Οι ακαδημαϊκές βιβλιοθήκες σε όλο τον κόσμο καταπολεμούν τα αδυσώπητα σμήνη ρομπότ που διασπούν δεδομένα τεχνητής νοημοσύνης που επιβραδύνουν ή καταρρέουν τους ιστότοπούς τους, σύμφωνα με έκθεση του CBC News. Τα bots, που χρησιμοποιούνται από εταιρείες τεχνητής νοημοσύνης και υπηρεσίες τρίτων για τη συλλογή περιεχομένου για την εκπαίδευση μεγάλων γλωσσικών μοντέλων, χτυπούν ολόκληρες ψηφιακές συλλογές εκτός σύνδεσης και αναγκάζουν τις βιβλιοθήκες να επιλέξουν μεταξύ ανοιχτής πρόσβασης και παραμονής στο διαδίκτυο.
Οι στόχοι δεν είναι τυχαίοι. Οι βιβλιοθήκες, τα μουσεία και άλλα ιδρύματα πολιτιστικής κληρονομιάς διαθέτουν μεγάλους όγκους ποιοτικών, ελεγμένων πληροφοριών που γενικά δεν κρύβονται πίσω από paywalls ή συνδέσεις - ακριβώς το είδος του καθαρού, έγκυρου κειμένου που βραβεύουν οι προγραμματιστές AI για μοντέλα εκπαίδευσης όπως οι Claude, Gemini και ChatGPT. For more context on this story, see our ongoing AI news.
Οι συλλογές είναι εκτός σύνδεσης
Η κλίμακα του προβλήματος έχει αυξηθεί σε σημείο που ολόκληρα αρχεία γίνονται απρόσιτα. «Μερικές φορές η επισκεψιμότητα των bot γίνεται τόσο κακή που προκαλεί την πλήρη πτώση των τοποθεσιών για λίγο», δήλωσε ο Dean Seeman, διευθυντής συλλογών και ψηφιακής υποδομής στις Βιβλιοθήκες του Πανεπιστημίου της Βικτώριας, στην έκθεση του CBC. Περιέγραψε τις διακοπές ως δημιουργία ενός «πραγματικού προβλήματος» για την πρόσβαση του κοινού - όταν ο ιστότοπος μιας βιβλιοθήκης καταρρέει υπό την κυκλοφορία bot, φοιτητές, ερευνητές και απλοί πολίτες κλειδώνονται μαζί με τα μηχανήματα.
Στο San Jose State University, η εμπειρία είναι μια εμπειρία συνεχούς πίεσης. «Απλώς βρίσκονται εκεί έξω στο Διαδίκτυο, απλώς μας βομβαρδίζουν προσπαθώντας να αρπάξουμε όσο το δυνατόν περισσότερο υλικό», δήλωσε ο Jill Strykowski, επικεφαλής της καταλογογράφησης και των κυβερνητικών εγγράφων του πανεπιστημίου. Το ίδρυμά της ψηφιοποιεί κυβερνητικά έγγραφα και άλλο δημόσιο υλικό, καθιστώντας το ένα εξαιρετικό έδαφος τροφοδοσίας για ξύστρες.
Η έκθεση περιγράφει ένα σχολείο που κατακλύζεται από περισσότερες από 11.000 αναζητήσεις στη φινλανδική μουσική σε μία μόνο μέρα - κίνηση που κανένα ανθρώπινο ακροατήριο δεν θα μπορούσε να δημιουργήσει εύλογα και το είδος της στενής εστίασης, μεγάλου όγκου ανίχνευσης που είναι τυπική των αυτοματοποιημένων εργασιών συγκομιδής.
Ένα πρόβλημα που συνεχίζει να μεγαλώνει
Οι ερευνητές που παρακολουθούσαν το φαινόμενο διαπίστωσαν ότι αναφορές αυτού του είδους επιθετικής απόξεσης άρχισαν να εμφανίζονται στα τέλη του 2024 στη Βόρεια Αμερική, την Ευρώπη και την Ωκεανία και οι ειδικοί είπαν στο CBC News ότι το πρόβλημα συνέχισε να επιδεινώνεται από τότε. Καθώς οι εταιρείες τεχνητής νοημοσύνης αγωνίζονται να εξασφαλίσουν δεδομένα εκπαίδευσης υψηλής ποιότητας - και καθώς οι εκδότες του ανοιχτού ιστού μπλοκάρουν ολοένα και περισσότερο τα προγράμματα ανίχνευσης - οι δεξαμενές αφύλακτων, υψηλής ποιότητας κειμένου συνεχίζουν να συρρικνώνονται και η πίεση στα ιδρύματα που αρνούνται να κλειδώσουν τις συλλογές τους συνεχίζει να αυξάνεται.
Αυτή η πίεση έχει κόστος. Ο Strykowski είπε ότι τα ρομπότ "προκαλούν απίστευτη δουλειά και πονοκέφαλο σε κάθε ίδρυμα που κάνει εργασίες ψηφιοποίησης και σε κάθε ίδρυμα που προσπαθεί να κάνει τις πληροφορίες ανοιχτά διαθέσιμες". Οι βιβλιοθήκες πρέπει τώρα να εκτελούν υποδομές φιλτραρίσματος bot, να κυνηγούν καταχρηστικά προγράμματα ανίχνευσης και να απορροφούν διακοπές - ξοδεύοντας σπάνιο προϋπολογισμό για την άμυνα αντί για ψηφιοποίηση και πρόσβαση.
Μια εξαγωγική σχέση, λένε οι κριτικοί
Πέρα από το τεχνικό φόρτο, το επεισόδιο αναβίωσε μια γνωστή κριτική για το πώς οι εταιρείες τεχνητής νοημοσύνης αντιμετωπίζουν τα ιδρύματα δημοσίου συμφέροντος. Ο Peter Lewis, Canada Research Chair στο Trustworthy Artificial Intelligence στο Ontario Tech University, είπε στο CBC ότι οι μεγάλες ιδιωτικές εταιρείες χρησιμοποιούν κοινά καλά ιδρύματα "με τρόπο που είναι πολύ εξορυκτικό" - υποθέτοντας ότι το δημόσιο υλικό είναι δωρεάν για λήψη και στη συνέχεια το χρησιμοποιούν για την κατασκευή άκρως εμπορικών μοντέλων που πωλούνται στο ίδιο κοινό.
Η δυναμική απηχεί προηγούμενες συγκρούσεις μεταξύ προγραμματιστών τεχνητής νοημοσύνης και εκδοτών ειδήσεων, συγγραφέων και καλλιτεχνών, αλλά με μια ανατροπή: οι βιβλιοθήκες σπάνια έχουν νομικά τμήματα ή paywalls για να επιστρέψουν. Η εντολή τους είναι να διαθέτουν ανοιχτά τις πληροφορίες, γεγονός που καθιστά τον αποκλεισμό της κυκλοφορίας —ακόμη και εχθρικής κυκλοφορίας— μια άμεση αντίφαση με την αποστολή τους.
Καλά ρομπότ, κακά ρομπότ και τι ακολουθεί
Η αναφορά του CBC σημειώνει ότι δεν είναι όλη η αυτοματοποιημένη κυκλοφορία εχθρική και οι βιβλιοθήκες κάνουν διάκριση μεταξύ ανιχνευτών με καλή συμπεριφορά που σέβονται τα όρια ρυθμών και εξαιρέσεις robots.txt και των πολύ λιγότερο ευγενικών μηχανών συγκομιδής που σφυρηλατούν τα αρχεία τους. Η δυσκολία είναι η κλίμακα: ακόμη και ένα μερίδιο καταχρηστικής κίνησης αρκετά μικρό ώστε να ξεφεύγει από μεμονωμένους κανόνες τιμών γίνεται συντριπτικό όταν χιλιάδες πελάτες συντονίζουν ή εναλλάσσουν ταυτότητες.
Τα ιδρύματα ανταποκρίνονται με ένα συνδυασμό τακτικών - περιορισμός ρυθμού, λήψη δακτυλικών αποτυπωμάτων bot, αποκλεισμός γνωστών δικτύων scraper και σε ορισμένες περιπτώσεις λήψη συλλογών εκτός σύνδεσης εξ ολοκλήρου κατά τη διάρκεια επιθέσεων. Κανένα από αυτά δεν είναι δωρεάν και όλα υποβαθμίζουν την ανοιχτή πρόσβαση που παρέχουν οι βιβλιοθήκες.
Η ειρωνεία είναι δύσκολο να χαθεί: τα ίδια ιδρύματα που πέρασαν δεκαετίες ψηφιοποιώντας την καταγεγραμμένη γνώση της ανθρωπότητας, ώστε ο καθένας να μπορεί να τη διαβάσει δωρεάν, πιέζονται τώρα να κλείσουν τις ψηφιακές τους πόρτες επειδή τα συστήματα τεχνητής νοημοσύνης θέλουν να διαβάσουν τα πάντα ταυτόχρονα. Ο τρόπος με τον οποίο οι βιβλιοθήκες, οι χρηματοδότες και οι εταιρείες τεχνητής νοημοσύνης επιλύουν αυτήν την ένταση - είτε μέσω συμφωνιών αδειοδότησης, πρόσβασης με αντιστάθμιση ή αυστηρότερης τεχνικής επιβολής - θα διαμορφώσει το πώς θα μοιάζει ο ανοιχτός ιστός πληροφοριών ποιότητας εκπαίδευσης για τα επόμενα χρόνια.
Προς το παρόν, οι άνθρωποι που πιάνονται στη μέση είναι οι αναγνώστες. Όπως δείχνει η εμπειρία του Seeman στο Πανεπιστήμιο της Βικτώριας, κάθε διακοπή που προκαλείται από ένα σμήνος ρομπότ περιορίζει την πρόσβαση του κοινού μαζί της.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
