OpenAI：ChatGPT將遵守爬蟲協(xié)議，網(wǎng)站可拒絕白嫖
兩行文本就能完成設(shè)置
克雷西 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
不希望網(wǎng)站數(shù)據(jù)被ChatGPT白嫖？現(xiàn)在終于有辦法了！
兩行代碼就能搞定，而且是OpenAI官方公布的那種。
剛剛，OpenAI在用戶文檔中更新了GPTBot的說明。
根據(jù)這一說明，內(nèi)容擁有者將可以拒絕網(wǎng)站數(shù)據(jù)被ChatGPT的爬蟲抓取。
這是繼暫停網(wǎng)頁訪問功能之后，OpenAI在版權(quán)和隱私保護(hù)方面的又一重大舉措。
不過，OpenAI還是希望能內(nèi)容擁有者將訪問權(quán)限開放給GPTBot。
在這份關(guān)于GPTBot的說明中，OpenAI表示：
允許我們的爬蟲訪問你的數(shù)據(jù)有利于使AI模型更精確、更安全。
但至少，站主們擁有了選擇的權(quán)利。
不過，也有網(wǎng)友指出了問題：
模型早就已經(jīng)訓(xùn)練好了，現(xiàn)在提這個還有什么用？
對此OpenAI尚未作出解釋，我們還是先來看看這次的措施。
三種方式阻止GPT爬蟲
那么，OpenAI都公布了哪些內(nèi)容呢？
首先是GPTBot的U(ser)A(gent)信息。
User agent token: GPTBot
Full user-agent string: Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; GPTBot/1.0; +https://openai.com/gptbot)
UA是瀏覽器的身份標(biāo)識，包含了訪問者的系統(tǒng)環(huán)境、瀏覽器內(nèi)核版本、語言等諸多信息。
通過HTML的標(biāo)簽，可以阻止特定的瀏覽器對網(wǎng)頁內(nèi)容進(jìn)行訪問。
在這份說明文檔中，OpenAI還提供了更簡單的爬蟲阻止方式，即修改robots.txt。
只要在網(wǎng)站的robots.txt中加入如下內(nèi)容：
User-agent: GPTBot
Disallow: /
這樣，GPTBot將不會訪問你的網(wǎng)站進(jìn)行內(nèi)容抓取。
如果只想禁止GPT抓取部分內(nèi)容，也可以利用robots.txt進(jìn)行設(shè)置。
和上面的內(nèi)容相似，分別寫明允許和不允許訪問的目錄即可。
User-agent: GPTBot
Allow: /directory-1/
Disallow: /directory-2/
其中Allow的優(yōu)先級更高，也就是說當(dāng)Allow的目錄是Disallow目錄的子目錄時，會被允許訪問。
此外，OpenAI還公布了爬蟲機器人的ip地址。
如果實在是對爬蟲不放心，可以設(shè)置禁止有關(guān)ip對網(wǎng)站的訪問。
什么是robots.txt
上面提到的robots.txt是什么，為什么它能阻止GPT的爬蟲？
這其實是一種用戶協(xié)議，站主可以在其中設(shè)置禁止訪問網(wǎng)站的爬蟲或禁止爬蟲抓取的內(nèi)容。
根據(jù)這一協(xié)議，即使在有能力訪問的情況下，爬蟲遇到相關(guān)內(nèi)容都會主動選擇避開。
ChatGPT自身也在使用robots.txt，阻止爬蟲抓取除了用戶分享之外的其他內(nèi)容。
其實，在AI盛行之前，這項協(xié)議就已經(jīng)存在，當(dāng)時主要是用于限制搜索引擎。
這也正是我們無法在搜索引擎中搜到微信公眾號文章的原因。
這是一項君子協(xié)定，不過大多數(shù)廠商都會選擇遵守，因為這體現(xiàn)了對行業(yè)規(guī)則和用戶隱私的尊重。
如今，OpenAI也加入了這一行列。
One More Thing
與此同時，Google的爬蟲正在全網(wǎng)抓取內(nèi)容。
不過，網(wǎng)友對此似乎有更高的容忍度：
至少Google是鏈接到你的網(wǎng)站，但ChatGPT用了你的內(nèi)容之后根本不會進(jìn)行說明。
你認(rèn)為在提高模型質(zhì)量和保護(hù)創(chuàng)作者之間該如何找到平衡點呢？
參考鏈接：
[1]https://platform.openai.com/docs/gptbot
[2]https://www.theverge.com/2023/8/7/23823046/openai-data-scrape-block-ai
[3]https://news.ycombinator.com/item?id=37030568
相關(guān)閱讀
20+大咖激辯中國AIGC產(chǎn)業(yè)！現(xiàn)場人擠人，超200萬在線網(wǎng)友：「有必要完整再看一遍」
一文看透中國AIGC產(chǎn)業(yè)峰會
