Bots de inteligência artificial estão causando um caos nos sites acadêmicos, gerando interrupções e levantando sérias questões sobre o uso de dados para treinar IAs generativas. Recentemente, plataformas cruciais como o DiscoverLife e o BMJ foram atingidas por picos de tráfego sem precedentes.

91% das instituições entrevistadas relataram picos recentes de tráfego, majoritariamente atribuídos a bots que ignoram as regras éticas da web. Essa enxurrada de acessos tem sérios efeitos colaterais:

  • Sites saem do ar, simulando ataques DDoS.
  • Acervos se tornam inacessíveis para o público humano.
  • Equipes técnicas, já reduzidas, ficam sobrecarregadas tentando conter o problema.

Até mesmo o protocolo robots.txt, criado para proteger arquivos da raspagem automática, está sendo desrespeitado. Recentemente, a Universidade da Carolina do Norte teve seu sistema instável por dias devido à ação desses bots.

Ameaça ao Acesso Público e à Preservação Cultural

A corrida por dados para treinar IAs não pode atropelar o direito coletivo ao conhecimento e à preservação cultural. É crucial debater e encontrar soluções para garantir que nossos tesouros culturais permaneçam acessíveis a todos.

Sites Acadêmicos Sob Ataque

O DiscoverLife, que abriga quase três milhões de fotografias de espécies, viu seus acessos diários dispararem para milhões – um volume muito acima do normal. Esse aumento drástico tem resultado em lentidão e, por vezes, na inacessibilidade completa do site.

Os bots, que são programas automatizados projetados para coletar conteúdo de sites, estão se tornando um problema cada vez maior para editoras acadêmicas e pesquisadores. Andrew Pitts, executivo da PSI, destaca que o volume excessivo de solicitações está sobrecarregando os sistemas, elevando custos e prejudicando o acesso de usuários legítimos.

O Desafio de Bloquear os Bots

Mesmo com os esforços para bloquear esses bots, a tarefa é complexa, especialmente para organizações com recursos limitados. A corrida por dados para treinar IAs está impactando diretamente a capacidade de acesso e a estabilidade de importantes repositórios de conhecimento.