AI-företag skannar webbplatser mot ägarnas önskningar

De snor även bandbredd och datakraft när de gör detta. Folk som hostar en websida gör det kanske inte för att en massa botar ska hämta datan. På många ställen har de inför störande kontroller som man hela tiden får klicka på.

Men det blir roligt för den juristen som får i uppdrag att informera "ej västerländska" länder, att de ej med botar får läsa igenom webbsidor utan tillstånd. Att de kan lyckas hindra större västerländska som Google, OpenAi, Apple, Meta tror jag dock de kan lyckas med.

Men ja, det är inte lag på det. Är mer en lös överenskommelse.

Har man sin site öppen så har man sin site öppen.

Man kanske för ha en captcha på de sidorna eller att man måste godkänna ett avtal innan man får se informationen.

Ja, det är väl inget nytt. För sökmotorer används robots.txt ofta för att indikera vilka sidor som av olika anledningar inte är lämpliga att indexera, så det är troligtvis bara en fördel för dem att följa den. Men för AI används robots.txt mer för att artigt be dem dra åt skogen, så det finns ingen större anledning för dem att respektera den annat än om de bryr sig om hur det påverkar deras anseende.

Att blockera AI i robots.txt är även ett relativt nytt fenomen, och t.ex. OpenAI (GPTBot) började respektera robots.txt för mindre än ett år sedan. Så för nyare konkurrenter som Perplexity blir det en nackdel att respektera robots.txt jämfört med de äldre som redan samlat in massiva mängder data utan att bry sig om sånt.

Det enda sättet som du kan begränsa innehåll är att sätta det bakom inloggning, så vida det inte finns en lag. Även om lagen finns så kan den överträdas, men då kan det leda till en rättslig åtgärd.

Så, en lag borde läggas till för det. Att man kan porta viss sorts trafik.

Det är så märkligt att alla lagstiftande organ alltid är så efter utvecklingen.
Att stifta lagar är ingen lätt sak och bör därför ta sin tid för att få det så rätt som möjligt.
Så när dom väl börjar är det redan väldigt för sent.
AI är inget nytt. Ändå beter sig alla som om dom är tagna på sängen med det 🙄

Varför borde det förbjudas?

Samtidigt har Open AI webbskrapat hela ratsit och hitta.se. Den vet allt om dig. Ska testa att bli bortglömd o se hur det går. Ratsit får ha mina uppgifter enligt gdpr för de är utgivare (konstig lag men så är det). Open AI däremot är INTE utgivare och förbjuds enligt gdpr ha mina personuppgifter mot min önskan...

Självklart, Etik och moral är dyrt.. Påverkar vinsten.

Tu quoque visst. Det är ju hyckleri förstås

Falsk likvärdighet skulle jag inte säga. Du använder el när du använder din strömtörstiga dator, någon annan använder indirekt el för att köra någon LLM eller annan AI-algoritm. Varför ska det ena förbjudas och det andra inte? Du påstår att det ska förbjudas, men du måste ju ha några argument också.

Detta med AI-träning och att skrapa internet.. Ligger det öppet och publikt att granskas för mänskliga ögon, då kan det gott användas för dessa saker också.

För att klargöra;
Det är en sak om informationen/datan finns bakom en betalvägg, kräver köp av produkt/tjänst eller liknande. Men om informationen ligger öppet på så vis att vem som helst kan komma över den bara genom att besöka en URL, då ser jag inga problem (varken etiska, moraliska eller ekonomiska) att inte få använda denna information/data att träna AI, bygga databas eller liknande.

Igen, för tydlig kontext; pratar om öppet internet. Alltså inte stängda forum, privata Discord-konversationer och sonika, eller annars något som är låst bakom betalning.

Varför är det djupt oetiskt att använda, inspireras av och bygga på tidigare vetenskap och information?

Vi hade inte existerat om vi inte gjorde det. Det borde hyllas, inte förhindras.

Utveckling och vetenskap är ju inte av naturen gott och per automatik bra, så det blir precis lika konstigt att så okritiskt hylla det som du gör.

Det där "vi hade inte existerat.." låter nästan som att du menar att det finns en designer bakom allt, annars existerar vi pga. evolutionen.

Absolut, trial and error är en del av evolutionen, och moral (rätt/fel) är något vi har hittat på.

Men jag tycker att bevisbördan ligger på dig/dom som vill göra det här, vad är nyttan?

"Vetenskap.." är alltså inte ett tillräckligt bra svar.

Det är lite dubbelt. Om din sajt är gratis att använda så är det användaren som är varan man säljer (som här på SWEC), då vill såklart innehavaren av sajten ha betalt för att ta del av det dyrbara människogenererade innehållet - när AI tränar på AI-genererat innehåll blir det tydligen pannkaka ganska fort.

Man undrar i sitt stilla sinne hur de aktuella företagen agerar mot vanliga sajtbesökare? Vågar man gissa på att de dataminar allt vad de kan, och inte alls ser samma problem med det? Att det är en fråga om att det plötsligt inte passar längre när man själv är utsatt?

Det som för mig blir så himla roligt i detta hänseende är att "sajtägarna" gott kan dammsuga sina användare (genom att spåra, kartlägga samt sälja vidare information), men blir de själv 'dammsugna' är det plötsligt kränkande och måste stoppas omedelbart – jag ser en grov ironi i det hela i alla fall

Det blir dock tyvärr ett problem med den tankeprocessen om några år när ägarna av 4090 får dålig FPS, och det fortfarande dras 800 watt från strömuttaget i väggen

Det råder en fundamental skillnad på det du beskriver, och att nyttja skrapad data in LLM:er.

Enligt mig så är datan som du och jag och alla andra hårt arbetande människor bidrar med är inte värd ett skit jämfört med den samlade informationen som du och jag och alla andra kommer att dra nytta av.

Om du på allvar inte vill vara med så får du sluta skriva och aldrig mer använda någonting som civilisationen utvecklar med hjälp av tidigare människors hårda arbete och kunskaper.

Du får bo i naturen, utan språk och tankar och kasta bajs. Eller inte ens kasta bajs för det är inte din idé från början och då begår du upphovsrättsbrott om du kopierar någon annans idé.

Det är det dubbla. "Sajtägarna" tar inte betalt direkt men förväntar sig att få direkt betalt av den som vill använda IP (kanske IP) som skapas på sajten, alltså information om den som använder sajten. I det här kan det vara smart att aldrig svara på några enkäter eller frågor om vanor, gör aldrig det.

När sedan någon kommer och snor hela deras upplägg + databas av människogenererat innehåll utan att betala för sig så är det väl klart att de blir gramse.

Snygg halmdocka.