自由時報 2023/08/25 生成式人工智慧（AI）機器人ChatGPT的資料取用愈加受到爭議，包括紐約時報、美國有線電視新聞網（CNN）、路透以及澳洲廣播公司（ABC）知名新聞機構，都已封鎖開發ChatGPT的OpenAI，利用網路爬蟲程式擷取其網站內容，用於訓練其AI系統。
6 n1 J9 P* \/ j9 r, T _' A
c+ B8 S! g) V4 ~: J2 _# p/ d英國《衛報》25日報導，OpenAI的網路爬蟲程式「GPTBot」會掃描網頁，收集資料，用於AI大型語言模型以及內容生成。紐約時報封殺GPTBot的消息，最先由科技媒體《Verge》披露，《衛報》則是進一步發現，其他主要新聞媒體網站，包括CNN、路透、《芝加哥論壇報（Chicago Tribune）》、澳洲廣播公司（ABC）和旗下有多家地方出版物的「澳洲社區新聞集團（ACM）」，也都已禁止網路爬蟲在其網站抓取資料。
" Q* L6 g! w- V* M5 @0 F1 O; U. b# @" U7 B) x4 \1 }: {$ L. k" W
從這些網站的robots.txt檔案中，可見允許網路爬蟲程式造訪哪些頁面的程式碼。報導指出，這些新聞媒體都是在8月加入封鎖指令，除了ChatGPT，也不讓同樣用於AI的開放網路資料庫Common Crawl網路爬蟲CCBot訪問網頁。
! L6 O5 ~ j8 M0 y- V" z
# H1 r2 u6 O1 ~% m) _+ M像ChatGPT所用的大型語言模型，仰賴收集龐大資訊來訓練其人工智慧系統，使其能夠以類似人類語言模式回答使用者的問題，但是運作這些AI機器人的公司，對於其資料庫中存有版權內容的問題，都緊守口風。
9 M! ^; J- C( H2 A! K8 m8 X# o& o/ j8 R" J, O+ i* t- p6 `& m/ w- e
CNN向澳洲版衛報證實，近期封鎖了GPTBot的訪問權，但是未評論對於將該網站內容用於AI系統是否會採取進一步行動。路透發言人說，該公司定期檢視其robots.txt檔和網站服務約定條款，「因為智慧財產是我們業務的命脈，我們勢必要保護我們內容的版權。」紐時公司發言人說，該網站服務約定條款最近更新，「更清楚表明禁止抓取我們的內容，用於AI訓練和開發」。
( g/ C, p6 C& d e- ?9 U2 Q! `3 d- H# P" P
ChatGPT刮起生成式人工智慧機器人旋風後，全球新聞機構都正面臨是否使用人工智慧於新聞收集，以及其新聞內容可能被這類機器人開發公司收集用於訓練AI的問題。法新社和Getty Images等新聞、出版組織日前才簽署一份公開信，呼籲全球決策者和產業領導者，為生成式AI機器人制定規範，包括「生成AI模型所用訓練的所有內容的透明度」，以及使用有版權內容，須取得版權所有人同意等。
0 x. T7 ~$ O" Y8 |1 Z$ q/ ~$ J6 z
' l7 z8 v, c3 ?1 Q
AI內容檢查工具OriginalityAI公司本週發表報告也指出，網路零售業巨擘「亞馬遜（Amazon）」公司、圖庫網站Shutterstock也都已封鎖GPTBot。衛報表示，該報網站並未封鎖GPTBot。ABC、ACM、芝加哥論壇報、OpenAI和Common Crawl尚未回應這篇報導。
4 x- Y: K8 B: {. G( y
6 k# `, M- `6 } Q( W; v) c
