Bloquear o Internet Archive Não Vai Impedir o Treinamento de IA — Vai Apagar a Memória da Web

Bloquear o Internet Archive Não Vai Impedir o Treinamento de IA — Vai Apagar a Memória da Web

Grandes editoras começaram a bloquear os crawlers do Internet Archive, mais proeminentemente o The New York Times, que foi além dos controles tradicionais de robots.txt para impedir que o Wayback Machine capture e preserve suas páginas. O Internet Archive — operador do Wayback Machine e a maior biblioteca digital da web com mais de um trilhão de páginas arquivadas — é uma ferramenta diária de pesquisa para jornalistas, historiadores, tribunais e o público. Ao cortar o acesso a crawlers arquivísticos sem fins lucrativos, as editoras correm o risco de desmantelar o único registro público consistente de como as notícias apareceram online, incluindo edições, correções e retratações que de outra forma desaparecem da web ativa.

As editoras dizem que suas ações respondem ao alarme sobre empresas de IA raspando conteúdo jornalístico para treinar modelos de linguagem de grande porte e outros sistemas, e várias organizações de notícias têm movido litígios sobre o uso de material protegido por direitos autorais no treinamento de IA. Mesmo que os tribunais acabem dando razão às editoras, remover o acesso arquivístico de instituições que preservam a história é uma resposta desproporcional. O Internet Archive não é um treinador comercial de IA; ele funciona mais como uma biblioteca fazendo cópias para preservação e descoberta. Bibliotecas e arquivos há muito tempo são tratados de forma diferente na lei de direitos autorais quando sua cópia serve a propósitos de pesquisa, acesso e interesse público. O dano colateral de bloqueios técnicos generalizados é a perda progressiva de um registro probatório do qual muitos dependem para entender como a apuração e o discurso público evoluíram.

Remover a capacidade do Archive de preservar notícias cria custos de longo prazo que se estendem muito além da disputa imediata sobre dados de treinamento de IA. Jornalistas perderão uma fonte estável para localizar e verificar alegações históricas, pesquisadores enfrentarão lacunas em estudos longitudinais da mídia, e tribunais podem ficar sem registros contemporâneos de publicações online. Em vez de erguer barreiras técnicas, editoras e arquivos deveriam explorar acordos direcionados que protejam interesses comerciais sem apagar o registro público.

Principais implicações

• Registro histórico em risco: Bloquear crawlers arquivísticos remove os únicos instantâneos independentes de muitas páginas de notícias.
• Remédio equivocado: Bloqueios técnicos miram preservação sem fins lucrativos, não construtores comerciais de modelos.
• Atrito jurídico e político: Processos em curso sobre treinamento de IA podem decidir normas de acesso, mas a perda arquivística intermediária é irreversível.
• Necessidade de soluções: Acesso negociado, embargos seletivos e esclarecimentos legais podem equilibrar direitos e preservação.

Mantenha-se conectado e navegue com segurança com a Doppler VPN.

Fontes:

• eff.org