Resumen:
Google, Microsoft, OpenAI y Anthropic respaldan una nueva declaración de preferencia de entrenamiento de IA que permite a los sitios web indicar si permiten que las empresas de IA utilicen el contenido para entrenar modelos modificando robots.txt. Según el borrador, los administradores de sitios web solo necesitarían agregar un conjunto de reglas para hacer una declaración a múltiples empresas de inteligencia artificial que respalden las reglas.
La declaración dice lo siguiente:
# Reglas de prohibición en todo el sitio
Usuario
-
Agente
:
__usage_ai
-
entrenamiento
No permitir
:
/
# Permitir ejemplo de directorio específico
Usuario
-
Agente
:
__usage_ai
-
entrenamiento
Permitir
:
/archive/
Usuario
-
Agente
:
__usage_ai
-
entrenamiento
no permitir
:
/archive/
# Permitir directorios específicos no entra en conflicto con la prohibición de todo el sitio, es decir, /archive/ está permitido pero todos los demás directorios están prohibidos
Agregue este contenido al archivo robots.txt del sitio web para declarar que está prohibido utilizar todo el contenido del sitio para entrenar modelos de IA. El administrador del sitio web también puede modificar los directorios permitidos o no permitidos. Por ejemplo, se permite el uso de algunos directorios para la capacitación en IA y no se permite el uso de algunos contenidos para la capacitación en IA.
Los horarios de soporte de cada empresa son diferentes:
El plan sigue siendo un borrador de Internet, pero Microsoft ha dicho que la compañía cumplirá con la declaración a partir del 1 de febrero de 2027, por lo que los sitios web que no quieran que su contenido se utilice para entrenamiento de IA ahora pueden modificar el archivo para agregar la declaración relevante.
El plan de Google es brindar soporte a partir de principios de 2027, pero aún no se ha completado el plazo específico. OpenAI dice que implementará el plan en los próximos meses y Anthropic parece haber comenzado a respaldar el borrador.
Prohibir la formación y citar contenidos para generar respuestas tienen diferentes finalidades:
La declaración anterior sólo expresa la elección del sitio web sobre el uso del contenido. Según las instrucciones preliminares, establecer la declaración anterior por sí sola no impedirá directamente que los rastreadores accedan a la página web. Si el sitio web desea restringir el rastreo de contenido por parte de rastreadores específicos, aún debe configurarse mediante las reglas tradicionales de robots.txt.
El contenido de formación y las páginas web de referencia de respuestas de IA también tienen diferentes propósitos. Microsoft proporciona controles adicionales de AI Grounding para sus propios servicios, lo que permite a los sitios web decidir si se permite hacer referencia al contenido cuando se utilizan respuestas generadas por AI. Este control es para páginas específicas y solo se aplica a los servicios de Microsoft.
Google declaró que si un sitio web utiliza la declaración anterior para rechazar el entrenamiento de IA pero no establece explícitamente Google Extended, Google planea manejarlo de acuerdo con el rechazo del sitio web de las reglas de Google Extended. Google-Extended implica el entrenamiento del modelo Gemini y también implica el uso de referencia web de algunas respuestas de Gemini.
Comentarios