量子位
·
偷数据的AI公司被抓到了
内容提要
Reddit发现AI公司利用Wayback Machine绕过数据限制，非法抓取历史数据进行模型训练，侵犯用户隐私。尽管Reddit已限制API和数据抓取，AI公司仍通过缓存等方式获取数据，导致与Wayback Machine的合作关系面临挑战，数据所有权与AI训练需求的冲突加剧。
关键要点
-
Reddit发现AI公司利用Wayback Machine绕过数据限制，非法抓取历史数据用于模型训练。
-
Wayback Machine是一个公益性的数字存档工具，旨在保存网页历史版本。
-
AI公司通过Wayback Machine抓取Reddit历史数据，无需遵守Reddit的付费和合规协议。
-
Reddit对未经许可的数据抓取行为采取了严格限制，调整了API政策以保护数据权益。
-
Reddit与OpenAI有合作，但对Anthropic提起诉讼，因其在停止抓取后仍继续抓取数据。
-
AI公司的抓取行为侵犯了用户隐私，打破了数据获取与使用的规则平衡。
-
Reddit已限制Wayback Machine对其内容的索引，仅允许抓取主页，禁止访问帖子详情和用户资料。
-
数据所有权、使用边界与AI训练需求之间的冲突正在加剧。
延伸问答
AI公司是如何绕过Reddit的数据限制的？
AI公司利用Wayback Machine的存档，绕过Reddit的付费和合规协议，非法抓取历史数据用于模型训练。
Wayback Machine的主要功能是什么？
Wayback Machine是一个公益性的数字存档工具，旨在保存网页历史版本，允许用户查看网页的历史快照。
Reddit对AI公司的数据抓取采取了什么措施？
Reddit对未经许可的数据抓取行为采取了严格限制，调整了API政策，并限制Wayback Machine对其内容的索引。
AI公司抓取数据的行为对用户隐私有什么影响？
AI公司的抓取行为侵犯了用户隐私，可能导致已删除内容的泄露，危及用户的个人信息安全。
Reddit与OpenAI的合作情况如何？
Reddit与OpenAI有合作，但在6月对Anthropic提起诉讼，原因是Anthropic在停止抓取后仍继续抓取数据。
数据所有权和AI训练需求之间的冲突表现在哪些方面？
数据所有权与AI训练需求之间的冲突加剧，导致平台对数据使用的规则平衡被打破，影响了数据获取的合法性。
