Podle mě to nechápeš. Pokud bude mít každá stránka svoji vlastní ligatury pro různé slova, tak AI nikdy neudělá korelaci mezi různýma stránkama. To je jako mít vlastní abecedu pro každnou stránku.
13. 8. 2026, 16:46 editováno autorem komentáře
A můžeš teda popsat jak se to bude dekódovat, když v textu je "Koník", ze kterého se pomocí GSUB udělá "Fík"? GSUB pracuje s glyfama a né s unicode - CMAP udělá z Koník 5 glyfů, GSUB z toho udělá 3 a ty potom renderer vykreslí. Nikde není původní informace, jedině nad tím udělat OCR, jak bylo v článku zmíněno.
No stejně tak obejít Anubis bych řekl že musí být triviální.
A ne, nejde ani říct, že řešení té challenge má nějakou neodstranitelnou složitost. Alespoň dřív se jednalo o SHA-256 nebo tak něco implementované v JavaScriptu. Takže si mohli dovolit stovky tisíc iterací maximálně. Ale když to řešíš hromadně, tak to pustíš v nativním kódu nebo ideálně na GPU - kde to bude o několik řádů rychlejší.
Tak nejde o to, že by to nešlo obejít, ale takové obejití může být poměrně drahá záležitost. Místo jednoduchého WebFetch (v podstatě nějaký jednoduchý cURL request) najednou musíte zapojit GPU, abyste se dostal k obsahu stránky. Tím vám skokově vzrostou náklady, pokud má takovou techniku implementováno nezanedbatelné procento webů. A to většinou úplně stačí -- společnosti jako Anthropic si pak dobře rozmyslí, jestli takový web bude scrapovat nebo to radši vezme vedle, z méně kvalitní stránky, kde ale podobná ochrana není.
Úplně stejně je to s CAPTCHA -- nikdo neříká, že se nedá obejít, už jen třeba nějakou farmou někde v Indii, kde se specializují jen na řešení takového challenge i klidně za použití lidí -- problém má být v tom, že najednou je to mnohem dražší, než by se provozovateli scraperu líbilo a vyplatilo.
15. 8. 2026, 12:29 editováno autorem komentáře
Zrakově postižení a ti, kteří by v textu něco chtěli najít, pěkně poděkují.
(přesně takhle fungují některé exportéry obsahu do pdf, že permutují písmenka, zejména ta česká, která vizuálně vypadají správně, ale ctrlc ctrlv vyleze salát)
Takže zase budeme na svých strojích louskat nesmysly, zase to bude pomalé, zase to bude žrát zbytečně energii a zkracovat běh doby na baterii.
Oni totiž totiž zrakově postižení a jinak zdravotně znevýhodnění lidé nemají už tak složitý život... a když už jim začne technologie pomaláhat, pojďme jim to zase trochu zkomplikovat.
Mě napadlo transformovat ten text stránky (do něčeho co pořád vypadá jako text, ale slova by nedávali smysl) a pomalu ho po načtení měnit a přitom spotřebovat nějaký ten výkon. AI by si muselo počkat a spálit cykly navíc.
Na druhou stranu většina modelů se stejně trénuje na datech do r. 2022, tehdy byl ještě internet bez AI obsahu.
Takze vylejeme vanicku i s ditetem? Nebo jak si autori predstavuji ze bude zustane fungovat full-text search ale AI scraping nikoliv?
Pokud je AI placena sluzba, tak je treba proste zpoplatnit pristup ke zdroji - musim rict nejake AI at mi napise takovej billing system :D Prece data a znalosti nerostou na strome zadara.
Nestalo by za to dnes uz tak komplexni svet dale zbytecne pomoci narovnavaku na ohybaky nezeslozitovat, a pripravit se proste na to, ze budouci svet bude jiny, ze lidi uz treba nebudou cist weby nebo casopisy a knihy, ale jen si nechaji delat "rešerše"* a jit tomu naproti ? :). A ti co tohle nechteji tak maji moznosti paywallu apod. a rict otevrene, platte nam za obsah (aha, to by tam musel byt nejaky hodnotny).
A technicky problem prehlcenych serveru jde taky casto resit treba tim, ze se nestavi na frameworku na frameworku na frameworku na interpretovanem jazyku nevim cem dalsim na to, abych vysypal webstranku. + cacheovani. Ano, sam to vidim, jak Claude na muj pozadavek neco udelat nachrli balik dotazu na webserver.
* taky to tak dneska casto delam, hlavne od doby co Google vi nejlepe co jsem "chtel" najit a ostatni vyhledavace o dane veci treba ani nevi. Uplny bizar je kdyz zadam treba identifikator nejake funkce, dam ho do uvozovek, a stejne dostanu uplne nesouvisejici vysledky, protoze dvema presmyckami z toho vznikne nejake slovo "normalnich lidi".
Tam bude problém s tým prechodom k novému "lokálnemu minimu", lebo v súčasnosti málo informačných zdrojov je nejakých významne hodnotných (tie bývajú za paywallom beztak už teraz) alebo unikátnych. Preto používatelia budú málo ochotní začať platiť za niečo, čo inde (zatiaľ) majú zadarmo, resp. za reklamu, pričom tí "bezplatní" poskytovatelia budú zas viac a viac trpieť poklesom sledovania reklamy, čo sa prejaví postupným poklesom kvality a množstva obsahu jednotlivých zdrojov, ale AI bude stále hromadne vycucávať všetky naraz (čo je rozdiel voči človeku, ktorý má len obmedzené množstvo informácie, ktoré je schopný za určitý čas do seba nasať).
Môže nastať špirálovitý zošup, kde je ťažko predikovať, ako to dopadne...
to bych nechal na autorech, kteri jsou dneska biti z obou stran - v podstate jejich prace vysaly velky AI firmy. Tam se toci miliardy dolaru a puvodni autori z toho nemaji ani ten pitomej link na zdroj.
Nejenom že lidé, kteří závisí na čtečkách obrazovky nebudou mít absolutně přístup k textu, ale celý ten projekt je tvořen LLM. Řešenim proti scrapingu není aby každá stránka vyhazovala tyto osoby mimo palubu, ale aby scraping měl jasně dané meze a aby bylo jednoduché říct jestli chci nebo ne podporovat trénování komerčních modelů.
"aby bylo jednoduché říct jestli chci nebo ne podporovat"
To je v zásade veľmi jednoduché. Čo jednoduché nie je, je vymôcť, aby sa toto želanie aj rešpektovalo.
Obavám se, že je to přesně ten případ, kdy to vypadá složitě z lidského pohledu, ale pro stroje to je (nebo brzo bude) jednoduchý úkol k řešení (a la captcha).
Myslím, že jejich ambicí není strojům zabránit v tom se k tomu dostat úplně, ale zesložitit jim ten přístup. A většinou stačí trochu. Při řešení úkolů Anubisu prohlížečem vám taky nezhoří počítač. Když scrapujete miliardy webů, tak stačí jen malé zesložitění, abyste to dost pocítil a nevyplatilo se vám to. Oni se snaží o nejlepší poměr vynaložené prostředky/data a když narazí na byť drobnou překážku, raději ji přeskočí a jdou na weby, který ten poměr mají lepší.
Provozovatelům stránek to nic nepřináší, naopak mají své servery více zatížené.
To bych zase úplně netvrdil. Provozovatelé mohou pak využít lepší modely AI. Samozřejmně pokud je nepoužívají (v profesním i soukromém životě), ať web chrání. Na druhou stranu pokud je využívají a brání aktivně scrapingu, tak jsou akorát pokrytci a tak trochu sobci...
Já to blokuju, přitom sám scrapuju a scrapery mi píše AI.
Je velký rozdíl vzít si jednou za 2 dny cenu nějakého produktu a majiteli webu tím vydělávat VS dělat ddos hloupým zacykleným botem z desetitisíců vyhackovaných rezidentních IP za účelem prodeje nakradených dat, čímž se následně omezí návštěvnost zdroje.
Za ktore si musia draho zaplatit.
Nie nie su ani pokrytci ani sebci, oni su vlastnikmi dat, oni ich vytvorili, spravovali, casto mimo AI a nieco ich to stoji a potom pride Antropic a tie data im ukradne a pouzije na svoje obohatenie.
Ono nie vsteky weby si generovane cez AI.
Nie nie su ani pokrytci ani sebci, oni su vlastnikmi dat, oni ich vytvorili, spravovali, casto mimo AI a nieco ich to stoji a potom pride Antropic a tie data im ukradne a pouzije na svoje obohatenie.
Takhle ale fungují i lidi -- originálních znalostí je málo, většina lidí staví své znalosti a prospěch na znalostech cizích lidí kteří byly před nimi a naučili se je s relativně malou či nulovou investicí (knihy, diskuze, přednášky, články, stack overflow ;-), kolegové, cizí zdrojáky, v našem státě i škola kterou dotují všichni daňoví poplatníci). Pokud si někdo vlastních dat váží tak že nechce aby se další lidi nebo AI z nich učili a měli případný prospěch, neměl by je publikovat. To je takový to "otevřel jsem si hospodu a oni mě tam chodí lidi/roboti"
Ono nie vsteky weby si generovane cez AI.
Tady nejde o weby generované skrz AI. Tady jde o kód generovaný skrz AI, zabezpečený pomocí AI, jde o osobní prompty typu porovnej mi A,/B či analýzy, hledání, nakupování, porovnávání, interaktivní help, slovník a spoustu dalších věcí které AI dokáže výrazně zjednodušit. Dřív spoustu těch věcí dělal člověk, ale popravdě ... trvalo to asi v lepším případě 10x déle
14. 8. 2026, 09:13 editováno autorem komentáře
"otevřel jsem si hospodu a oni mě tam chodí lidi/roboti" - lenze je rozdiel, ci mu tam chodia ludia, ktori mu urobia taku trzbu, ze mu to zaplati prevadzku, alebo tam chodia ti, ktori pri mineralke presedia cely den
"A těch minerálkařů plná hospoda, ještě čekají před ní a platícího zákazníka tam nepustí"
provozovatel pak buďto hospodu zavře nebo zpoplatní vstup nebo požádá někoho o dotaci :-)
A ti lidé mu urobí tržbu přesně jak? Speciálně ti kteří utíkají bez zaplacení... A řekl bych že je jich většina... (aneb ti s adblockem, vivaldi, etc. etc.).
Navíc, když už jsme u těch přirovnání, tak v civilizované zemi (nebo aspoň v našich končinách) opravdu nemůžete vyhodit z restaurace člověka jen protože si dal jednu minerálku za celý večer.
A ti lidé mu urobí tržbu přesně jak?
Ne každá odměna je peněžní. Hodně lidí píše čistě pro sociální kapitál: že ho za to lidi ocení, že si tím buduje postavení experta na danou oblast. Když jeho obsah přežvýká AI, tak se to všechno ztrácí. Lidem už neporadil Franta Vomáčka, ale ChatGPT, Gemini, Claude... Práci si dal jeden, odměnu ať už peněžní nebo jinou bere druhý.
Přijde mi, že tuhle dynamiku nechápou hlavně lidi, kteří jsou na té příjmové stránce obsahu. Myslí si, že ti druzí pro ně dělají obsah v zájmu nějakého vyššího dobra, takže jim vlastně má být jedno, jak se konzumuje, bez ohledu na to, jestli z toho něco mají nebo ne.
Lidi dělají obsah převážně, protože je to živí, nebo protože se o něj chtějí podělit s ostatními napřímo a pod svým jménem. Nechtějí být anonymní plniči databází provozovatelů AI služeb.
Hodně lidí píše čistě pro sociální kapitál: že ho za to lidi ocení, že si tím buduje postavení experta na danou oblast. Když jeho obsah přežvýká AI, tak se to všechno ztrácí. Lidem už neporadil Franta Vomáčka, ale ChatGPT, Gemini, Claude..
Jenže tohle funguje i běžně u lidí. Nevím jak u Vás, ale já když si přečtu nějaký náhodný článek který řeší můj problém, tak si uchovám důležité informace a možná budu znát autora pár dní. Až někdo bude řešit nějaký problém za delší dobu tak si možná vybavím řešení ale rozhodně ne ani autora a pravděpodobně ne ani kde byl článek publikován. Tedy pokud od daného autora nečtu věci hodně často, ale to se stává zcela výjmečně. Takže z 99% procent řeknu vyřeš to takhle, takhle, takhle. Když se někdo zeptá jak to víš, řeknu (podobně jako AI, nicméně ta udělá i druhý krok sama) někde jsem to patrně četl. Můžeme to najít na internetu.
Myslí si, že ti druzí pro ně dělají obsah v zájmu nějakého vyššího dobra
To bude zásadní rozdíl v našem myšlení. Já si myslím že vědomosti ať je napíše kdokoli patří všem a všichni včetně strojů by z nich měli mít možnost těžit. Zvláště pak pokud to vede ku prospěchu všech a vrátí se nám to ať v pokroku nebo kvalitě života.
Ale chápu i postoj lidí kteří prostě mermomocí trvají na přiznání autorství, protože je zcela jistě za každým článkem a myšlenkou je rozsáhlý research a čas. Ale osobně tohle prostě takhle nevidím, zvlášt když vidím paralelu v tom jak fungují lidé (nebo třeba specificky já, protože o tom mám celkem přehled a vím že skončím prakticky jako AI -- nebudu si pomatovat kde jsem danou informaci přesně četl. Samozřejmně jiný věk byl věk knih, kdy internet byl v zárodcích -- těch pár autorů si člověk zapomatoval a počet informací byl omezený rozpočtem na knihy. Ale to v době internetu už tak nějak neplatí)
Úplně nechci zabředávat do filozofických debat, jak by to lidi měli mít. Jen konstatuji, jak to většina autorů má. Když jim toto vezmete, budou se bránit. Buď omezováním přístupu nebo prostě opadne jejich motivace něco vůbec dávat dohromady. Než se mordovat s článkem, který si žádný člověk nepřečte nebo neocení, tak se raději půjdou projet na kole. Bude ubývat originálního obsahu a přibývat recyklátů od AI (k tomu už ostatně dochází). Jaký to bude mít dopad na kvalitu AI, to jsem zvědavý.
Jinak nesouhlasím s tím, že lidem neutkvívají autoři v paměti. Ano, když se třeba rozhodnete si něco jednorázově ubastlit, najdete si o tom pár článků, autory si ani nezapamatujete a brzo téma zapomenete, ale když se dané oblasti věnujete dlouhodoběji, začnou vám ti autoři kvalitních návodů utkvívat v paměti, stane se to i kritériem při vyhodnocování důvěryhodnosti obsahu (od tohoto člověka už jsem četl několik skvělých návodů, na tento se asi budu moct taky spolehnout).
Naopak bych řekl, že dneska je ten osobní brand mezi autory silnější než kdy dřív. Až mi ta sebepropagace přijde někdy přepálená. Ale je to prostě do značné míry taky reakce na tu AI mašinu, která obsah odosobňuje.
Ten příklad s restaurací je ale špatný. Věrný příklad s restaurací je, že uvaří jídlo, věnují tomu čas, energii a prostředky, převezme to poslíček Uberu a v rámci své služby prodá klientovi, zisk si nechá a restauraci nic nezaplatí. Prostě těží z cizí práce bez toho, že by dokázal ocenit, že bez toho že to někdo uvaří, by nebylo co rozvážet a zpeněžovat.
On asi celý ten příklad s restaurací není fajn. Protože restaurace ke které postupně docházíme je restaurace skrytá za paywallem.
Jen pro zajímavost: taková restaurace když publikuje nabídku na Uberu tak se s Uberem dělí o docela velký procenta ze zisku z jídla. Jenže tohle úplně v tom jak funguje AI není možné. Protože AI při learningu vezme spoustu jídel ze spousty restaurací, všechny je smíchá dohromady a ve finále neví z jaké restaurace dané jídlo servíruje a kterou by tedy měla nějakým způsobem kompenzovat.
Jenže tohle úplně v tom jak funguje AI není možné. Protože AI při learningu vezme spoustu jídel ze spousty restaurací, všechny je smíchá dohromady a ve finále neví z jaké restaurace dané jídlo servíruje a kterou by tedy měla nějakým způsobem kompenzovat.
Možné to samozřejmě je a to tak, že poskytovatel AI bude za přístup k danému zdroji platit a je jen na něm, jestli mu ten zdroj na učení modelu stojí za to nebo ne. K tomu to ostatně už směřuje. Řada poskytovatelů obsahu ho zavřela a ke strojovému učení ho dává jen za peníze. AFAIK Cloudflare pracuje na řešení, které bude škálovat globálně.
Ale chápu, že se do toho provozovatelům AI nechce. Ty služby jsou šíleně ztrátové i bez toho. Kdybych provozoval byznys, který na jeden vydělaný dolar tři prodělá, asi bych se nehrnul do toho někoho kompenzovat, ale to, že můj byznys prodělává, mi ještě nedává právo ho provozovat na úkor jiných.
Takhle ale fungují i lidi -- originálních znalostí je málo, většina lidí staví své znalosti a prospěch na znalostech cizích lidí kteří byly před nimi a naučili se je s relativně malou či nulovou investicí (knihy, diskuze, přednášky, články, stack overflow ;-), kolegové, cizí zdrojáky, v našem státě i škola kterou dotují všichni daňoví poplatníci).
Nesmyslný argument že "lidi fungujou stejně" se v diskuzích opakuje pořád - nefungujou, rozdíl je v měřítku. Když vám u deseti hektarů kukuřice zastaví auto a náhodný člověk vám z toho vezme pět klasů, tak to řešit nebudete, protože je to zanedbatelné. Když přijede s kombajnem a poseče vám většinu pole, tak už to tak hezký nebude. A než začnete namítat, že informace nezmizí, když je někdo okopíruje, tak si příklad upravte z kukuřice na unikátní plodinu, která nikde v okolí neroste - když vám ji z pole někdo "okopíruje" tak i když zůstane, tak ostrouháte, protože vám šlohnuli vaši přidanou hodnotu.
V tomhle ohledu jsou AI jen další vyžírky a žáby na prameni. Až jim dojdou snadno dostupné zdroje, které by mohly vyžírat, tak půjdou do kytek.
V tomhle ohledu jsou AI jen další vyžírky a žáby na prameni. Až jim dojdou snadno dostupné zdroje, které by mohly vyžírat, tak půjdou do kytek.
Reálně: tuhle pandořinu skříňku už nikdo nezavře. Možná že AI nebude mít nové informace ale od doby co má tooly je ani moc nepotřebuje. Modely jsou v současnosti už na takové úrovni že by vydrželi fungovat sami za sebe dlouhá desetiletí. Samozřejmně je stále co zdokonalovat ale na současné úrovni už to je soběstačné.
A než začnete namítat, že informace nezmizí, když je někdo okopíruje, tak si příklad upravte z kukuřice na unikátní plodinu, která nikde v okolí neroste - když vám ji z pole někdo "okopíruje" tak i když zůstane, tak ostrouháte, protože vám šlohnuli vaši přidanou hodnotu.
Názor hodný diskuze na webu o opensource... Tak zavřeme všichni zdrojáky abychom nepřišli o tu konkurenční výhodu a mohli dělali pořád dokola kolo -- nebo kukuřici ;-) V dlouhodobém měřítku to pak povede k monopolizaci. Ale tohle je spíš o nastavení vidění světa, jak jsem tu psal -- já věřím v to že by vědomosti měli být sdílené (včetně toho jak vytvořit úžasnou plodinu) aby se lidstvo posunulo co nejdál (protože někoho na základě postupu jak vytvořit vaší úžasnou plodinu může napadnout jak vytvořit ještě lepší plodinu). Což jaksi nepůjde pokud tu budeme mít N společností které si budou pro sebe syslit svá tajemství.
já věřím v to že by vědomosti měli být sdílené
Ale ony nejsou sdílené. Ukažte mi jediný konkurenceschopný model, který vzniká opravdu jako open source, tedy jeho vývoj je otevřený a výsledek volně dostupný. Nějaká korporace vám vyscrapuje celý Internet, hodí to do svého blackboxu a v nejlepším případě vám dá výsledek v podobě nějakého open weight modelu, ale i to může kdykoliv přestat dělat (viz Meta). Spíš ale v podobě komerční placené služby. Tohle nemůžete považovat za nějaké common good ani při nejvyšší míře představivosti.
Je to asi jako vývojářům softwaru pod GPL říct, ať se smíří s tím, že jejich software použije nějaká korporace na tvorbu komerčního softwaru, který pak budeme moct všichni "sdílet". Když budeme mít štěstí, tak jako freeware, nebo taky za peníze, ale vždy za podmínek té korporace.
14. 8. 2026, 16:49 editováno autorem komentáře
"já věřím v to že by vědomosti měli být sdílené"
za předpokladu, že lze zajistit prostředky na získávání tech vědomostí. Ten, kdo vědomosti získává musí také z něčeho žít a z něčeho nakupovat vybavení k získávání těch vědomostí.
Není. Pokud používám aktivně nějaký nástroj který veřejně odsuzuji nebo bráním aktivně jeho zlepšování (i pro ostatní) tím že mu schválně znepřístupním článek který jsem napsal (a ze kterého můžou čerpat ostatní lidé -- takže selektivní blokování a dvojí metr), přijde mi to jako výrazné pokrytectví.
Chápu že jsou tu lidé kteří AI nepoužívají, ať si blokují co chtějí. Ale pokud ji používám, je už jen v mém zájmu aby byla lepší.
Navíc, mimo thread, já mám všeobecně názor že AI může lidstvu jako takovému dost pomoct, může zrušit staré pořádky, může nám usnadnit práci, může nást posunout v různých oblastech a lidé mohou být více kterativní, dělat méně nudné práce nebo práce kterou nemají radi ale někdo ji udělat musí. Proto si myslím že je fajn místo boje proti AI (což stejně už není možné, pandořina skřínka se otevřela) ji spíš pomoct zlepšovat.
14. 8. 2026, 09:32 editováno autorem komentáře
A napadlo vás, že mi třeba může být úplně jedno jestli to pokrytectví není nebo je?
14. 8. 2026, 10:53 editováno autorem komentáře
taky validní přístup k životu ;-) (i když třeba na základě mých norem ne moc morální, ale řekněme že jste to Vy kdo sám se sebou musí žít)
Je to celé jakože hezké, ale v době, kdy AI používají i děti (tím chci říct, že je dost možné, že na klasické weby bude chodit minimum lidí), si myslím zakládáme tímhle umělým omezování AI na problém.
Už teď, když chci po AI aby mi prošel nějaké odkazy, které mu dám, tak často vrací, že k nim nemá přístup nebo mu to vrací rate limit. A my to ještě zhoršíme.
A v té použité technologii uvedené v článku vidím druhý problém a to možný phishing/info stealing. Přijde mail s textem pro spam filter neškodný, ale prp uživatele čitelný. Nebo si to dá někdo na technický web, kde bude "do terminálu zkopírujete tento příkaz", ale zkopíruje se místo toho něco úplně jiného, ne bezpečného (to se teda děje už teď jinými technikami)
si myslím zakládáme tímhle umělým omezování AI na problém
Na problém jsme si založili tím, že jsme rozbili vazbu mezi tím, kdo obsah tvoří, a tím, kdo z něj ekonomicky těží. Tohle je jen logický důsledek. Tvůrci, který žije ze samotného obsahu (nepropaguje tím jiné produkty), je úplně jedno, jestli se vám jeho obsah propíše do textu v AI chatbotu nebo ne. On z toho nic nemá a návštěvníky mu to přinese v minimální míře (proklikovost z AI vyhledávačů je dle mých zkušeností oproti normálním vyhledávačům tak na úrovni 1 %), což mu za ty zvýšené nároky na infrastrukturu nestojí.
Já si myslím, že tohle je postupný vývoj dějin sdílení informací. Číňanům se také nelíbilo rozšíření receptu na porcelán. Teď jim to aspoň splácíme, že jim tam ty znalosti sami vozíme :-)
Část lidí bude dál sdílet informace bez nároku na prospěch. Prospěch budou mít z dobrého pocitu, že jsou prospěšní a můžou se o své výsledky s někým podělit. A klidně si ještě sami budou platit hosting.
Část lidí schová informace za paywall, přičemž ani to není stoprocentní záruka že ty informace někdo nevynese.
Část lidí informace proloží reklamou a product placementem nebo dezinformacemi tak, že to ani AI neodfiltruje a ještě to bude dál propagovat.
A zbytek lidí nebude informace sdílet, protože je s tím moc práce a najdou si jinou zábavu.