Nghiên cứu gần đây tiết lộ những khác biệt rõ ràng trong cách các trang web tin tức uy tín và các trang gây thông tin sai lệch quản lý quyền truy cập của trình thu thập AI thông qua các tệp robots. txt, một giao thức web kiểm soát quyền của trình thu thập. Phân tích một bộ dữ liệu gồm cả hai loại trang web, các nhà nghiên cứu phát hiện rằng 60% các trang tin tức uy tín chặn ít nhất một trình thu thập AI, trong khi chỉ có 9, 1% các trang gây thông tin sai lệch áp đặt các hạn chế như vậy. Trung bình, các trang uy tín từ chối khoảng 15, 5 tác nhân người dùng AI, cho thấy nỗ lực rộng rãi và có chủ đích để hạn chế việc thu thập tự động, trong khi các trang gây thông tin sai lệch thường chỉ hạn chế ít hơn một trình thu thập AI. Nghiên cứu cũng xem xét các biện pháp chặn hoạt động — các biện pháp phòng thủ theo thời gian thực chống lại trình thu thập AI — và nhận thấy rằng mặc dù cả hai loại trang đều tham gia vào những thực hành này, các trang tin tức uy tín thực thi chính sách của robots. txt một cách nhất quán hơn. Những cách tiếp cận đối lập này ảnh hưởng đến khả năng tiếp cận nội dung trực tuyến để huấn luyện mô hình AI. Vì AI phụ thuộc nhiều vào dữ liệu web, các hạn chế chặt chẽ hơn từ các nguồn uy tín có thể hạn chế truy cập dữ liệu chất lượng, trong khi các trang gây thông tin sai lệch mở hơn có nguy cơ làm lệch huấn luyện AI về nội dung không đáng tin cậy. Sự chênh lệch này đặt ra những vấn đề đạo đức và minh bạch quan trọng, khi các mô hình AI có thể học theo tỷ lệ không cân xứng từ thông tin lừa đảo, ảnh hưởng đến độ tin cậy và công bằng của chúng. Các phát hiện này nhấn mạnh trách nhiệm của các nhà cung cấp nội dung, đặc biệt là các phương tiện truyền thông đã được thiết lập, trong việc quản lý quyền truy cập của trình thu thập để bảo vệ tài sản trí tuệ và kiểm soát việc phân phối.

Tương tự, các nhà phát triển AI cần xem xét những hạn chế về truy cập này để hiểu rõ hơn về những thiên vị và khoảng trống tiềm năng trong mô hình của họ. Khi tích hợp AI ngày càng sâu vào xã hội, tính minh bạch về nguồn dữ liệu huấn luyện và đạo đức càng trở nên cấp thiết. Nghiên cứu nhấn mạnh sự phân chia ngày càng rõ nét giữa các thực hành của các trang web uy tín và thông tin sai lệch, đồng thời nhấn mạnh nhu cầu liên tục nghiên cứu và đối thoại chính sách về khả năng truy cập nội dung và phát triển AI có trách nhiệm. Các nỗ lực hợp tác giữa các nhà sáng tạo nội dung, nhà nghiên cứu AI, các nhà hoạch định chính sách và công chúng sẽ rất quan trọng để đề xuất các giải pháp cân bằng, tôn trọng quyền sở hữu nội dung trong khi thúc đẩy AI chính xác và đạo đức. Các biện pháp tiềm năng bao gồm các hướng dẫn chuẩn mực về robots. txt dành cho trình thu thập AI, tăng cường minh bạch trong dữ liệu huấn luyện AI và nâng cao nhận thức của công chúng về các ảnh hưởng đối với nội dung do AI tạo ra. Tóm lại, nghiên cứu cung cấp bằng chứng quan trọng về sự mất cân đối ngày càng tăng trong quy định trình thu thập AI: các phương tiện truyền thông uy tín tích cực hạn chế quyền truy cập, trong khi các trang gây thông tin sai lệch chủ yếu vẫn dễ dàng. Động thái này ảnh hưởng đến bộ dữ liệu huấn luyện AI và do đó đến chất lượng cũng như các thiên vị của kết quả AI. Các phương án tiếp cận suy nghĩ, hợp tác sẽ rất cần thiết để đảm bảo AI mang lại lợi ích cho xã hội một cách an toàn và công bằng.