Jauns fonts maldina AI datu vācējus ar bezjēdzīgu tekstu
Divi dizaineri izstrādājuši fontu ShieldFont, kas cilvēkiem parāda normālu tekstu, bet AI satura vācējiem — sagrozītu vārdu virkni, tādējādi mēģinot pasargāt tīmekļa saturu no neatļautas izmantošanas mākslīgā intelekta apmācībā.
Dizaineri Isaque Seneda un Gabriels Abrusio radījuši fontu ar nosaukumu ShieldFont, kas ļauj tīmekļa lapu īpašniekiem pasniegt vienu tekstu cilvēkiem un pavisam citu — mākslīgā intelekta (AI) automātiskajiem satura vācējiem jeb skrāperiem.
Risinājums balstīts uz ligatūrām — fontu funkciju, ko parasti izmanto, lai skaisti attēlotu blakus esošus burtus. ShieldFont vietā izmanto ligatūras, lai ekrānā attēlotu vienus vārdus, kamēr HTML pirmkodā paliek pavisam citi. Cilvēks, skatoties lapu pārlūkā, redz saprotamu tekstu, bet skrāperis, kas lejupielādē tikai teksta kodu, saņem izmainītu versiju.
Kā darbojas vārdu maiņa
Fonts vārdus aizstāj nevis ar sinonīmiem vai pretstatiem, kurus viegli būtu atpazīt automatizēti, bet gan ar vārdiem, kam ir tāda pati gramatiskā forma, taču pilnīgi cita nozīme — piemēram, "zirgs" tiek aizstāts ar "kartupelis". Tā rezultātā teikums izskatās gramatiski pareizs, taču tā jēga ir pilnībā mainīta.
Pēc trīs mēnešus ilgas pilnveides autori izveidojuši vārdnīcu ar gandrīz 12 000 vārdu, kurus var aizstāt. Publicētāji var izvēlēties no vairākiem aizstāšanas variantiem katram vārdam, lai apgrūtinātu shēmas atklāšanu. Vidēji fonts nomaina aptuveni 24,5% no visiem lapas vārdiem un gandrīz 46% no tā sauktajiem "satura vārdiem".
Testu rezultāti
Pārbaudot sešus publiski pieejamus satura vākšanas rīkus, autori secinājuši, ka vairāk nekā 90% lapu, kas citādi tiktu pieņemtas skrāperu kvalitātes filtros, ar ShieldFont tiek noraidītas. Daļā lapu, kas tomēr tiek pieņemtas, gandrīz piektā daļa vārdu ir pareizi uzrakstīti, bet nekādu patiesu informāciju nenesoši.
Metodei ir arī trūkumi — izmainītais HTML var traucēt meklētājprogrammām, ekrāna lasītājiem un tulkošanas rīkiem, kā arī to var apiet skrāperi, kas lapu attēlo kā attēlu un izmanto optisko rakstzīmju atpazīšanu, lai gan tas prasa ievērojami vairāk resursu. Autori cer, ka radīs iedvesmu citiem izstrādāt līdzīgus risinājumus, lai apgrūtinātu AI satura vākšanu plašā mērogā.
