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。
: Y/ J% X% ]6 O5 R& @6 i# d% k% c# E& G
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。
& i5 A( d* r5 B* @6 e& K0 j2 H4 B) g) C
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。
" U9 y6 ~9 N2 R4 d$ l- ]9 y; @' Q
; W3 Q" x0 P/ s. c8 f+ O" u: S
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。
2 ? @0 a* X5 r6 T; R! U* z
5 S. v5 _1 c0 vCNN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」。
( o9 ?7 F' X8 P Z( F7 r: G* g
, r3 e) ~3 i/ Z3 S' k- N6 i: j
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。
( B. j" v6 C4 X; _ h4 o# H5 @- {' c2 v# D# ^3 X0 O
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。
1 y6 G% k" y0 y, o$ T8 C4 u; B
0 d) Y6 q% J# L3 E1 n: ` X! D4 w& i
