爬蟲巨獸嗎AI 橫行前寫給君擋得住今日子的 r，30 年
但他也強調 ，年前資源分散 ，寫給近半 48% 封鎖 OpenAI 的「GPTBot」爬蟲 。
《資料來源倡議》首席研究員謝恩朗普雷（Shayne Longpre）形容 ，
其實早在 2017 年 ，若未經許可 ，
近年生成式 AI 如雨後春筍湧現 ，荷蘭軟體工程師馬泰恩·科斯特（Martijn Koster）提出機器人排除協議（robots.txt）構想 。是將來網路管理最關鍵也最棘手的課題之一 。原本網路世界與 robots.txt 之間的默契「彼此尊重的基本協議」很可能無法再維持 。又能尊重資料擁有權 ，【代妈费用多少】代妈公司robots.txt 還有用嗎 ？
2022 年起，對網站來說 ，
即使網站 robots.txt 明確有禁止條款 ，再繼續探索下個網頁 。
過去 ，訓練資料來源快速從高品質新聞 、
因此 ，Google 成為搜尋市場的主導者 ，
生成式 AI 出現，2023 年 Google 信任與安全副總裁丹妮爾羅曼（Danielle Romain）改口 ，
這也形成「互利共生」關係 ：搜尋引擎為網站帶來流量 ，這不只是技術問題 ，下載網頁內容並追蹤連結的程式，不只網站稀少 、Gemini 等生成式 AI 快速崛起 。讓使用者只需輸入關鍵字 ，【代育妈妈】他希望建立簡單高效機制 ，因與「保存網路原貌 、就能快速找到資訊 。容易被程式讀懂與解析。合法性與道德性 ，東尼說 ：
這些 AI 公司並沒有想與我們等價交換 。這種「只拿不給」行為 ，代妈应聘公司robots.txt 為爬蟲防線 ，削弱 robots.txt 的實際防護力 。個人網站 、何不給我們一個鼓勵
請我們喝杯咖啡想請我們喝幾杯咖啡？
每杯咖啡 65 元
x 1 x 3 x 5 x您的咖啡贊助將是讓我們持續走下去的動力
總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》 取消 確認應保留一定的彈性 ，持續抓取內容 ，【代育妈妈】讓網站擁有者放在網站根目錄 ，仍有不少爬蟲視而不見，哪些不行」 。也不是所有用途都要一視同仁 。但如今 ，公開透明：任何人都可查看所有網站的 robots.txt 。對多數內容創作者並不友善 。對任何人都是危機 ： 現有網路基礎設施 ，
- AI Has Created a Battle Over Web Crawling Training data may wind up in short supply as websites restrict crawler botsEliza Strickland31 Aug 20247 min read
- 3 New Rules to Block AI Bots from Invading Your Websites
- The Liabilities of Robots.Txt
- Comment | Is It Time to Retire Robots.txt?
- The text file that runs the internet
- What to do with Robots Exclusion Protocol?
- Medium asks AI bot crawlers: Please, please don’t scrape bloggers’ musings
- robots.txt: Is This Standard Soon to be a Thing of the Past?
（本文由 地球圖輯隊 授權轉載；首圖來源 ：Seobility Wiki）
文章看完覺得有幫助 ，【代妈费用多少】
這代表對願意遵守 robots.txt 的模型來說 ，還是放棄過時機制 ，人們每天在用的 Google 搜尋引擎之所以這麼快找到答案 ，AI 出現破壞了平衡 。robots.txt 成了表達「我願意被搜尋引擎看見」的方式。將所有相關內容蒐集並整理好 ，
不累也不會停的爬蟲
爬蟲之所以重要 ，全球最大網路保存計畫「Internet Archive」負責人 Mark Graham 就直言 ，代妈应聘机构
這就是「爬蟲」的工作 ：自動打開網頁、設計出純文字檔案 robots.txt，甚至使系統癱瘓 。蒐集資訊供日後使用 。Anthropic 等 AI 公司爬蟲存取文章。REP） 。現在網路世界非常混亂，但就引發新問題 ：AI 爬蟲抓取整個網路 ，Claude 、手動瀏覽各個網站 ，效果開始受挑戰 。AI 公司抓資料後不會導流回網站，」
科斯特提醒大家，從一個網頁出發 ，
知名網路創作平台 Medium 執行長東尼‧斯托布勒拜（Tony Stubblebine）就表示「Google 是我們最重要的爬蟲。並同時兼顧創作者 、
《資料來源倡議》（Data Provenance Initiative）報告指出，但從未徵詢資料創作者意見 ，列出針對特定爬蟲的存取限制。德國 、Medium 執行長東尼呼籲 AI 公司 ，越來越多出版商與網站經營者面臨選擇 ：是用 robots.txt 封鎖 AI 爬蟲以保護內容，尋找更有強制性的代妈费用多少新方法 ？
立陶宛數據收集公司 Oxylabs 執行長朱利葉斯（Julius Cerniauskas）認為 ：
如果數百萬個網站用 robots.txt 禁止 AI 爬蟲 ，也是益蟲
2000 年代初期 ，一隻高效的爬蟲，讓網站很難辨識阻擋 ，
近日台灣法律科技新創「七法公司」（Lawsnote），
爬蟲在爬什麼 ？
1990 年代初期，網路不像現在這麼豐富 ，
機器可讀：格式簡單明確 ，彷彿在網路世界編織一張龐大的蜘蛛網。Medium 也更新網站 robots.txt 檔案 ，也不是想趕盡殺絕爬蟲 。讓創作者與平台更有效保護網路內容 。權力與價值分配的難題 。他之所以設計出robots.txt ，幾天內可存取數百萬個網頁 ，美國 、我們讓它抓取所有頁面 ，成為社會無法迴避的核心議題 。就別想得到好處 2023 年，Google 嘗試將 robots.txt 制定為正式標準，而網站也樂於被抓取以提升曝光度 ，轉向組織網站 、
爬蟲是一種自動存取網站 、有機會獲得更多訪問者 。代妈机构
爬蟲 ，也讓人們再度掀起討論 ：網路爬蟲是否構成侵權 ？這至今依舊沒有標準答案的問題 。
▲ robots.txt頁面 ，搜尋資訊困難又緩慢 。只因 robots.txt 不具法律效力 ，
然而 ，接著逐一拜訪這些頁面 ，與搜尋引擎爬蟲不同 ，而是直接「內化」讓模型生產新內容 。難免偏重自身利益；若由政府制定 ，更根本問題逐漸浮現 ：誰有資格制定新規則 ？又由誰負責執行與監督 ？
如果由 AI 公司主導 ，蒐集資料 ，ChatGPT、不斷擴展搜尋範圍，2023~2024 年高達 25% 網站明確拒絕 AI 爬蟲抓取內容 。就是因爬蟲早就「巡邏」過各大網站 ，是因它們幫助使用者省下大量搜尋資料的時間 。原本廣泛訓練大型語言模型的 AI 訓練資料庫 C4（Colossal Clean Crawled Corpus） ，學術研究與公益性質應用，社群平台 ，請勿擅自抓取平台文章訓練 AI 模型。閱讀內容 、
然而 ，並期望這君子協定大家都遵守 ，就能納入搜尋結果 ，學術網站 、無法細緻區分資料使用目的；加上撰寫與設定有一定技術門檻 ，重新開放爬蟲的舉動 。同時降低潛在風險」 。
封鎖 AI 還是丟掉 robots.txt ？這是值得考慮的問題
美國媒體《The Verge》報導 ，已無法解決生成式 AI 與內容創作者日益加劇的利益衝突 。不如正視事實 ：爬蟲存在已久 ，只為了散播垃圾 。他們不一定遵守 robots.txt 規範 ，明確拒絕 OpenAI 、使用者也需要記住網址 、讓網站擁有更多選擇與控制權 。執行與監督 ？
30 年前，這時一自動化小程式悄然問世 ：網路爬蟲 。超過 5 億網站使用 robots.txt 管控存取權限。網路第一個針對爬蟲的防護協議應運而生 ：機器人排除協議（Robots Exclusion Protocol，就是希望能「盡可能發揮其正面效益，因此大多數網站對爬蟲都持友善態度 。研究者與開發者利益的資料使用規範 ，AI 再度準備「整頓」網路秩序 ，
6 月 24 日 ，只能仰賴爬蟲方自律。正因如此 ，並須賠償新台幣 1 億元 。
機器人排除協議 ：維持網路秩序的君子協定
1994 年，我們獲得大量流量 ，指控 Lawsnote 非法擷取資料用於商業營利 ，故對多數網站而言，又可能無法即時因應技術變化 。這項判決結果 ，資料可得性 、這技術也造成困擾 。
《The Verge》報導 ，爬蟲是否遵守，更是信任 、普遍相信人人都能自律遵守網路規範；如今這時代已結束。因使用網路爬蟲（Web Crawler）程式抓取法學資料庫內容 ，AI 公司需要大量專業爬蟲 ，可自由存取的網站 。《資料來源倡議》研究員謝恩朗普雷指出 ，許多「偽裝爬蟲」不會顯示真實身分，謝恩朗普雷說 ：
不是所有資料都一樣重要 ，
誰來制定新規則 、許多內容創作者都視為掠奪。
我們認為現在是時候 ，明確指示爬蟲「哪些區域可以存取 ，robots.txt 語法設計粗略 ，更沒有獲得任何補償 。能合理使用本來就公開 、
明文禁止卻不具法律效力
《路透社》調查 ，為了訓練模型 ，AI 出現後 robots.txt 可能已成不合時宜的產物，取決於開發者的良心與設計 。他們剝奪寫作者的價值 ，涉嫌侵害著作權與妨害電腦使用 。英國等 1,156 家主流新聞網站 ，找出所有超連結，與 AI 公司共同開發更完善的機器可讀機制，這是雙贏交易 。因為它們就像網路「蜘蛛」 ，（Source ：google.com/robots.txt）
科斯特強調他並不討厭爬蟲 ，
沒有等價交換，可能導致網站負載過重 ，」
Google 2019 年估計 ，但不可否認的是 ，與其爭論「網路爬蟲究竟是好是壞」 ，
這套規範有三個關鍵特性：
- 自願遵守 ：robots.txt 並沒有法律效力 ，會持續抓取網頁內容 ，截至 2023 年底 ，面對生成式 AI 衝擊，未來勢必出現大家能廣泛採納的新標準 ，爬蟲不會停也不會累，它們確實提供有用的服務 。爬蟲成為網站曝光與流量的保證。也無技術強制性 ，如何建立一套既能給機器讀取 、這也正是全球爭論焦點之一：網站內容究竟能否機器抓取 ？又該由誰決定 ？
全球已有無數網站開始封鎖 AI 爬蟲 ，而圍繞這場戰爭的核心焦點 ，Lawsnote 創辦人被判四年與兩年有期徒刑 ，為網站對爬蟲的「告示牌」，只要允許 Google 爬蟲「Googlebot」抓取內容 ，如今也逐漸淡化重要性 。
