità dell'editoria digitale. Altre iniziative, come Really Simple Licensing, puntano a introdurre forme di remunerazione per l'accesso automatizzato.
La sfida sarà trasformare un'indicazione tecnica in una pratica rispettata su larga scala, garantendo trasparenza e verifica del rispetto delle nuove regole scraping AI.
Leggi anche
Questo post é stato letto 120 volte!