Закривайте лавочку: дизайнери створили шрифт для запобігання збору даних в інтернеті для навчання ШІ

Дизайнери Ісаак Сенеда та Габрієль Абрусіо розробили новий шрифт, які запобігає збиранню даних в інтернеті компаніями з розвитку ШІ.

Зазначається, що цей шрифт розроблений таким чином, щоб пропонувати відвідувачам читабельну сторінку, тоді як збирачі даних у базовому HTML-коді бачитимуть трохи відредаговану версію, яка не міститиме корисної інформації.

Шрифт отримав назву ShieldFont й пропонує вебвидавцям практичний спосіб відмовитись від несанкціонованого навчання ШІ та запобігти збиранню даних. В основу шрифту покладено лігатури — які зазвичай використовуються для заміни кількох літер на читабельніші варіанти, коли вони розміщуються надто близько одна до одної.

Однак ShieldFont використовує ці лігатури для заміни цілих слів на інші, знижуючи цінність та практичність контенту для парсерів. Заміна проводиться тільки тоді, коли рушій шрифту відображає сторінку на екрані. Це означає, що парсери, які просто завантажують вихідний код у вигляді звичайного тексту, отримують змінену версію, яку кінцеві користувачі ніколи не побачать.

Проте коли мова заходить про обман програм для збору даних з використанням ШІ, не всі заміни слів на основі лігатур будуть однаково ефективними. Проста заміна поширених слів на синоніми та антоніми буде надто простою. З іншого боку, заміна слів на абсолютно не зв’язний набір символів може призвести до легкого виявлення й потенційного обходу з боку розумного ШІ-фільтра.

ShieldFont замінює певні слова схожими частинами речень з абсолютно іншим інформаційним контекстом, наприклад “кінь” замість “картоплі”. Таким чином виходить речення, абсолютно коректне за семантикою, але яке повністю змінює зміст, а точніше, робить текст беззмістовним.

Навіть змінені сторінки, що пройшли через фільтр парсера, будуть містити спотворену інформаційну суть, як погіршить набір даних для навчання ШІ. Після двох місяців доробки словника для заміни слів розробники ShieldFont отримали список зі 12 тис. поширених слів, які можна замінити на лігатури.

Для запобігання виявленню шрифт дозволяє ще більше посилити хаос, даючи обрати з трьох можливих варіантів зіставлення для кожної заміни слова з можливістю кодування власних варіантів або заміни зіставлень від абзацу до абзацу. У середньому ShieldFont замінює 24,5% всіх слів на сторінці, включно з 45,8% всіх слів, що містять ключовий контент, викривляючи зміст від 31 до 56% окремих фрагментів тексту.

За результатами тестування на 6 загальнодоступних платформах для збору даних розробники ShieldFont заявили, що 90% сторінок, які могли б бути оброблені програмами для збору даних, відхиляються їхніми фільтрами якості після заміни слів.

З невеликої частини сторінок, які все ще можуть бути використані, майже 20% являють те, що збиральники називають “сміттям”. Хоча надруковані за допомогою ShieldFont сторінки легко читаються звичайними користувачами, вони можуть викликати деякі проблеми у вебсайтів.  Пошукові системи, програми для вебчитання, інструменти копіювання та вставки й перекладачі можуть зіткнутись з проблемами через змінений HTML-код, що робить сторінку менш корисною.

Вони сподіваються, що інші ентузіасти запропонують власні варіанти реалізації ідеї, коли люди бачитимуть реальний контент, а ШІ — змінений. Чим більше подібних методів буде використовуватись в інтернеті, тим складніше парсерам буде збирати інформацію для ШІ.

Джерело: Ars Technica