ابزارهای مولد هوش مصنوعی برای آموزش خود به حجم عظیمی از داده نیاز دارند که بیشتر از طریق فرآیند وبخزیدن از اینترنت جمعآوری میشود. شرکت متا نیز همانند دیگر غولهای فناوری، با گسترش رباتهای جدید، به جمعآوری داده از وب پرداخته است.
به نقل از سرویس اخبار موبایل رسانه تکنا، این رباتها با هدف بهبود مدلهای هوش مصنوعی و محصولات مرتبط، به طور گسترده در وب جستجو کرده و دادهها را جمعآوری میکنند. یکی از این رباتها، به طور خاص برای آموزش مدلهای هوش مصنوعی و بهبود فهرستبندی محتوا طراحی شده است. ربات دیگر، نیز به منظور حمایت از دستیارهای هوش مصنوعی شرکت، لینکهای مرتبط را جمعآوری میکند.
رقابت شدیدی بین شرکتهای فناوری برای گسترش مدلهای هوش مصنوعی قوی وجود دارد. یکی از عوامل کلیدی در این رقابت، دسترسی به دادههای آموزشی با کیفیت بالا است. به همین دلیل، تعداد زیادی از شرکتها از جمله گوگل، OpenAI و، به جمعآوری داده از وب روی آوردهاند.
با این حال، جمعآوری بیرویه دادهها از وب، چالشهایی را برای مالکان وبسایتها به وجود آورده است. بسیاری از وبسایتها از روشی به نام برای جلوگیری از خزیدن خودکار رباتها استفاده میکنند. اما با افزایش تقاضا برای دادههای آموزشی، این روش به تنهایی کافی نیست. تحقیقات نشان میدهد که برخی شرکتها از جمله متا، OpenAI و، به راهحلهای مختلفی برای دور زدن محدودیتهای متوسل شدهاند. به عنوان مثال، ربات امکان نادیده گرفتن قوانین را دارد.
ترکیب دو کارکرد جمعآوری دادههای آموزشی و فهرستبندی محتوا در یک ربات واحد، باعث شده تا مسدود کردن این ربات برای مالکان وبسایتها دشوارتر شود. مالکان وبسایتها با چالش پیچیدهای روبرو هستند. از یک سو، آنها نمیخواهند دادههای وبسایتشان بدون اجازه برای آموزش مدلهای هوش مصنوعی استفاده شود. از سوی دیگر، تمایل دارند که وبسایتشان توسط موتورهای جستجو و دیگر خدمات آنلاین فهرستبندی شود تا بازدیدکنندگان بیشتری جذب کند.
متا اعلام کرده است که در تلاش است تا برای ناشران، امکان اعلام ترجیحاتشان را آسانتر کند. به همین منظور، این شرکت از وجود چندین ربات خزنده وب خبر داده است تا با ارائه گزینههای بیشتر به ناشران، انعطافپذیری بیشتری را فراهم کند.
جمعآوری داده از وب برای آموزش مدلهای هوش مصنوعی، یک مسئله پیچیده با ابعاد حقوقی و اخلاقی است. از یک سو، این دادهها برای گسترش فناوریهای هوش مصنوعی ضروری هستند. از سوی دیگر، جمعآوری بیرویه دادهها بدون اجازه مالکان وبسایت، میتواند به حریم خصوصی آنها آسیب بزند. شرکتها و قانونگذاران باید برای یافتن راهحلهای متعادل تلاش کنند تا از یک سو، گسترش فناوریهای هوش مصنوعی را تسهیل کنند و از سوی دیگر، حقوق مالکان وبسایتها را نیز محترم بدارند.