不想数据被喂模型？OpenAI GPTBot可挡爬虫

OpenAI ChatGPT大受欢迎，生成式AI模型训练的数据取得与隐私问题也逐渐引起注意。符世旻摄（数据照）

生成式人工智能（Generative AI）模型训练需要使用大量数据，其获取来源与隐私保护等问题，如今也随着AI热潮席卷全球，受到更加严厉的审视目光。OpenAI新采行的作法，是让网站管理员可以采取主动，避免其网站数据被OpenAI的GPTBot网络爬虫搜集，进而拿去喂养模型。

综合The Verge与Fagen Wasanni报导，在使用者代理程序字串当中，GPTBot能够透过「GPTBot」此一使用者代理标记被识别出来，网站管理员可以将其加入到网站的robots.txt档案当中。

此外，OpenAI也公布了GPTBot所使用的网际网络协定位址区块，让管理员可以直接挡掉从这些位址而来的存取要求。

反过来说，如果管理员没有采取积极移动挡掉GPTBot，则其数据就有可能会被搜集，并使用在未来的AI模型训练当中。

有观点认为，OpenAI此举，或许是在为未来可能出现的反数据抓取相关法规预作准备。即便如此，也不能保证OpenAI先前已经搜集到的数据，就可以逃过监管单位的目光。

另外，这种作法还存在一个疑虑：除了直接挡掉以外，网站管理员还有可能可以在识别出GPTBot存在的时候，提供给GPTBot不同的回应，这意味着他们可以故意给出错误信息，恐怕会因此影响到OpenAI所使用训练数据集的数据正确性。

责任编辑：毛履万亿