AI訓練資料來源惹議 獨立出版商控網站遭大規模爬取陷危機

商傳媒｜責任編輯／綜合外電報導

人工智慧（AI）技術快速發展的同時，其訓練資料的取得方式也引發廣泛爭議。過去三十年來，科技公司承諾讓資訊更民主化，如今卻被指控正以大規模數據爬取（scraping）的方式「竊取網路」，將資訊重新鎖定。

獨立出版媒體 stupidDOPE 的共同創辦人 Shane Breen 表示，他們在 2026 年 7 月某日清晨，網站遭到自動機器人（bots）攻擊，六小時內湧入超過 4,700 萬次請求，導致網站一度停擺五小時。在隨後的 48 小時內，stupidDOPE 總共記錄到約 7,400 萬次 AI 機器人爬取事件。這種大規模的數據爬取行為，指的是自動程式或機器人從網站上蒐集並複製大量資訊的過程，以用於訓練人工智慧模型。

stupidDOPE 進一步指出，今年 9 月，他們還偵測到約 13.4 萬次來自 Google Cloud 上不明基礎設施的請求。這些 AI 公司聲稱其爬取行為屬於「合理使用」（fair use），即法律上允許在特定情況下未經授權使用受版權保護材料的原則，但此論點被部分內容創作者視為傲慢。

媒體指出，當 AI 模型透過爬取來的內容產生答案時，原創出版商的網站流量與廣告收入便會流失。大型出版商如《紐約時報》已採取法律行動或正在洽談授權協議，然而資源有限的獨立出版商卻難以負擔漫長的訴訟費用。為此，stupidDOPE 目前正尋求法律協助，並已加入 CopyMight Coalition 組織。

報導強調，2026 年 OpenAI 已獲得 1,220 億美元的承諾資金，而 Anthropic 也在單輪募資中籌得 650 億美元。若人工智慧公司使得獨立內容創作者難以為繼，最終可能導致網際網路充斥著機器生成內容，而原創的人類作品將越來越少，徹底顛覆網路資訊共享的初衷。