I siti web bloccano i giganti della tecnologia dall'utilizzare i loro dati per addestrare i LLM

Recentemente si è verificato un cambiamento significativo. I principali siti web stanno iniziando a proteggere i propri contenuti dai giganti della tecnologia come Google e OpenAI. Questo passo cambia la relazione di lunga data tra gli editori web e i motori di ricerca. Il cambiamento è stato provocato dall'ascesa delle tecnologie di intelligenza artificiale (AI).

I siti web proteggono i propri contenuti

Tradizionalmente, i siti web hanno utilizzato uno strumento semplice ma potente noto come `robots.txt` per gestire come i motori di ricerca interagiscono con i loro contenuti. Questo accordo ha permesso ai siti web di beneficiare del traffico diretto dai motori di ricerca. Tuttavia, i modelli di AI avanzati hanno introdotto nuove complessità in questa relazione. Aziende come OpenAI e Google hanno utilizzato vaste quantità di contenuti online per addestrare i loro sistemi di AI. Queste AI possono ora rispondere direttamente alle query degli utenti, riducendo la necessità per gli utenti di visitare i siti web originali. Interrompono il flusso di traffico dai motori di ricerca verso questi siti.

In risposta, Google ha introdotto un nuovo protocollo chiamato Google-Extended. Consente ai siti web di bloccare l'utilizzo dei propri contenuti per l'addestramento dei modelli di AI. Il protocollo è stato lanciato a settembre dell'anno scorso e ha visto l'adozione da parte di circa il 10% dei primi 1.000 siti web. Questo include nomi di alto profilo come The New York Times e CNN.

Confrontare l'adozione e guardare al futuro

Sebbene Google-Extended rappresenti un passo verso il dare ai siti web il controllo sui propri contenuti, il suo tasso di adozione è inferiore rispetto ad altri strumenti come GPTBot di OpenAI. L'esitazione potrebbe derivare dalla preoccupazione per la visibilità nei futuri risultati di ricerca guidati dall'AI. I siti web che bloccano l'accesso ai propri contenuti rischiano di essere trascurati dai modelli di AI. Potrebbero potenzialmente perdere l'opportunità di essere inclusi nelle risposte a query pertinenti.

Lo scenario con The New York Times è particolarmente rivelatore. La pubblicazione è stata coinvolta in una disputa sul copyright con OpenAI. Da allora, ha assunto una posizione ferma utilizzando Google-Extended per bloccare l'accesso all'addestramento dei modelli di AI ai suoi contenuti.  

L'esperienza di ricerca generativa sperimentale (SGE) di Google lascia intravedere un potenziale cambiamento nel modo in cui le informazioni sono curate e presentate agli utenti. Evidenzia i contenuti generati dall'AI 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 sono accessibili e consumate nell'era dell'AI.