Bots de inteligência artificial se tornaram recentemente um grande problema para sites que lidam com conteúdo escrito ou outros tipos de mídia. Da Wikipédia a blogs pessoais, ninguém está seguro contra o ataque massivo de redes promovido pela OpenAI e outras gigantes da tecnologia em busca de novos conteúdos para alimentar seus modelos de IA.

A Fundação Wikimedia, organização sem fins lucrativos que hospeda a Wikipédia e outros sites amplamente populares, está levantando preocupações sobre os bots de scraping de IA e seu impacto na largura de banda da fundação. A demanda por conteúdo hospedado nos servidores da Wikimedia cresceu significativamente desde o início de 2024, com empresas de IA consumindo uma quantidade esmagadora de tráfego para treinar seus produtos.

Os projetos da Wikimedia, que incluem algumas das maiores coleções de conhecimento e mídia de acesso gratuito na internet, são usados por bilhões de pessoas em todo o mundo. O Wikimedia Commons, por exemplo, armazena 144 milhões de imagens, vídeos e outros arquivos sob licença de domínio público e tem sido particularmente afetado pela atividade não regulamentada dos bots de IA.

A Fundação Wikimedia registrou um aumento de 50% na largura de banda utilizada para downloads de multimídia desde janeiro de 2024, com o tráfego vindo predominantemente de bots. Segundo a fundação, programas automatizados estão fazendo scraping do catálogo de imagens do Wikimedia Commons para alimentar modelos de IA, e a infraestrutura não foi projetada para suportar esse tipo de tráfego parasitário.

A equipe da Wikimedia teve uma prova clara dos efeitos do scraping de IA em dezembro de 2024, quando o ex-presidente dos EUA, Jimmy Carter, faleceu e milhões de usuários acessaram sua página na versão em inglês da Wikipédia. Os 2,8 milhões de leitores da biografia do presidente eram “gerenciáveis”, segundo a equipe, mas muitos usuários também transmitiram o vídeo de 1 hora e 30 minutos do debate de Carter com Ronald Reagan em 1980.

Como resultado da duplicação do tráfego normal da rede, algumas das rotas de conexão da Wikipédia para a internet ficaram congestionadas por cerca de uma hora. A equipe de Confiabilidade de Site da Wikimedia conseguiu redirecionar o tráfego e restaurar o acesso, mas esse tipo de problema não deveria ter ocorrido.

Ao analisar a questão da largura de banda durante uma migração de sistema, a Wikimedia descobriu que pelo menos 65% do tráfego mais intensivo em recursos vinha de bots, que passavam pela infraestrutura de cache e impactavam diretamente o data center “central” da Wikimedia.

A organização está trabalhando para enfrentar esse novo desafio de rede, que agora afeta toda a internet, à medida que empresas de IA e tecnologia fazem scraping agressivo de todo o conteúdo criado por humanos que conseguem encontrar. “Oferecer conteúdo confiável também significa apoiar um modelo de ‘conhecimento como serviço’, no qual reconhecemos que toda a internet se baseia no conteúdo da Wikimedia”, disse a fundação.

A Wikimedia está promovendo uma abordagem mais responsável para o acesso à infraestrutura por meio de uma melhor coordenação com desenvolvedores de IA. APIs dedicadas poderiam aliviar a sobrecarga da largura de banda, tornando mais fácil a identificação e o combate a “atores mal-intencionados” na indústria de IA.

• Veja também: Malware Crocodilus tem roubado carteiras cripto em dispositivos Android

	Receba nossas últimas notícias em primeira mão.   Adicione-nos como sua fonte preferida no Google    e toque em “Favorito” para priorizar nossas atualizações.