Нещодавня зміна в налаштуваннях конфіденційності пошукових сервісів Google дозволяє компанії зберігати більше даних користувачів — зокрема «зображення, файли, а також аудіо- та відеозаписи» — для вдосконалення моделей штучного інтелекту. Іншими словами, будь-які медіафайли, завантажені до пошукових сервісів Google, використовуються для навчання ШІ, доки користувач самостійно не вимкне цю опцію.

Що саме змінилося

Оновлення налаштувань конфіденційності пошукових сервісів Google відбулося майже непомітно: компанія повідомила про нього в червні електронним листом. Фактично Google за замовчуванням увімкнула розширене навчання ШІ, подавши це як надання користувачам більшого контролю над збереженою історією та персоналізованими рекомендаціями, повідомляє TechCrunch.

Оновлення запровадило два нових налаштування — Search Services History («Історія пошукових сервісів») та Personalized Recommendations («Персоналізовані рекомендації»). Вони визначають, як активність користувача використовується для персоналізації сервісів Google і як довго зберігається історія вебактивності та дій у застосунках.

Зміни стосуються не лише пошуку Google, а й інших пошукових сервісів компанії — Maps, Shopping, Flights, Hotels, Translate та News.

Які дані потрапляють у навчання ШІ

Наприклад, коли користувач шукає щось візуально через Google Lens, сфотографувавши обʼєкт, це зображення тепер може зберігатися для навчання ШІ. Так само, якщо для голосового пошуку в застосунку Google використовується новіша функція Search Live, відповідні аудіозаписи можуть зберігатися — як і будь-який інший голосовий пошук Google. Аудіо зберігається й тоді, коли користувач тренує вимову в Google Translate.

Google прямо підтверджує використання медіафайлів для навчання. У листі до користувачів компанія зазначила: «Як і ваша історія пошукових сервісів, збережені медіафайли також використовуються для розробки та вдосконалення сервісів і технологій Google, зокрема моделей ШІ та засобів безпеки».

Довідкова документація повторює це: компанія «використовує вашу історію для надання, розробки та вдосконалення своїх сервісів (наприклад, для навчання генеративних моделей ШІ), а також для захисту Google, користувачів і суспільства за допомогою людей-рецензентів».

Частина цих даних зберігається тимчасово й потрібна суто для роботи продукту, але, за формулюваннями самої Google, збережені медіафайли можуть утримуватися саме для навчання ШІ.

У довідці Google також уточнює, що перед використанням для навчання моделей дані відʼєднуються від облікового запису, а автоматичні фільтри мають вилучати ідентифікаційну та чутливу інформацію. Нові налаштування не поширюються на сервіси, історія яких контролюється окремо, — Chrome, Gemini, Google Assistant та YouTube. Оновлення розгортається поступово впродовж кількох місяців, тож нові пункти меню можуть зʼявитися не в усіх користувачів одразу.

Частина ширшої тенденції

Ці зміни відображають загальний зсув у галузі: технологічні компанії збирають дані всіма доступними способами, щоб удосконалювати сервіси ШІ. Замість покладатися лише на інформацію, зібрану з відкритого вебу, Google та інші дедалі активніше використовують дані, які люди завантажують або створюють під час користування їхніми сервісами. Показовий приклад — Meta, чий застосунок Facebook запитує доступ до ще не опублікованих фото з галереї смартфона для обробки штучним інтелектом.

Як змінити налаштування

Користувачі все ж мають певний контроль. Змінити параметри можна на сторінках Search Services History та Search Services Personalization. На першій можна зняти позначку Save Media («Зберігати медіафайли») окремо від Search Services History або вимкнути обидві опції. Там також можна налаштувати автоматичне видалення збережених даних — через три, 18 або 36 місяців.

Звідти можна перейти на сторінку «Інші дії», щоб переглянути решту налаштувань конфіденційності, зокрема «Історію вебпошуку й дій у застосунках» (Web & App Activity), «Хронологію» та історію YouTube.

Докладніше про керування даними облікового запису Google — у матеріалі «Як дізнатися, що Google знає про вас і видалити це», а про обмеження функцій ШІ в сервісах Google — в інструкції «Як вимкнути Gemini у Gmail, Google Диску, Фото та інших сервісах».

Важливий нюанс із Web & App Activity

Окрім збережених медіафайлів, Google також використовує історію пошуку, місцезнаходження та інформацію з відвіданих сайтів для персоналізації, зокрема для добору реклами.

Раніше збереження історії пошуку налаштовувалося через Web & App Activity. Тепер це розділено на два окремих налаштування: власне Web & App Activity та нове налаштування для даних пошуку, яке увімкнене за замовчуванням. Це означає, що зміна параметрів зберігання Web & App Activity більше не впливає на пошукові сервіси Google — для них тепер діє окрема опція, яку потрібно вимикати окремо.

Ця стаття Google використовує ваші фото й голосові запити для навчання ШІ. Як це вимкнути раніше була опублікована на сайті CyberCalm, її автор — Наталя Зарудня

Компанія Anthropic отримала неоднозначний результат у колективному позові, поданому групою авторів, які стверджували, що компанія використовувала їхні твори, захищені авторським правом, без дозволу.

З позитивного боку для компанії зі штучного інтелекту: старший окружний суддя Вільям Елсап з Окружного суду США Північного округу Каліфорнії визначив, що навчання ШІ-інструментів Anthropic на творах, захищених авторським правом, було визнане як добросовісне використання, — повідомляє Engadget.

Розробка великих мовних моделей для штучного інтелекту створила правову плутанину в сфері авторського права, оскільки творці намагаються захистити свої роботи, а технологічні компанії обходять правила або шукають лазівки для збору більшої кількості навчальних матеріалів. Рішення Елсапа є одним з перших, яке, ймовірно, закладає фундамент для правових прецедентів щодо того, що ШІ-інструменти можуть і не можуть робити.

Використання матеріалів, захищених авторським правом, може вважатися добросовісним використанням, якщо результат визначається як “трансформативний” або не є заміною оригінального твору. “Технологія, про яку йдеться, була однією з найбільш трансформативних, які багато з нас побачать за своє життя”, — написав Елсап.

Незважаючи на визначення добросовісного використання, рішення все ж надає деякі засоби правового захисту для письменників — вони можуть обрати звернення до суду проти Anthropic за піратство. “Anthropic завантажила понад сім мільйонів піратських копій книг, не заплативши нічого, і зберегла ці піратські копії у своїй бібліотеці навіть після того, як вирішила не використовувати їх для навчання свого ШІ (взагалі або знову)”, — написав Елсап. “Автори стверджують, що Anthropic мала заплатити за ці піратські копії з бібліотеки. Ця постанова з цим погоджується.”

Ця стаття Суд визнав навчання ШІ на матеріалах, захищених авторським правом, добросовісним використанням раніше була опублікована на сайті CyberCalm, її автор — Наталя Зарудня

Вікіпедія бореться з впливом на її сервери ботів-сканувальників з ШІ, які витягують текст і мультимедіа з енциклопедії для навчання генеративних моделей штучного інтелекту, що в деяких випадках призводить до збільшення витрат і уповільнення часу завантаження для користувачів-людей.

Можливо, намагаючись зупинити ботів, які перевантажують загальнодоступний веб-сайт Вікіпедії і поглинають занадто багато пропускної здатності, Фонд Wikimedia (який управляє даними Вікіпедії) пропонує розробникам ШІ набір даних, якими вони можуть вільно користуватися.

Організація об’єдналася з Kaggle, платформою науки про дані, щоб запропонувати бета-версію структурованого набору даних англійською та французькою мовами. За словами компанії Google, якій належить Kaggle, набір даних відформатовано для машинного навчання, щоб зробити його більш корисним для навчання, розробки та науки про дані.

Wikimedia Enterprise зазначає, що набір даних включає «анотації, короткі описи, дані ключ-значення в стилі інфобоксів, посилання на зображення і чітко сегментовані розділи статей». У ньому немає посилань або інших «непрозових елементів», таких як відеокліпи. Відсутність посилань може зробити питання атрибуції інформації в наборі даних дещо туманним. Однак Wikimedia Enterprise (частина Фонду Wikimedia, яка прагне зробити дані Вікіпедії доступними через API) заявляє, що вміст набору даних вільно ліцензований на умовах Creative Commons, є суспільним надбанням і т.д., оскільки все це взято з Вікіпедії.

Ця стаття Вікіпедія пропонує розробникам ШІ навчальний набір даних, щоб позбутися ботів-скраперів раніше була опублікована на сайті CyberCalm, її автор — Семенюк Валентин

Meta планує почати використовувати дані користувачів, зібрані в Європейському Союзі, для навчання своїх ШІ-систем, повідомила компанія 14 квітня.

Починаючи з цього тижня, технологічний гігант почне повідомляти європейців про це електронною поштою та через сімейство своїх додатків, причому повідомлення буде містити пояснення того, які саме дані компанія планує використовувати в рамках навчання. Крім того, повідомлення міститиме посилання на форму, яку користувачі зможуть заповнити, щоб відмовитися від участі в процесі.

«Ми зробили цю форму заперечення легкою для пошуку, читання та використання, і ми будемо враховувати всі форми заперечень, які ми вже отримали, а також ті, що будуть надіслані знову», – заявляє Meta.

Компанія зазначає, що використовуватиме дані, зібрані з публічних повідомлень та взаємодії зі штучним інтелектом Meta AI, лише в навчальних цілях. Вона не використовуватиме приватні повідомлення у своїх навчальних наборах, а також будь-які взаємодії, публічні чи інші, здійснені користувачами молодше 18 років. Щодо того, чому компанія хоче почати використовувати дані ЄС саме зараз, вона стверджує, що ця інформація дозволить їй точно налаштувати свої майбутні моделі, щоб краще обслуговувати європейців.

“Ми вважаємо, що несемо відповідальність за створення ШІ, який не просто доступний для європейців, але й створений для них. Ось чому так важливо, щоб наші генеративні моделі ШІ навчалися на різноманітних даних, щоб вони могли розуміти неймовірні та різноманітні нюанси та складнощі, з яких складаються європейські спільноти”, – стверджує Meta.

“Це означає все – від діалектів і розмовної мови до гіперлокальних знань і різних способів використання гумору та сарказму в наших продуктах у різних країнах. Це особливо важливо, оскільки моделі штучного інтелекту стають все більш досконалими з мультимодальною функціональністю, яка охоплює текст, голос, відео та зображення”.

Meta зазначає, що інші компанії, що займаються розробкою ШІ, включаючи Google і OpenAI, аналогічним чином використовували дані європейських користувачів для точного налаштування власних систем. Сьогоднішнє оголошення слідує за першим випуском нових моделей Llama 4 від Meta. Після раннього оголошення компанію звинуватили в тому, що вона грає на LMArena – веб-сайті, де люди порівнюють результати роботи різних моделей ШІ, щоб ранжувати їх. Дослідники помітили, що Meta надала сайту експериментальну версію Llama 4, «оптимізовану для розмовної мови».

Ця стаття Meta почне використовувати дані користувачів з ЄС для навчання своїх ШІ-моделей раніше була опублікована на сайті CyberCalm, її автор — Семенюк Валентин