OpenAI 想要吞噬互联网的一大块市场。谁能阻止他们呢？

您可能不了解 Automattic，但他们了解您。

作为 WordPress 的母公司，其内容管理系统托管着互联网上 1000 万个最受欢迎的网站中的约 43%。同时，它还拥有包括 Tumblr 在内的大量大型平台，Tumblr 上有大量令人尴尬的个人帖子。所有这些都表明，通过所有这些无数的条款和条件以及第三方同意书，Automattic 可能可以访问互联网的大量内容和数据。

[相关：OpenAI 的 Sora 让我们向 AI 深渊迈进了一大步。]

据404 Media本周早些时候报道，Automattic 正在与 OpenAI 和 Midjourney 敲定协议，为他们正在进行的人工智能训练工作提供大量此类信息。大多数人都看到了聊天机器人的成果，因为科技公司需要数百万个网站中的文本来训练大型语言模型对话能力。但这也可以采取使用自拍照训练面部识别算法的形式，或者通过分析你上传到网上的原创艺术作品来提高图像和视频生成能力。然而，很难确切知道使用了哪些数据以及使用了多少数据，因为 Midjourney 和 OpenAI 等公司维护着黑箱技术产品——这笔即将达成的商业交易就是这种情况。

那么，如果你想选择不让 ChatGPT 吞噬你的忏悔微博条目或日常工作流程，该怎么办？祝你好运。

当被要求发表评论时，Automattic 的一位发言人将PopSci引导到其“保护用户选择”页面，该页面是在404 Media报道后于周二下午发布的。该页面试图为您提供一些保证。现在有一个隐私设置可以“阻止”WordPress.com 和 Tumblr 上的搜索引擎索引网站，Automattic 承诺“仅共享”托管在这些平台上的“公共内容”。额外的退出设置也将“阻止”人工智能公司搜集数据，Automattic 计划定期向其合作伙伴更新哪些用户“新选择退出”，以便他们的内容可以从未来的训练和过去的源集中删除。

然而，这一切还有一点需要注意：

Automattic 表示：“目前，还没有法律要求爬虫程序遵循这些偏好。”

版权和隐私的狂野西部

“就我所见，我不确定哪些信息可以与人工智能共享，”天普大学媒体与传播学副教授艾琳·科伊尔 (Erin Coyle) 表示。“就人们拥有哪些数据隐私权而言，我们目前的处境确实令人困惑。”

对于科伊尔来说，对大量在线用户信息的模糊访问“绝对说明”美国缺乏统一的隐私立法。阻碍进步的最大挑战之一是法律总体上是被动的，而不是预防性的监管。

“总体而言，不存在数据隐私。”

“立法者很难走在发展的前沿，尤其是在技术领域，”她补充道。“虽然有理由要求他们非常小心谨慎……但在技术发展如此迅速的时代，这也非常具有挑战性。”

随着 OpenAI、谷歌和 Meta 等公司继续进行人工智能军备竞赛，提供大量互联网内容（包括公共和私人内容）的普通人陷入了两难境地。几乎所有应用程序、网站或社交媒体平台前面都有一份长长的宣言条款和条件，点击“同意”通常是访问这些服务的唯一方式。

明尼苏达大学新闻学教授克里斯托弗·特里 (Christopher Terry) 专注于媒体所有权、互联网政策和政治广告的监管和法律分析，他说：“无论我们谈论的是什么网站，一切都与服务条款有关。”

特里在接受PopSci采访时解释说，基本上你在网上签署的每一项服务条款协议都是与网站运营者之间的合法合同义务。深入研究法律术语，“你会发现你同意将你生成的数据交给他们，并允许他们使用……你允许他们利用这些数据赚钱。”

当然，你上次真正阅读这些烦人的弹出窗口是什么时候？

“总体而言，数据隐私是不存在的，”特里说道。“几十年来，我们一直过着数字化生活，人们分享了如此多的信息……却不知道这些信息会发生什么，”科伊尔继续说道。“我们中的许多人签署了这些协议，但并不知道人工智能如今会发展到什么程度。”

而签署放弃数据用于潜在人工智能训练所需的只是一个简单的服务条款更新通知——另一个弹出窗口，很可能你在点击“同意”之前没有阅读过。

你要么选择退出，要么加入

如果 Automattic 完成与 OpenAI、Midjourney 或任何其他 AI 公司的交易，其中一些更新警报可能会出现在数百万个电子邮件收件箱和网站上，而大多数人会本能地将它们拒之门外。但据一些研究人员称，在这种情况下，即使提供自愿退出选项也不够。

波士顿大学专注于技术政策和传播研究的研究员亚历克西斯·肖尔 (Alexis Shore) 向 PopSci 写道：“大多数用户很可能不知道这是一个选项，也不知道与 OpenAI/Midjourney 的合作正在发生。”“从这个意义上说，当默认设置允许 AI 抓取时，为用户提供这个退出选项是毫无意义的。”