AI在偷偷抓我網站內容甚至隱私資料? 你要用來人工模型訓練，要先講欸！

相信這是老生常談了，網路世代加上科技的隨之普及，現在人人穿梭在網路世界已司空見慣，無遠弗屆一詞再也不是誇飾，而是歷歷在目的現象。

網路世代孕育出一些部落客、出版文字業者，舉凡擁有自己網站的經營相關人士，那網站的背後無盡的知識寶庫、優質內容到更隱私的後台觀看人數、客群、SEO相關的數據都是這些人的重要資產。但你可曾擔憂過這些無價之寶被人偷偷用網路爬蟲給無情複製、拿去餵餵AI智慧模型訓練則輕，如果是有心人士拿去做一些偷來暗去的則事情大條。

最大被針對討論的無非是我們的Google大哥，坐擁搜尋引擎首選寶座的他儘管前陣子遭受Microsoft的Edge小小的威脅，如今海水稍稍退潮後Google卻還是穩穩地站在浪潮中穿穩褲子。也因此，許多文字創作者、專家學者、或科技界的商務人士等都暗暗質疑過Google一直以來到底有沒有偷偷拿大家的資料去做AI訓練呢?!

大家放心！Google信任部門副總(Trust of VP)，Danielle Romain，幾天前宣布新的功能。在不久的未來，網站搜尋索引文件檔robots.txt將增加新控制功能，讓這些出版業者或網站所有人能自由選擇「是否提供相關內容，協助人工智慧服務「Bard」，以及Google Cloud的Vertex AI等在未來更加進步。

在翻的白話點就是：未來如果他們要拿你的網站內容去訓練自家AI的話，都會先徵求你的同意，而不會直接拿走。

但是...修但幾咧，現在Bard就是一款經過好幾層訓練出來的人工智慧了，早就把網路上的資料當把費吃一輪，現在才問會不會有點先斬後奏?

巧合的是，另一個網路文章發佈平台Medium跟上其他大型媒體新聞平台，如CNN、NY Times的行列，也在幾日前禁止一些機器人未經知會的自動爬蟲、非經作者同意剽竊內容去訓練AI的功能。

如此措施施行能保障這些創作者的文字都有被使用前尊重的重視，甚至是有拒絕被使用的權利；然而大數據世代普及化，許多數據公司、行銷公司為了讓AI吃更飽長更大而不停索求資料、甚至為了時間的迫切未經同意的資料也照單全收。

要怎麼去衡量「資料量足夠讓大型模型能夠持續茁壯」，與「在商業上的所可能引發的資安等疑慮」，恐怕還有很長的時間要來進行討論。

Ref:

https://techcrunch.com/2023/09/28/your-website-can-now-opt-out-of-training-googles-bard-and-future-ais/

https://techcrunch.com/2023/09/28/medium-hints-at-a-nascent-media-coalition-to-block-ai-crawlers/