谷歌推出爬虫扩展代理 网站管理员可以屏蔽谷歌抓取内容用于训练AI

在 OPENAI 公布 GPTBot 爬虫的相关信息后，今天谷歌宣布在 GoogleBot 基础上推出 Google-Extended 爬虫扩展代理，允许网站管理员使用 robots.txt 文件屏蔽谷歌抓取网站内容用来训练 AI 模型。

谷歌没有推出单独的 AI 爬虫，AI 爬虫仍然使用 GoogleBot，但网站可以声明是否拒绝其抓取内容后训练 AI，如果要声明那就需要使用 Google-Extende代理令牌。

谷歌称，Google-Extended 是一种新控件，网络发布商可以使用它管理其网站是否有助于改进 Bard 和 Vertex AI 等生成式 AI 模型，在博客中谷歌多次提到网站可以帮助谷歌改进 AI，比如网站管理员可以选择是否帮助这些 AI 模型随着时间推移变得更准确和强大。

不过最终还是网站管理员自己决定是否允许谷歌拿内容去训练 AI，如果不愿意的话，可以在 robots.txt 中添加以下内容：

User-Agent: Google-Extended
Disallow：/

需要提醒的是谷歌对于 robots.txt 的处理遵循了多种原则，而且 Google Bot 本身有一大堆用于不同用途的 bot，例如常规的 GoogleBot、GoogleBot-News、GoogleBot-Image 等，这些 bot 是可以在 robots.txt 里混用的。

例如要允许谷歌搜索抓取网站内容、不允许谷歌抓取内容用于训练 AI，那么 robots.txt 可以这么写：

User-Agent: Googlebot
Allow: /
User-Agent: Google-Extended
Disallow: /

本文来源 蓝点网，由 本站 整理编辑，其版权均为 原网址 所有，文章内容系作者个人观点，不代表 本站 对观点赞同或支持。如需转载，请注明文章来源。