为防AI训练滥用其内容，多家美国主流媒体封禁互联网档案馆时光机工具

4月14日最新消息，源自《连线》杂志的报道指出，在本月，《今日美国》发布了一篇深度调查报道，揭示了美国移民与海关执法局如何拖延公开其拘留政策影响的关键数据。这篇报道的作者利用互联网档案馆的“时光机”工具，整理并分析了该机构的拘留统计数据，从而追踪其在特朗普政府任内的变化趋势。这只是“时光机”为公共利益保存信息的众多案例之一，该工具会自动抓取并长期存储网页内容。然而，据“时光机”负责人马克·格雷厄姆透露，这一情况本身“颇具讽刺意味”。

《今日美国》集团的前身是甘尼特集团，它不仅运营着同名报纸，还掌控着200多家其他媒体机构，但却禁止“时光机”对其内容进行存档。格雷厄姆对此评论道：“他们能够完成这篇调查报道，完全依赖于‘时光机’的存在。但与此同时，他们却在封锁访问权限。”

近期，多家其他美国主流新闻机构也纷纷开始限制“时光机”存档其报道，其中包括《纽约时报》。根据人工智能检测初创公司Originality AI的分析，目前已有23家主流新闻网站屏蔽了“ia_archiverbot”，这是互联网档案馆为“时光机”项目所使用的网络爬虫。社交平台Reddit也采取了类似的屏蔽措施。还有一些媒体通过其他方式进行限制：《卫报》虽然没有直接屏蔽爬虫，但将自家内容从互联网档案馆的应用程序接口中排除，并在“时光机”界面中过滤相关文章，这使得普通用户更难查阅到其存档内容。

《今日美国》集团发言人拉克-玛丽·安东强调，这一举措“并非专门针对互联网档案馆”，而是该集团全面禁止所有爬虫程序的一部分政策。《卫报》商务与授权总监罗伯特·哈恩则表示，该报正与互联网档案馆进行沟通，原因是“担忧人工智能公司可能滥用为存档目的而抓取的内容”。

如今，记者们正自发抵制这一趋势。本周，电子前沿基金会和“为未来而战”等倡导组织联合记者，共同声援“时光机”。这个联盟收集了超过百名在职记者的签名，他们充分认可这一工具的价值，并向互联网档案馆递交了支持信。联署者中既包括知名电视主播蕾切尔·玛多，也有独立媒体记者。信中写道：“在过去，记者会查阅地方报纸或公共图书馆的实体档案，来调取历史报道，以追溯当前事件的来龙去脉。然而，如今大量报纸关停，地方公共图书馆又缺乏明确途径来保存纯数字新闻，因此守护新闻记录的责任越来越多地落在互联网档案馆身上。”

联署人之一、拦截播客监制劳拉·弗林表示，互联网档案馆在其职业生涯中是“不可或缺的工具”，在事实核查和音频片段检索方面发挥着关键作用。另一位联署人、芝加哥读者撰稿人米科·卡波拉尔则指出，在撰写关于老牌乐队和文化人物的报道时，“时光机”能够提供已消失的旧粉丝网站内容，否则这些珍贵资料将彻底湮灭。

卡波拉尔还补充道，这一工具在其工会组织工作中同样非常实用。“我在工会组织工作中大量使用‘时光机’，用来查找旧的招聘信息，对比公司声称的招聘岗位与实际分配的工作内容，或者观察不同职位在不同时期的变化情况。这些存档的帖子还能帮助我们追踪机构内部长期的薪资波动。”

其他出版商则以担忧科技公司利用互联网档案馆的数据来训练人工智能模型为由，为封禁“时光机”的决定进行辩护。《纽约时报》发言人格雷厄姆·詹姆斯称：“问题在于，互联网档案馆中的时报内容正在被人工智能公司用于训练，这违反了版权法，并与我们形成直接竞争。”不过，这位发言人未说明这是既成事实，还是仅属于假设性担忧。

Reddit此前也曾表示，对人工智能的担忧同样促使其屏蔽“时光机”爬虫。目前，出版商与人工智能公司之间正围绕AI工具未经许可使用其内容训练的合法性展开激烈博弈；在美国超过百起人工智能版权诉讼中，多数诉讼都聚焦于这一问题。科技公司会抓取全网内容，而“时光机”拥有海量资料，因此被视为极具吸引力的数据来源。

据了解，互联网档案馆已成立30年，存档网页超过一万亿个。这家非营利机构自2020年以来已历经多场重大法律诉讼。最近，它与一批主流音乐出版商达成和解，后者曾就“伟大78转唱片”项目存档老式录音的行为索赔高达7亿美元。尽管目前暂无重大经济处罚的风险，但越来越多媒体机构封禁“时光机”，仍对其使命构成了严重威胁。

目前，尚无公开工具能与“时光机”相媲美。如果它持续失去对主流新闻来源的访问权限，其存档工作将大幅受损，早期数字历史记录将变得难以查阅，甚至彻底遗失。值得注意的是，这款工具曾被用于针对《纽约时报》的报道：2016年，该报因修改一篇关于佛蒙特州联邦参议员、时任总统候选人伯尼·桑德斯的文章编辑内容而受到质疑，这些修改正是通过“时光机”首次被追踪到的。

如果类似事件现在发生，监督类媒体的记者可能难以用同样的方式追溯《纽约时报》的旧文版本。功能受限的“时光机”不仅不利于发挥监督新闻业的作用，还会对司法体系造成打击，因为该工具存档的网页在美国各类诉讼中经常被作为证据引用。

互联网档案馆的马克·格雷厄姆并未放弃希望，他认为部分当前封禁其爬虫的出版商最终可能会改变态度。他表示，这家非营利机构正与《纽约时报》等媒体“进行沟通协商”。但就目前情况而言，格雷厄姆指出：“毫无疑问，公共网络中越来越多的内容遭到封锁，这正在削弱社会了解世界真相的能力。”

来源：IT之家