Mengapa data pelatihan tidak memiliki catatan yang dapat dibaca mesin tentang apakah seseorang memberikan persetujuan?

Pertanyaan hukum apakah pelatihan AI memerlukan persetujuan sebagian besar sudah terjawab, pengadilan dan regulator menyatakan hal itu penting. Pertanyaan praktis tentang bagaimana sinyal persetujuan mengikuti sepotong teks melalui tahap crawl, deduplikasi, penyaringan, dan pencampuran dalam pipeline dataset belum terjawab. Robots.txt bersifat biner dan kasar, berlaku untuk crawler bukan pelatih, dan secara rutin diabaikan oleh pipeline sumber tertutup. Opt-out TDM Uni Eropa berdasarkan Pasal 4 Direktif DSM tidak memiliki format yang dapat dibaca mesin secara standar yang dapat diverifikasi pipeline di tingkat item. Audit Data Provenance Initiative 2025 menemukan sinyal persetujuan yang hilang dan ambigu secara meluas di seluruh dataset pelatihan utama, artinya bahkan pengembang yang ingin menghormati persetujuan pun tidak dapat melakukannya secara teknis karena catatan itu tidak melekat pada data.