المواقع تحجب عمالقة التكنولوجيا عن استخدام بياناتها لتدريب نماذج اللغات الكبيرة (LLMs)

شهدت الفترة الأخيرة تحولاً كبيراً. بدأت المواقع الكبرى في حماية محتواها ضد عمالقة التكنولوجيا مثل Google وOpenAI. يغير هذا الخطوة العلاقة طويلة الأمد بين ناشر الويب ومحركات البحث. جاء هذا التحول نتيجة لارتفاع تقنيات الذكاء الاصطناعي (AI).

المواقع تحمي محتواها

تقليدياً، استخدمت المواقع أداة بسيطة لكنها قوية تُعرف بـ `robots.txt` لإدارة كيفية تفاعل محركات البحث مع محتواها. سمح هذا الترتيب للمواقع بالاستفادة من حركة المرور التي توجهها محركات البحث. ومع ذلك، أدخلت نماذج الذكاء الاصطناعي المتقدمة تعقيدات جديدة في هذه العلاقة. تستخدم شركات مثل OpenAI وGoogle كميات هائلة من المحتوى عبر الإنترنت لتدريب أنظمة الذكاء الاصطناعي الخاصة بها. يمكن لهذه الذكاءات الآن الإجابة مباشرة على استفسارات المستخدمين، مما يقلل من الحاجة إلى زيارة المواقع الأصلية. إنها تعطل تدفق حركة المرور من محركات البحث إلى هذه المواقع.

رداً على ذلك، قدمت Google بروتوكولاً جديداً يسمى Google-Extended. يتيح هذا البروتوكول للمواقع حظر استخدام محتواها لتدريب نماذج الذكاء الاصطناعي. تم إطلاق البروتوكول في سبتمبر من العام الماضي وشهد تبناً من حوالي 10% من أفضل 1,000 موقع. ويشمل ذلك أسماء بارزة مثل The New York Times وCNN.

مقارنة معدل التبني والنظر إلى الأمام

بينما يمثل Google-Extended خطوة نحو منح المواقع السيطرة على محتواها، فإن معدل تبنيها يتخلف عن أدوات أخرى مثل GPTBot الخاص بـOpenAI. قد ينبع التردد من القلق بشأن الظهور في نتائج البحث المستقبلية المدعومة بالذكاء الاصطناعي. تخاطر المواقع التي تحظر الوصول إلى محتواها بأن يتم تجاهلها من قبل نماذج الذكاء الاصطناعي. وقد تفوتها فرصتها في أن تكون مدرجة في الإجابات على الاستفسارات ذات الصلة.

سيناريو The New York Times خاصته دالة بشكل خاص. خاضت المنشورة نزاعاً قانونياً حول حقوق النشر مع OpenAI. منذ ذلك الحين، اتخذت موقفاً حازماً باستخدام Google-Extended لحظر الوصول إلى تدريب نماذج الذكاء الاصطناعي على محتواها.  

تلمح تجربة Search Generative Experience (SGE) التجريبية من Google إلى تحول محتمل في كيفية تنسيق المعلومات وعرضها على المستخدمين. وهي تسلط الضوء على المحتوى الذي تولده الذكاء الاصطناعي فوق طرق البحث التقليدية. ستشكل القرارات التي تتخذها شركات التكنولوجيا وناشرو الويب النظام البيئي الرقمي. وسيؤثر ذلك على كيفية الوصول إلى المعلومات واستهلاكها في عصر الذكاء الاصطناعي.