在網(wǎng)路建立的早期，大家有了一個不成文的協(xié)議，即一個名為“robot.txt”的文本文件——也就是攔截列表中將決定誰能夠訪問你的網(wǎng)站，這主要針對機(jī)器人/爬蟲。一般網(wǎng)站主要面向搜索引擎開放，以讓搜索引擎帶來流量。但這個不成文的約定正在被人工智能公司打破。

已經(jīng)有許多網(wǎng)站為了保護(hù)權(quán)益正在試圖阻止一家名為 Anthropic 的 AI 公司抓取網(wǎng)站內(nèi)的內(nèi)容。然而隨著該公司不斷開發(fā)新的爬蟲，來不及更新“robot.txt”文件的網(wǎng)站成了被盜用資源的受害者。

根據(jù) 404 Media 采訪跟蹤網(wǎng)絡(luò)爬蟲和抓取工具網(wǎng)站的 Dark Visitors 運營者，他在幫助其他網(wǎng)站運營者更新“robot.txt”期間發(fā)現(xiàn)，現(xiàn)狀非?；靵y。匿名運營著說道：“代理生態(tài)系統(tǒng)瞬息萬變，因此網(wǎng)站所有者基本不可能手動跟上。”

拿 Anthropic 距離，一些熱門網(wǎng)站例如路透社等在 robot.txt 中組織了“ANTHROPIC-AI”和“CLAUDE-WEB”兩個爬蟲，他們曾由 Anthropic 的 Claude AI 聊天機(jī)器人使用，但目前該公司最活躍的爬蟲實際上是“CLAUDEBOT”，因此這些網(wǎng)站都不會阻攔該爬蟲。其他數(shù)百個復(fù)制粘貼攔截列表的網(wǎng)站也未能阻止該公司。

404 Media 采訪了許多網(wǎng)絡(luò)行業(yè)從業(yè)者，他們均表示面對 AI 公司的這種行為，鼓勵網(wǎng)站積極屏蔽此類機(jī)器人/爬蟲。網(wǎng)絡(luò)安全公司 StackAware 首席執(zhí)行官 Walter Haydock 就表示支持在“robot.txt”中添加大量的可能屏蔽對象，并說道：“如果它們最終不存在，那么阻止它們也不會產(chǎn)生任何影響。”

他還表示該屏蔽列表說到底也不過是互聯(lián)網(wǎng)的一個約定俗成，“阻止 AI 公司的代理依賴于 AI 公司尊重 robot.txt 文件，并且你還需要知道所有的 AI 抓取代理。對于大多數(shù)公司來說，這種情況的可能性很低，因此我預(yù)計更多的創(chuàng)作者會將他們的內(nèi)容轉(zhuǎn)移為付費觀看，以防止無限制的抓取。”