Se llama GPTBot y podría convertirse en una pesadilla si no lo bloqueas. Se trata de un buscador web desarrollado por OpenAI que pretende mejorar modelos de inteligencia artificial como el GPT-4. En detalle, las páginas web rastreadas con el agente GPTBot «pueden utilizarse potencialmente para mejorar futuros modelos y se filtran para eliminar fuentes que requieren acceso a un muro de pago, que se sabe que recopilan información de identificación personal (PII) o que contienen texto que infringe nuestras políticas», afirma OpenAI en una página de documentación dedicada.
Aunque permitir que GPTBot acceda a tu sitio puede ayudar a los modelos de IA a ser más precisos y mejorar sus capacidades generales y su seguridad, los riesgos que conlleva son igualmente grandes. De hecho, a principios de julio, la firma se vio obligada a cerrar la función Browse con Bing en versión beta tras observarse abusos. «Hemos sabido que la versión beta de ChatGPT Browse for Bing de Microsoft puede mostrar ocasionalmente contenidos de una forma que no deseamos. Por ejemplo, si un usuario solicita específicamente el texto completo de una URL, es posible que esa solicitud se cumpla inadvertidamente», afirma OpenAI. Se han recibido varios informes de que el agente responde a los usuarios con el texto completo, saltándose los cortafuegos de pago y la configuración de protección de la privacidad. Es una noticia que podría costarle cara a la empresa, dadas las posibles violaciones de la seguridad y la confidencialidad de la información personal.
Cómo bloquear parcial o totalmente el acceso de GPTBot a los sitios
Por ello, la compañía también explica cómo evitar que GPTBot acceda a tu sitio. «Para evitar que GPTBot acceda a su sitio, puede añadir GPTBot al archivo robots.txt de su sitio», explica OpenAI, (User-agent: GPTBot ; Disallow: /). Para quienes prefieran personalizar este acceso y autorizar a GPTBot a acceder sólo a determinadas partes de un sitio, he aquí el código que hay que añadir: User-agent: GPTBot ; Allow: /directory-1/ ; Disallow: /directory-2/.
Fuente WEB | Editado por CambioDigital OnLine







































