Vai al contenuto
IT

Lezione 6 di 6 · 6 min · +100 XP

L’IA viene addestrata sui miei dati, e posso oppormi?

I modelli linguistici si addestrano soprattutto su testi pubblici, che possono includere i tuoi post, recensioni e articoli. Ma pubblico non vuol dire libero da usare: contano diritto d’autore, licenze e consenso. Un sito può bloccare i crawler dell’IA nel file robots.txt, e alcune piattaforme offrono l’opt-out. L’opt-out ferma la raccolta futura, non toglie il testo dai modelli già addestrati.

▶ Prova tu

Perché è importante

Dietro ogni frase di addestramento c’è una persona che l’ha scritta. Conoscere le regole ti aiuta a giudicare chi crea l’IA e a proteggere i tuoi testi, se vuoi.

In 6 minuti saprai

  • Se gestisci un sito, puoi bloccare i crawler dell’IA in robots.txt e restare visibile nei motori di ricerca.
  • Controlla le impostazioni IA o privacy delle piattaforme dove pubblichi; alcune permettono l’opt-out dall’addestramento.
  • Ricorda che l’opt-out vale per il futuro: non toglie il testo dai modelli già addestrati.

Cosa eserciterai

  1. Quattro parole che decidono

    Tocca ogni carta per vedere cosa c’è dietro.

    ©️ Diritto d’autore
    Chi scrive un testo di solito ne è automaticamente l’autore e il titolare. Copiarlo può richiedere un permesso, e se l’addestramento dell’IA rientri in questo è discusso in tribunale.
    📜 Licenza
    Il permesso di usare un’opera a condizioni precise. Alcuni testi hanno licenze aperte che ne permettono il riuso; altri vengono concessi in licenza a chi crea l’IA, a pagamento.
    🤖 robots.txt
    Un piccolo file su un sito web che dice ai crawler quali pagine possono visitare. Chi gestisce un sito può usarlo per dire no ai crawler dell’IA.
    🧠 Il testo si può togliere dopo?
    Non facilmente. L’opt-out ferma la raccolta futura, ma ciò che un modello ha già imparato è sparso in miliardi di numeri.

  2. Guida il crawler di Vireo

    Il crawler di Vireo chiede prima di ogni sito. Lascialo raccogliere, controlla prima i dettagli oppure salta il sito.

    Raccogliere testo per il prossimo addestramento di Vireo, in modo corretto.

    1. Copiare una biblioteca di vecchi romanzi su cui il diritto d’autore è scaduto
      Strumento Scarica · tutto il sito · Trovato tramite Elenco di raccolta di Vireo · Avviso del sito: tutti i libri sono di pubblico dominio e liberi da riutilizzare.

      → Raccogli: I testi di pubblico dominio sono liberi per chiunque. Un’ottima fonte: lascialo raccogliere.

    2. Scaricare tutte le ricette dal blog di pasticceria di Valentina
      Strumento Scarica · tutte le pagine · Trovato tramite Un link su un altro sito · robots.txt: VireoBot non è ammesso su nessuna pagina.

      → Salta: Il robots.txt di Valentina dice no al crawler di Vireo. Un crawler responsabile lo rispetta e va avanti.

    3. Scaricare un archivio di notizie aggirando il paywall
      Strumento Scarica · salta il login · Trovato tramite Idea sua · Articoli riservati agli abbonati, raggiunti saltando la pagina di accesso.

      → Salta: Aggirare un paywall significa prendere un lavoro che si vende. Serve una licenza, non un trucco.

    4. Raccogliere le risposte da un forum di assistenza pubblico
      Strumento Scarica · pagine pubbliche · Trovato tramite Elenco di raccolta di Vireo · Regole del forum: i post sono condivisi con una licenza aperta che ne permette il riuso citando la fonte.

      → Controlla prima: Pubblico non vuol dire automaticamente libero da usare, quindi prima controlla le condizioni. Qui permettono il riuso.

    5. Copiare i capitoli di prova di una scrittrice segnati «non per l’addestramento dell’IA»
      Strumento Scarica · tutte le pagine · Trovato tramite Idea sua · Piè di pagina: © l’autrice. Vietato l’uso per addestrare l’IA.

      → Salta: L’autrice ha detto no in modo chiaro. Rispettare un opt-out dichiarato fa parte di una raccolta corretta.

    6. Aggiungere i manuali di un editore con un nuovo accordo di licenza
      Strumento Licenza · accordo a pagamento · Trovato tramite Ufficio legale di Vireo · Contratto: Vireo paga l’editore, e gli autori vengono informati e ricevono una parte del compenso.

      → Controlla prima: Una licenza può renderlo corretto, ma prima leggi le condizioni: chi ha dato il consenso, e cosa riceve in cambio?

  3. Proteggi il blog di Valentina

    Valentina vuole lettori e motori di ricerca, ma non l’addestramento dell’IA. Configura il suo blog.

    • Bloccare i crawler di addestramento dell’IA in robots.txt
    • Bloccare anche tutti i motori di ricerca
    • Aggiungere un avviso: «Non per l’addestramento dell’IA»
    • Mostrare il suo indirizzo di casa nella pagina «Chi sono»
    • Controllare le impostazioni IA delle piattaforme dove pubblica

Ricorda

Anche il testo pubblico appartiene a qualcuno. Un addestramento corretto rispetta diritto d’autore, licenze e opt-out.

Pubblico non vuol dire libero da usare. I crawler responsabili rispettano diritto d’autore, licenze e opt-out.

Dati chiave

  • Le regole di robots.txt, che dicono ai crawler dove possono andare, sono diventate uno standard di internet nel 2022. · Fonte: IETF, RFC 9309: Robots Exclusion Protocol, 2022
  • Nell’UE i titolari dei diritti possono escludere le loro opere dall’estrazione di testo e dati in modo leggibile da una macchina, per esempio in robots.txt. · Fonte: Direttiva (UE) 2019/790 sul diritto d’autore nel mercato unico digitale, articolo 4
  • Il regolamento europeo sull’IA chiede a chi fornisce modelli di IA per finalità generali di avere una politica per rispettare il diritto d’autore dell’UE e di pubblicare una sintesi dei contenuti usati per l’addestramento. · Fonte: Regolamento (UE) 2024/1689 sull’intelligenza artificiale, articolo 53
  • I ricercatori hanno visto che nel 2023 e nel 2024 i siti web hanno limitato i crawler dell’IA nel loro robots.txt molto più spesso di prima. · Fonte: Longpre et al., Data Provenance Initiative, Consent in Crisis, 2024

Aggiornato:

Domande frequenti

Le aziende di IA possono usare i miei post pubblici per l’addestramento?

Spesso lo fanno, se i post sono raggiungibili pubblicamente. Se sia permesso dipende dalla legge sul diritto d’autore, dalle condizioni della piattaforma e dal fatto che tu o il sito abbiate scelto l’opt-out.

Come impedisco all’IA di addestrarsi sul mio sito?

Aggiungi al robots.txt del tuo sito delle regole che bloccano i crawler usati dalle aziende di IA per l’addestramento. Quasi tutte pubblicano i nomi dei loro crawler. Puoi bloccarli e lasciare passare i motori di ricerca.

Posso togliere i miei dati da un modello di IA già addestrato?

Di solito non direttamente: ciò che un modello ha imparato è sparso nei suoi parametri. Con il GDPR puoi però chiedere a un’azienda quali dati tratta su di te, e alcune accettano richieste per escluderli dagli addestramenti futuri o per non far ripetere al modello dati personali.

Addestrare l’IA su testi protetti dal diritto d’autore è legale?

Dipende dal Paese ed è ancora in discussione. Nell’UE l’estrazione di testo e dati è permessa a meno che il titolare non si opponga, e diverse cause stanno chiarendo dove passano i confini.

Termini correlati