Názory k článku
Google vydal návod, jak svoji stránku vyjmout ze zdrojů pro generativní AI

Zakázat přístup v robots.txt nestačí. Ještě musíte Googlu začít věřit, že to fakt budou ctít :-)

Budou, protože ušetří. A kdyby nerespektovali, přišlo by je to ještě dráž. Předvedl jste morální gymnastiku používanou dezinfo scénou (všichni lžou, věřte jen mně).

obavam se, ze bude mit pravdu, jak dokazes ze novy indexacni nastroj cituje z tveho vebu?, ja muzu tvrdit, ze to je z upne jineho webu, ktery vykradl ten tvuj, a ted boze sud!

A za domácí úkol si můžete najít, jak se ten argumentační faul, co jste právě uvedl nazývá.

Zrovna v případě konkrétně Google je to asi taková naivita, jako když 15x trestaný recidivista před souden tvrdí, že mu ta peněženka spadla do kapsy nešťastnou náhodou. Nebo když dědula poté, co přišel 4x o důchod, opět předá login k ebankingu "pracovníkovi banky".

Tak uveďte jeden příklad, kdy Google nerespektoval robots.txt.

Zlatíčko, toto je internet. Totální obezřetnost(o­patrnost) byla/je/bude vždy na místě.

Bych si dovolil opravit vase tvrzeni:
"Budou, protože ušetří [citation needed]. A kdyby nerespektovali, přišlo by je to ještě dráž [citation needed]."

Tak teoreticky si muzes zkusit vylistovat googli AS, a firewallem jim znemoznit pristup uplne. Parkrat jsem zkousel za jak dlouho najdou web, ktery neni odnikud linkovany. Vetsinou to neprelezlo 30 minut, pokud to bylo na domene 2. urovne (pripadne na proflaknutem www).

Ovsem jinak sem zastancem pristupu, ze co je verejne je dostupne vsem a pokud se to nekomu nelibi, nic mu nebrani dat to za login.

Spoustu webů chcete mít volně přístupné ale zároveň omezit spektrum způsobů, jakými se jejich obsah používá. Např. jako umělec chci aby bylo volně (bez loginu) čitelné moje portfolio ale zároveň nechci, aby to někdo používal k tvorbě odvozenin nebo napodobenin, což v podstatě AI art ve stylu daného autora je.

A jinak Google (a spousta dalších) sledují mimo jiné různé CA, a ihned skenují domény, na které jsou vystaveny nové certifikáty. Když mám na webserver namířenou wildcard doménu *.example.cz a vytvořím Let's Encrypt certifikát např. abcd123.example.cz, během sekund tam přijde smršť requestů googlebotem počínaje a různými wordpress a log4j skenery konče.

Chtit muzes, to je tak vse, pokud nepodniknes opatreni, je to presne stejne, jako kdyz si das na zahradu bilboard a rozcilujes se, ze si ho lidi(a treba i kolemjdouci roboti) fotej.

Ani ne, je to plně otázka legislativy.
Tohle je stejná rada, jako říkat kapele, ať nikde nevystupuje, jestli nechce, aby jim někdo kradl originální tvorbu. Přitom zrovna tohle víceméně funguje relativně dobře (ponechme diskusi o OSA stranou), nahrát si to, naučit se to, hrát si to doma je OK fair use, hrát to za prachy není.

Mělo by to být opt-in, nikoliv opt-out.

Člověk se furt musí přizpůsobovat výmyslům nadnárodních korporací.

Souhlas.

By mě zajímalo, jestli by bylo právně vymahatené, kdyby bylo v patičce napsané, že text na té stránce nesmí být použitý pro strojové učení. Protože kdyby byl na to použitý, tak vlastně Google nerespektuje podmínky. A mít pro každou firmu vlastní pravidla mi přijde idiotské.

Zajímavé bude, jestli to povede k nějakému jako SEO, tedy AIO. Doplníte na stránky nějaké člověku neviditelné blbosti a pak se na to budete AI ptát.

Na tehle "figlech" je krasny predevsim to, ze prave google za ne dava penalizace.

Ten opt-in mate uz davno... staci mit vychozi User-agent: *.