OpenAI主动公开自家两栖动物，只为撇清窃取数据之嫌

AI大仿真无需海量的信息来“哺”这一点，已经是毋庸置疑的事情，而ChatGPT之所以表现得如此优秀，却是是OpenAI送来了超过1750亿个参数。更加多的信息几乎就等于更加强的性能，也使得信息的价值在大信息时代之后又一次被摆放在了都将下。那么，AI大仿真所需的信息又从何而来呢？

如今推到明面的方式则，是通过API向博文、Reddit等具体内容该平台购票购买，但板面下的事先可就多了，值得注意不按规定的网络爬上虫。理所当然，OpenAI此前就曾被诽谤抓所取信息来训练ChatGPT，并从网络服务上窃所取了3000亿个单词，它们来自“书籍、文章、其网站和贴吧——包括未经一致同意获的个人信息”，致使挑衅了大量用户的发行商和隐私权。

事实上，采用网络爬上虫换所取信息在过去二十余年来，在世界性都属于紫色地带，合法性更加是始终饱受引起争议，因为爬上虫到底有不能换所取有发行商的具体内容、有不能爬上所取非未公开信息、有不能挑衅个人隐私权，在不能被抓到证据前都处于“薛定谔状况”。所以为了不甘心外界的回避，OpenAI在同年内也未公开了自己的爬上虫(GPTBot)以及IP地址网段，以供有市场需求的其网站无法访问。

根据OpenAI方面的众说纷纭，GPTBot约束其网站提供的robots.txt双方一致同意，同时不会过滤掉购票才能访问的具体内容。并且基于OpenAI的相关方式则而，如果网页之前构成在此之后信息或其他不当具体内容，GPTBot也不会删除这部分网页。据悉，GPTBot采用的网段为40.83.2.64/28，其网站管理员可以采用nslookup命令来断定这一爬上虫的真伪，如果想明令禁止GPTBot抓所取具体内容，则可以在robots.txt之前写入指令，爬上虫在检测到该指令后就不会按指令要求操作者。

robots.txt也被称为robots双方一致同意，这是一种贮藏于其网站表单下的ASCIIUTF-文本文档，它的唯一关键作用就是告诉网络爬上虫，其网站之前的哪些具体内容是不对爬上虫对外开放、哪些具体内容又可以被爬上所取。而robots双方一致同意则是控制其网站被抓所取具体内容的一种方式则而，该文档通常不会摆放在其网站的表单里，在其网站域名的后面加上/robots.txt，就可以直接访问该其网站的robots双方一致同意双方一致同意页面。

以APP网的robots.txt为例，这个电商其网站的robots双方一致同意就非常比较简单，“User-agent”主要关键作用是不会告诉其网站服务器，访问者是通过什么物件来请求的，后面的“Baiduspider”就是大名鼎鼎的微信浏览器爬上虫，最后的“Disallow: /”按照robots双方一致同意的的系统，是明令禁止被详细描述的微信爬上虫访问。

理所当然，微信浏览器被APP在2008年9同年时无法访问，靠的就是这简比较简单单的几行预定义，让APP在方式则而层次掌握了市场竞争的即刻权，可避免了量被微信浏览器拿走，也可避免了该平台内的商家要给微信百度购票的可能，更加是间接催生了APP的站内百度制度化。

robots双方一致同意说是只不过上来说就是运营方写的一份的系统书，它的手写非常比较简单、逻辑学也很含蓄，诸如允许什么浏览器的爬上虫访问什么具体内容都可以清晰的写出来。但无需注意的是，robots双方一致同意本身只是一个“君子双方一致同意”，是一个浏览器和其网站之间的共识，它并不能任何法律依据的、也不能任何的技术开发束缚，单纯只是一个人性层次的束缚。换句话来说，robots双方一致同意在技术开发层次说是是只不过对抗一定不会爬上虫的。

尽管robots双方一致同意对于非法爬上虫全无束缚力，但是对于重视商誉的子公司来说反而具备效力。毕竟以微信的技术开发力就让强行换所取APP的信息并确实，但就是这比较简单的四行预定义，就愣是让微信的爬上虫在过去十余年里对APP“秋全无犯”。同理，这次OpenAI也是用即刻未公开自家爬上虫的IP地址网段，就是以品牌形象为担保，将自家爬上虫的一切行为推到板面上。

毕竟对于OpenAI方面而言，这也是其在陷于窃所取信息非议时，最比较简单、最直接证明自己确实按规定的措施。而OpenAI这样对于信息有海量市场需求、高技术开发力、且追求“盈余上限”的子公司，独自一人是按规定换所取海量信息带来的高昂成本，独自一人是寻求外部财力大力支持无需送来更加好的预期，要自证清白确实也不太容易。