GPT-5不远了！OpenAI推出网络爬虫GPTBot，自动抓取数据，可选择性关闭
【导读】就在刚刚，OpenAI推出了GPTBot——一个可以自动从整个互联网抓取数据的网络爬虫。 得到的这些数据则会被用来训练像GPT-4和GPT-5这样的AI模型！
前段时间，抓取平台用户数据风波，Reddit网友吵翻了天。
今天，OpenAI推出了一个网络爬虫工具GPTBot，能够自动抓取网站的数据。
如何使用？
OpenAI在发布的文档中表示，网络爬虫将过滤删除需要付费强访问的来源，同时也会删除个人身份信息（PII）或违反其政策的文本。
GPTBot抓取的数据，被用来训练GPT-4或GPT-5，能够提升未来人工智能系统的准确性和能力。
可通过以下代码识别该工具：
User agent token: GPTBotFull user-agent string: Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; GPTBot/1.0; +https://openai.com/gptbot)
禁止GPTBot访问
另一方面，你也可以通过将GPTBot添加到站点robots. txt，来禁止其访问网站。
这意味着，网站所有者必须自愿采取措施，禁止OpenAI对自己的网站访问，不将自己的数据用来训练。
User-agent: GPTBotDisallow: /
自定义GPTBot访问
你还可以通过以下代码，来控制GPTBot对网站部分内容的访问。
User-agent: GPTBotAllow: /directory-1/Disallow: /directory-2/
IP出口
对于OpenAI的爬虫，将从OpenAI网站上记录的IP地址块调用网站。
网友热议
OpenAI此举引发了网友对用于训练AI模型的网络爬虫的道德问题的讨论。
网友表示，终于有机会阻止OpenAI抓取你的网络数据，来训练模型。
还有人表示，ChatGPT浏览器插件已被移除一段时间，部分原因是它可以访问付费墙后面的内容。
前段时间，OpenAI于7月18日向美国专利局提交了GPT-5的商标申请，暗示着公司正在训练更高级的AI系统。
GPTBot显然将帮助该OpenAI从互联网上收集更多数据来训练这个模型。
最后推荐下ChatGPT前沿玩法圈：
2、一些副业思考、创业案例、落地案例分享。
3、探讨未来关于ChatGPT的机遇，帮助大家解决遇到的问题。
4、剖析和拆解ChatGPT不同的前沿玩法。
5、围绕ChatGPT玩法的变现方式和技巧。
6、围绕ChatGPT提高工作效率。
7、第一时间了解ChatGPT最新版本的发布特性和强超能力
8、掘挖ChatGPT玩法，助力们我的事业，工作，和日常生活
9、加入星球的小伙伴，都有两项额外福利，可以免费获得ChatGPT普通号“独享”账号一个，支持改密码。
微信扫码关注该文公众号作者
戳这里提交新闻线索和高质量文章给我们。
来源: qq
点击查看作者最近其他文章