I siti web impediscono ai giganti della tecnologia di utilizzare i loro dati per formare gli LLM

Di recente si sta verificando un cambiamento significativo. I principali siti web stanno iniziando a proteggere i propri contenuti da giganti della tecnologia come Google e OpenAI. Questo passo modifica il rapporto consolidato tra editori web e motori di ricerca. Tale cambiamento è innescato dall'ascesa delle tecnologie di intelligenza artificiale (IA).

I siti web proteggono i loro contenuti

Tradizionalmente, i siti web hanno utilizzato uno strumento semplice ma potente, noto come `robots.txt`, per gestire il modo in cui i motori di ricerca interagiscono con i loro contenuti. Questa soluzione ha permesso ai siti web di trarre vantaggio dal traffico indirizzato dai motori di ricerca. Tuttavia, i modelli di intelligenza artificiale avanzati hanno introdotto nuove complessità in questa relazione. Aziende come OpenAI e Google hanno utilizzato enormi quantità di contenuti online per addestrare i propri sistemi di intelligenza artificiale. Queste IA ora possono rispondere direttamente alle domande degli utenti, riducendo la necessità per questi ultimi di visitare i siti web originali. Interrompono il flusso di traffico dai motori di ricerca a questi siti.

In risposta, Google ha introdotto un nuovo protocollo chiamato Google-Extended, che consente ai siti web di bloccare l'utilizzo dei loro contenuti per l'addestramento di modelli di intelligenza artificiale. Il protocollo è stato lanciato a settembre dello scorso anno e ha visto l'adozione da parte di circa il 10% dei primi 1.000 siti web, tra cui nomi di spicco come il New York Times e la CNN.

Confronto tra adozione e prospettive future

Sebbene Google Extended rappresenti un passo avanti verso il controllo dei contenuti da parte dei siti web, il suo tasso di adozione è inferiore rispetto ad altri strumenti come GPTBot di OpenAI. Questa esitazione potrebbe derivare dalla preoccupazione per la visibilità nei futuri risultati di ricerca basati sull'intelligenza artificiale. I siti web che bloccano l'accesso ai propri contenuti rischiano di essere ignorati dai modelli di IA e di non essere inclusi nelle risposte a query pertinenti.

Lo scenario del New York Times è particolarmente significativo. La pubblicazione ha avviato una controversia sul copyright con OpenAI. Da allora, ha assunto una posizione ferma utilizzando Google-Extended per bloccare l'accesso ai suoi contenuti da parte dei modelli di intelligenza artificiale.  

La Search Generative Experience (SGE) sperimentale di Google suggerisce un potenziale cambiamento nel modo in cui le informazioni vengono curate e presentate agli utenti. Mette in risalto i contenuti generati dall'intelligenza artificiale rispetto ai metodi di ricerca tradizionali. Le decisioni prese dalle aziende tecnologiche e dagli editori web modelleranno l'ecosistema digitale. Influenzeranno il modo in cui le informazioni vengono accessibili e consumate nell'era dell'intelligenza artificiale.