خلاصه مقاله
استفاده از محتوای آنلاین برای آموزش مدل‌های هوش مصنوعی، چالش‌ها و بحث‌های زیادی را از نظر حق کپی‌رایت و جبران خسارت برای ناشران و تولیدکنندگان محتوا به وجود آورده است. استاندارد جدید SCL با پشتوانه‌ی شرکت‌های بزرگی مانند ردیت، یاهو و مدیوم، به دنبال حل این مشکل است. این استاندارد به ناشران اجازه می‌دهد تا شیوه‌ی استفاده از اطلاعات سایتشان توسط ربات‌های هوش مصنوعی و نحوه‌ی پرداخت هزینه‌ی آن را تعیین کنند.
مقدمه
وب‌سایت‌ها و تولیدکنندگان محتوا مدت‌هاست که از طریق پروتکل (robots.txt) اجازه دسترسی به ربات‌های خزشگر را تعیین می‌کنند. اما با ظهور هوش مصنوعی و نیاز آن به داده‌های گسترده، این پروتکل دیگر برای مدیریت حق امتیاز و جبران خسارت کافی نیست. استاندارد (RSL) به عنوان یک راه‌حل جدید، مسیری را برای ایجاد تعادل بین نوآوری هوش مصنوعی و حقوق مالکان محتوا فراهم می‌کند.
SCLچیست؟
استاندارد (Really Simple Licensing) RSL یک چارچوب جدید برای صدور مجوز محتوا است. این استاندارد ناشران را قادر می‌سازد تا شرایط استفاده از داده‌های خود توسط توسعه‌دهندگان هوش مصنوعی را تعیین کنند.
این شرایط می‌تواند شامل موارد زیر باشد:
- حق امتیاز: وب‌سایت‌ها می‌توانند با تعیین حق امتیاز، از شرکت‌های هوش مصنوعی درخواست کنند که برای خزش و جمع‌آوری داده‌ها از سایتشان، هزینه‌ای را به صورت اشتراک یا به ازای هر خزش پرداخت کنند.
- مدل‌های پرداخت انعطاف‌پذیر: این استاندارد قابلیت پرداخت به ازای هر بار خزش یا حتّی پرداخت به ازای هر استنتاج (هنگامی که یک مدل هوش مصنوعی از محتوای یک سایت برای تولید پاسخ استفاده کند) را فراهم می‌کند.
پشتوانه‌یSCL
پشتوانه‌ی استاندارد RSL یک سازمان حقوقی تازه تأسیس به نام RSL Collective است. این سازمان توسط اکارت والتر، یکی از بنیان‌گذاران استاندارد RSS، و داگ لیدز، مدیرعامل سابق IAC Publishing و Ask.com، رهبری می‌شود. هدف اصلی آنها ایجاد یک مدل تجاری مقیاس‌پذیر برای وب، متناسب با زمانه‌ی هوش مصنوعی است.
SCL چگونه کار می‌کند؟
RSL بر پایه پروتکل (robots.txt) ساخته شده است، اما قابلیت‌های جدیدی را در اختیار ناشران قرار می‌دهد.
- افزودن شرایط مجوز: ناشران می‌توانند شرایط مجوز و حق امتیاز را مستقیماً به فایل (robots.txt) خود اضافه کنند.
- تعبیه در محتوا: امکان تعبیه این شرایط در کتاب‌های آنلاین، ویدئوها و مجموعه داده‌های آموزشی نیز وجود دارد تا جبران خسارت برای استفاده از آنها نیز صورت گیرد.
- انواع مدل‌های مجوز: استاندارد RSL از مدل‌های مختلف مجوز، از جمله مدل‌های رایگان، پشتیبانی می‌کند.
مزایای استاندارد SCL
پیاده‌سازی استاندارد RSL مزایای متعددی برای ناشران و تولیدکنندگان محتوا به همراه دارد:
- درآمدزایی: ناشران می‌توانند از این طریق کسب درآمد کرده و برای استفاده از محتوای خود توسط مدل‌های هوش مصنوعی، جبران خسارت دریافت کنند.
- مدیریت آسان: این استاندارد به ناشران اجازه می‌دهد تا به راحتی شرایط استفاده از محتوای خود را تعیین کنند و نیاز به مذاکرات جداگانه با هر شرکت هوش مصنوعی را از بین می‌برد.
- پشتیبانی قانونی: RSL Collective مسئولیت اجرای قوانین و پیگیری موارد نقض مجوز را بر عهده می‌گیرد، که این امر هزینه‌های قانونی را برای ناشران کاهش می‌دهد.
- شفافیت: با تعیین شرایط مجوز به صورت صریح، ربات‌ها از قبل از ورود به سایت از شرایط آگاه می‌شوند.
چالش‌ها و آینده SCL
موفقیت RSL تا حد زیادی به همکاری و پذیرش شرکت‌های بزرگ هوش مصنوعی بستگی دارد. برخی از چالش‌ها و مسائلی که در این زمینه مطرح هستند، عبارتند از:
- لزوم همکاری شرکت‌های هوش مصنوعی: مدل‌های هوش مصنوعی بارها به نادیده گرفتن فایل‌های (robots.txt) متهم شده‌اند. پذیرش RSL مستلزم همکاری فعال این شرکت‌ها است.
- عدم مسدودسازی ربات‌ها: RSL به تنهایی قادر به مسدود کردن ربات‌ها نیست. برای این منظور، RSL Collective در حال همکاری با Fastly به عنوان یک شبکه تحویل محتوا (CDN) است تا تنها به ربات‌هایی اجازه دسترسی داده شود که شرایط مجوز را پذیرفته‌اند.
- ابهامات قانونی: در حال حاضر، استفاده از داده‌ها برای آموزش هوش مصنوعی در یک منطقه خاکستری قانونی قرار دارد، و بسیاری از شرکت‌های هوش مصنوعی با شکایت‌های متعددی در این زمینه مواجه هستند. RSL با ایجاد یک چهارچوب مشخص، به دنبال رفع این ابهامات است.
RSL Collective با پیوستن برندهای بزرگی مانند O’Reilly، wikiHow و Ziff Davis (صاحب IGN)، به دنبال ایجاد یک جبهه متحد است تا شرکت‌های هوش مصنوعی را به پذیرش این استاندارد ترغیب کند. پیوستن به این مجموعه برای ناشران و تولیدکنندگان محتوا رایگان است.
دیدگاهتان را بنویسید