Por que minha opção de exclusão não acompanha meus dados ao longo de um pipeline de treinamento?
Oportunidade
Configurar um sinal robots.txt ou ai.txt instrui crawlers compatíveis a ignorar seu conteúdo, mas esse sinal não tem mecanismo para alcançar dados já coletados e armazenados em snapshots do Common Crawl ou em conjuntos de dados de treinamento derivados. Assim que seus textos ou obras de arte forem agregados, dezenas de pipelines downstream de ajuste fino podem treinar neles sem jamais ter acesso à sua recusa original. O grupo de trabalho AIPREF do IETF, constituído em janeiro de 2025, está construindo um vocabulário legível por máquina para preferências de uso de conteúdo, mas ele se aplica apenas a coletas futuras e não tem alcance retroativo sobre corpora existentes. As obrigações GPAI do EU AI Act que entraram em vigor em agosto de 2025 exigem que os provedores respeitem as opções de exclusão, mas nenhum mecanismo técnico de aplicação existe para pipelines de múltiplos saltos onde os dados já mudaram de mãos.
Por que importa
Direitos de exclusão que se encerram na fronteira da coleta deixam o estoque acumulado de dados de treinamento legal e tecnicamente inacessível.
Como avalio a oportunidade
A Pontuação de Oportunidade é minha própria leitura, não uma medição: o quanto dói, com que frequência aparece e o quanto pouco existe para resolvê-lo hoje. Quanto maior, mais vale a pena construir, na minha opinião.
O quanto de dor causa quando aparece.
Com que frequência as pessoas realmente se deparam com isso.
O quanto pouco de boas ferramentas existe para isso hoje.
Mais problemas que merecem ser resolvidos
Por que todo aplicativo de IA me esquece no momento em que fecho a aba?
AIPor que aprender uma nova área ainda depende de saber o que perguntar?
AIPor que uma pessoa sem especialização não consegue verificar o que uma IA acabou de dizer?
AIPor que testamos modelos em benchmarks mas os lançamos em produção no achismo?
AIPor que agentes de IA não têm memória dos próprios erros?
AIPor que não consigo auditar em que um modelo foi realmente treinado?