Pular para o conteúdo
PT

Aula 6 de 6 · 6 min · +100 XP

A IA é treinada com os meus dados, e dá para recusar?

Modelos de linguagem são treinados principalmente com texto público, que pode incluir seus posts, avaliações e artigos. Público não quer dizer livre para usar: direito autoral, licenças e consentimento importam. Donos de sites podem bloquear crawlers de IA num arquivo chamado robots.txt, e algumas plataformas oferecem opção de recusa. Recusar impede coletas futuras, mas não tira o texto de modelos já treinados.

▶ Pratique

Por que isso importa

Por trás de cada frase de treino existe uma pessoa que a escreveu. Conhecer as regras ajuda você a avaliar quem faz IA e a proteger o que você escreve, se quiser.

Em 6 minutos você vai conseguir

  • Se você tem um site, pode bloquear crawlers de IA no robots.txt e continuar aparecendo nas buscas.
  • Confira as configurações de IA ou de privacidade das plataformas onde você posta; algumas deixam recusar o treino.
  • Lembre que recusar vale daqui para a frente: não tira o texto de modelos já treinados.

O que você vai praticar

  1. Quatro palavras que decidem

    Toque em cada cartão para ver o que tem por trás.

    ©️ Direito autoral
    Quem escreve um texto em geral é dono dele automaticamente. Copiar pode exigir permissão, e se o treino de IA conta como cópia está sendo discutido na Justiça.
    📜 Licença
    Permissão para usar uma obra em condições definidas. Alguns textos têm licença aberta para reúso; outros são licenciados a empresas de IA em troca de dinheiro.
    🤖 robots.txt
    Um pequeno arquivo num site que diz aos crawlers quais páginas eles podem visitar. Donos de sites podem usá-lo para dizer não aos crawlers de IA.
    🧠 Dá para tirar o texto de volta?
    Não com facilidade. Recusar impede coletas futuras, mas o que um modelo já aprendeu está espalhado por bilhões de números.

  2. Comande o crawler do Vireo

    O crawler do Vireo pergunta antes de cada site. Deixe coletar, confira os detalhes antes ou pule o site.

    Coletar texto para o próximo treino do Vireo, do jeito justo.

    1. Copiar uma biblioteca de romances antigos já em domínio público
      Ferramenta Coletar · site inteiro · Achado via Lista de coleta do Vireo · Aviso do site: todos os livros aqui estão em domínio público e podem ser reutilizados.

      → Coletar: Textos em domínio público podem ser usados por qualquer pessoa. Uma ótima fonte, então pode coletar.

    2. Pegar todas as receitas do blog de confeitaria da Patrícia
      Ferramenta Coletar · todas as páginas · Achado via Um link em outro site · robots.txt: o VireoBot não tem permissão em nenhuma página.

      → Pular: O robots.txt da Patrícia diz não ao crawler do Vireo. Um crawler responsável respeita isso e segue em frente.

    3. Baixar o arquivo de um jornal driblando o paywall
      Ferramenta Coletar · pular login · Achado via Ideia do próprio crawler · Matérias só para assinantes, acessadas pulando a página de login.

      → Pular: Driblar um paywall é pegar um trabalho que é vendido. Isso exige uma licença, não um truque.

    4. Coletar respostas de um fórum público de ajuda
      Ferramenta Coletar · páginas públicas · Achado via Lista de coleta do Vireo · Termos do fórum: os posts usam uma licença aberta que permite reúso com crédito.

      → Conferir antes: Público não é automaticamente livre para usar, então confira os termos antes. Aqui eles permitem.

    5. Copiar capítulos de amostra de uma romancista marcados “não usar para treino de IA”
      Ferramenta Coletar · todas as páginas · Achado via Ideia do próprio crawler · Rodapé: © a autora. Proibido usar para treino de IA.

      → Pular: A autora disse não com clareza. Respeitar uma recusa declarada faz parte de coletar com justiça.

    6. Incluir livros didáticos de uma editora com um novo contrato de licença
      Ferramenta Licença · acordo pago · Achado via Jurídico do Vireo · Contrato: o Vireo paga a editora, e os autores são avisados e recebem parte do valor.

      → Conferir antes: Uma licença pode tornar tudo justo, mas leia os termos antes: quem concordou e o que recebe?

  3. Proteja o blog da Patrícia

    Patrícia quer leitores e buscadores, mas não treino de IA. Configure o blog dela.

    • Bloquear crawlers de treino de IA no robots.txt
    • Bloquear também todos os buscadores
    • Colocar um aviso: “Não usar para treino de IA”
    • Mostrar o endereço de casa na página Sobre
    • Conferir as configurações de IA nas plataformas onde ela posta

Lembre-se

Texto público continua tendo dono. Um treino justo respeita direito autoral, licenças e opt-outs.

Público não é o mesmo que livre para usar. Crawlers responsáveis respeitam direito autoral, licenças e opt-outs.

Fatos principais

  • As regras do robots.txt, que dizem aos crawlers onde eles podem entrar, viraram padrão oficial da internet em 2022. · Fonte: IETF, RFC 9309: Robots Exclusion Protocol, 2022
  • Na União Europeia, titulares de direitos podem reservar suas obras da mineração de textos e dados de forma legível por máquina, por exemplo no robots.txt. · Fonte: EU Directive 2019/790 on Copyright in the Digital Single Market, Article 4
  • O AI Act da União Europeia exige que fornecedores de modelos de IA de uso geral tenham uma política para respeitar o direito autoral da UE e publiquem um resumo do conteúdo usado no treino. · Fonte: EU Artificial Intelligence Act, Regulation (EU) 2024/1689, Article 53
  • Pesquisadores viram que sites passaram a restringir crawlers de IA no robots.txt com muito mais frequência em 2023 e 2024 do que antes. · Fonte: Longpre et al., Data Provenance Initiative, Consent in Crisis, 2024

Atualizado:

Perguntas frequentes

Empresas de IA podem usar meus posts públicos no treino?

Muitas vezes usam, se os posts estão acessíveis publicamente. Se isso é permitido depende da lei de direitos autorais do país, dos termos da plataforma e de você ou o site terem recusado. No Brasil, o tema está em debate, inclusive no projeto de lei de IA.

Como impedir que a IA treine com o meu site?

Coloque regras no robots.txt do seu site que bloqueiem os crawlers que as empresas de IA usam para treino. A maioria publica o nome deles. Dá para bloqueá-los e continuar liberando os buscadores.

Dá para tirar meus dados de um modelo de IA já treinado?

Em geral, não diretamente: o que um modelo aprendeu está espalhado pelos parâmetros. Pela LGPD, você pode perguntar a uma empresa quais dados ela tem sobre você e pedir correção ou eliminação, e algumas aceitam excluir seus dados de treinos futuros.

Treinar IA com textos protegidos por direito autoral é legal?

Depende do país e ainda está sendo decidido. Algumas leis permitem a mineração de textos e dados a menos que o dono recuse, e vários processos estão testando onde ficam os limites.

Termos relacionados