MIT под руководством Data Provenance Initiative было проведено исследование и выяснилось, что многие ключевые веб-источники стали ограничивать использование своих данных, это плохо влияет на обучение мощных систем.
Было проанализировано 14 000 доменов, которые используются в трех основных наборах данных для обучения ИИ. По результатам — был обнаружен значительный «зарождающийся кризис согласия». Известно, что за год примерно 5% всех данных и 25% данных самого высокого качества ограничиваются протоколом «исключения роботов» (Robots Exclusion Protocol) — этот инструмент владельцы сайтов используют для блокировки автоматических сборщиков данных.
А еще выяснилось, что почти 45% данных в наборе данных C4 отныне ограничиваются условиями обслуживания веб-сайтов.
Известно, что новые ограничения коснутся не только компаний, которые разрабатывают ИИ, но и исследователей, ученых и некоммерческие организации, использующие веб-данные.
Ранее мы писали о том, что такое «ИИ-пиар» и почему это стало проблемой.