Cerca de 245 organizações de notícias, em nove países, estão a tentar bloquear os rastreadores do Internet Archive, usados pela Wayback Machine para capturar conteúdos de páginas web. A ação visa impedir a recolha automatizada de artigos para fins de IA, alegando uso indevido de conteúdos protegidos por direitos de autor.
O arquivo reúne mais de um bilião de páginas desde 1996, incluindo artigos de grandes meios como CNN, The New York Times, The Guardian e USA Today. Os conteúdos servem como fontes históricas ou para confirmar alterações pós-publicação.
Várias organizações protestam contra a utilização dos textos para treinar grandes modelos de linguagem, sem remuneração ou autorização. O rastreio é feito pelo ia_archiverbot, principal bot da Wayback Machine, segundo a Originality AI.
Alvos e alcance
A USA Today Co concentra uma parte significativa das publicações que bloqueiam o bot. Assim, centenas de jornais locais ficam invisíveis nos registos históricos, complicando pesquisas de arquivo para algumas redações.
Os dados arquivados, com URL e API, são vistos como valiosos para treinar IA, dada a qualidade e a datação dos textos e imagens. Isto facilita o acesso de empresas de IA aos conteúdos arquivados.
Isto levanta questões sobre direitos de autor, já que algumas organizações processam empresas de IA por possível violação. O Times, citado por veículos especializados, afirma que o conteúdo do Internet Archive tem sido usado sem autorização para competir com o jornalismo original.
A posição das organizações e da plataforma
Algumas redações adotam uma abordagem mais restritiva do que o bloqueio total. O Internet Archive vê o bloqueio como consequência indireta das ações das IA. A plataforma já fez ajustes, como impedir downloads em grande escala e limitar extração automatizada.
O archivista Mark Graham defende que a preservação histórica é essencial para evitar edições não autorizadas de artigos. A Wayback Machine continua a monitorizar alterações em registos arquivados.
Foi discutida a possibilidade de soluções aceitáveis que reduzam o acesso não autorizado, em vez de bloqueios totais. O Fight for the Future reuniu uma petição com o apoio de jornalistas em atividade para contestar as restrições.
Entre na conversa da comunidade