OpenAI har netop annonceret sin nye webcrawler, ved navn GPTBot. Denne bot vil indsamle offentligt tilgængelige data med det formål at træne AI-modeller. Virksomheden hævder at crawlingen vil blive udført gennemsigtigt og ansvarligt.
Ifølge OpenAI’s udgivelsesdokumentation vil webcrawleren filtrere for at eliminere kilder, der har brug for betaling, samt personligt identificerbar information (PII) eller materiale, der overtræder virksomhedens regler.
Ifølge opfinderen af GPT vil det at lade botten hjælpe med at øge nøjagtigheden og mulighederne for AI-systemer i fremtiden.
Dette revolutionerende skridt lover ikke kun at forbedre præcisionen, mulighederne og sikkerheden af AI-modeller, men det kigger også på dybe debatter om dataetik, ejerskab og brug i den digitale tidsalder.
GPTBot-adgang kan være begrænset
Ved at anerkende variationen i digitale miljøer giver OpenAI webmastere mulighed for at vælge, hvor meget GPTBot interagerer med deres websteder. Webmastere kan begrænse GPTBots adgang totalt eller specificere de mapper, den kan gennemse ved at foretage forsigtige ændringer i deres robots.txt-filer.
Lanceringen af GPTBot giver webmastere og indholdsudbydere et nyt synspunkt, der giver et vindue til udforskningen af deres digitale domæner. Webmastere kan analysere GPTBots interaktioner med deres websteder takket være omfattende dokumentation, og de kan kontrollere adgangen ved hjælp af standard robots.txt-protokollen.
Adgangskontrol er en simpel teknik, der indebærer, at du inkluderer følgende direktiver:
User-agent: GPTBot Disallow: /
Følgende struktur kan bruges til en mere raffineret tilgang, der giver mulighed for mere selektiv adgang:
Balancing Act: Juridiske, etiske og ejerskabsmæssige overvejelser
For nylig ansøgte OpenAI om et varemærke for ‘GPT-5’, hvilket antyder, at firmaet træner sin næste version af GPT-4, som ifølge forskellige kilder vil være tæt på AGI, som har været virksomhedens mål hele tiden.
GPTBot vil uden tvivl hjælpe organisationen med at indsamle yderligere data fra hele internettet for at træne denne model.
