एआई डेटा से कैसे सीखता है: मेटा के स्क्रैपिंग क्लॉज़ विवाद के बीच प्रशिक्षण समझाया गया

यह अभी समाचार में क्यों है

16 अक्टूबर 2026 को, The Register ने बताया कि मेटा की संशोधित व्यावसायिक सेवा की शर्तें, जो 30 अक्टूबर को प्रभावी होंगी, कंपनी को स्वचालित सॉफ्टवेयर का उपयोग करने का अधिकार देंगी — जिन्हें शर्तों में वेब स्क्रैपर, बॉट, रोबोट, स्पाइडर, क्रॉलर और यूजर एजेंट सहित वर्णित किया गया है — अपने व्यावसायिक ग्राहकों से जुड़ी वेबसाइटों तक पहुंचने, अनुक्रमणिका, कैश, विश्लेषण, एकत्र, पुनः प्राप्त या क्रॉल करने के लिए। ये ग्राहकों में कोई भी जो फेसबुक विज्ञापन चलाता है, मेटा टूल के माध्यम से उत्पाद बेचता है, व्यावसायिक उद्देश्य के लिए पृष्ठ या समूह का प्रबंधन करता है, या WhatsApp और Messenger एआई एजेंट का उपयोग करता है, शामिल है, एक श्रेणी जो मेटा के अनुसार लगभग एक मिलियन व्यवसायों को कवर करती है।

शर्तों में कहा गया था कि एकत्रित सामग्री को विभिन्न उद्देश्यों के लिए उपयोग किया जा सकता है, जिनमें मेटा की उत्पादों को प्रदान करना, विकास, सुधार, अनुसंधान, प्रशिक्षण और रखरखाव शामिल हैं। News/Media Alliance के अध्यक्ष और सीईओ Danielle Coffey ने इस खंड को "अत्यधिक और संभवतः अवैध" कहा, यह तर्क देते हुए कि यह मेटा को व्यवसायों से दर्शकों तक पहुंच रोकने देता है जब तक वे व्यापक डेटा संग्रह शर्तें स्वीकार नहीं करते, The Register ने बताया। Santa Clara University के कानून के प्रोफेसर Eric Goldman ने मेटा द्वारा मौजूदा ग्राहक संबंधों में संशोधन के बारे में प्रक्रियागत चिंताएं उठाईं, और सच्ची ऑप्ट-आउट के बिना, और गोपनीयता विवादों के मेटा के इतिहास की ओर इशारा किया।

आलोचना का सामना करते हुए, मेटा ने भाषा में संशोधन किया। TechCrunch ने 17 अक्टूबर को बताया कि कंपनी ने अनुमत उपयोग की सूची से शब्द "प्रशिक्षण" हटा दिया और बताए गए उद्देश्यों को सभी मेटा उत्पादों के बजाय विज्ञापन और व्यावसायिक उत्पादों तक सीमित कर दिया। एक मेटा प्रवक्ता ने कहा कि क्रॉलिंग शर्तें केवल कंपनी के विज्ञापन और व्यावसायिक उत्पादों पर लागू होती हैं और इस परिवर्तन से मेटा वेब क्रॉलर का उपयोग करने के तरीके में कोई अंतर नहीं आता है।

संपादन के बाद भी, कानूनी विशेषज्ञों ने रिपोर्टरों को बताया कि व्यापक क्रॉलिंग अनुमति जगह में है। mediacopilot.ai के खाते के अनुसार, Cornell Law School के प्रोफेसर James Grimmelmann ने कहा कि शर्तें तकनीकी रूप से मेटा को ऐसे क्रेडेंशियल पंजीकृत करने दे सकती हैं जो साइट के उन हिस्सों को देखते हैं जो एक अनाम दर्शक से अधिक होगा, जबकि Loevy & Loevy के वकील Matt Topic ने कहा कि सामग्री लाइसेंसिंग बाजार में लाखों डॉलर की कीमत की जा सकती है। University of Wisconsin के विद्वान Benjamin Sobel ने इस व्यवस्था की तुलना antitrust अवधारणा से की, क्योंकि मेटा के व्यावसायिक उपकरणों का उपयोग डेटा शर्तें स्वीकार करने की आवश्यकता होगी।

एआई मॉडल वास्तव में डेटा से कैसे सीखते हैं

मेटा विवाद से अलग, एआई प्रशिक्षण की अंतर्निहित यांत्रिकी अधिकांश आधुनिक प्रणालियों में सामंजस्यपूर्ण है। एआई कार्यबल कंपनी Mercor द्वारा प्रकाशित एक व्याख्याता के अनुसार, प्रशिक्षण डेटा उदाहरणों का संग्रह है जो एक मॉडल अध्ययन करता है, प्रत्येक उदाहरण मॉडल के आंतरिक संख्यात्मक पैरामीटर को बढ़ाता है। मॉडल एक भविष्यवाणी करता है, इसे अपने डेटासेट में सही उत्तर के विरुद्ध तुलना करता है, परिणामी त्रुटि को मापता है, और अपने पैरामीटर को समायोजित करता है ताकि त्रुटि को सिकोड़ा जा सके — यह चक्र लाखों उदाहरणों में दोहराया जाता है।

Mercor की व्याख्या लेबल किए गए डेटा को अलग करती है, जहां मनुष्य सही उत्तर या श्रेणी प्रदान करते हैं, अलेबल किए गए डेटा से, जहां मॉडल को पैटर्न स्वयं अनुमान लगाने होंगे। यह संरचित डेटा (तालिकाएं, डेटाबेस) को असंरचित डेटा जैसे पाठ, छवियों, ऑडियो और वीडियो से अलग करता है। कई वर्तमान बड़े भाषा मॉडल दोनों दृष्टिकोणों को जोड़ते हैं: अलेबल किए गए पाठ या छवियों की विशाल मात्रा पर एक प्रारंभिक पूर्व-प्रशिक्षण चरण सामान्य क्षमता बनाता है, इसके बाद कार्य-विशिष्ट व्यवहार को आकार देने के लिए छोटे, लेबल किए गए डेटासेट पर सूक्ष्म ट्यूनिंग।

कच्ची सामग्री कहां से आती है

एक ही व्याख्याता के अनुसार, प्रशिक्षण डेटा आम तौर पर तीन चैनलों से आता है: सार्वजनिक डेटासेट और भंडार जो सामान्य अनुसंधान के लिए उपलब्ध हैं, स्वामित्व डेटा जैसे कंपनी के आंतरिक रिकॉर्ड, और मानव एनोटेशन, जहां भुगतान किए गए कार्यकर्ता पर्यवेक्षित उदाहरण बनाने के लिए कच्ची सामग्री को लेबल करते हैं। बड़े पैमाने पर वेब स्क्रैपिंग — सार्वजनिक रूप से पहुंच योग्य पृष्ठों का स्वचालित क्रॉलिंग — कंपनियां सार्वजनिक-डेटासेट श्रेणी को उस पैमाने पर इकट्ठा करने के सबसे सामान्य तरीकों में से एक है जो आधुनिक मॉडलों को आवश्यकता है, यही कारण है कि किसी भी कंपनी की क्रॉलिंग अनुमति की गुंजाइश, जैसा कि मेटा के मामले में है, सीधे महत्वपूर्ण है कि खुला वेब कितना कानूनी रूप से एआई प्रणाली को खिला सकता है।

स्क्रैपिंग बहस मेटा से परे क्यों महत्वपूर्ण है

मेटा की शब्दावली पर विवाद एआई डेटा प्रथाओं में घर्षण के दो पुनरावर्ती बिंदुओं को दर्शाता है: क्या किसी कंपनी की सेवा की शर्तें तकनीकी ऑप्ट-आउट सिग्नल जैसे वेबसाइट की robots.txt फाइल को ओवरराइड कर सकती हैं, और क्या एक ही कॉर्पोरेट संबंध जो एक व्यवसाय को प्लेटफ़ॉर्म की दर्शकों तक पहुंच देता है, उसे भी प्रशिक्षण के लिए उस व्यवसाय की सामग्री को निकालने के लिए उपयोग किया जा सकता है बिना अलग भुगतान या सहमति के। Nieman Lab की रिपोर्टिंग, जैसा कि mediacopilot.ai द्वारा रिले की गई, ने नोट किया कि अधिकांश समाचार संगठन कम से कम एक मेटा व्यावसायिक खाता बनाए रखते हैं, जिसका अर्थ है कि खंड की पहुंच समाचार उद्योग के एक बड़े हिस्से तक विस्तृत हो सकती है, भले ही इसे विशेष रूप से प्रकाशकों के बजाय व्यावसायिक ग्राहकों के चारों ओर तैयार किया गया था।

मेटा ने इनकार नहीं किया है कि इसके क्रॉलर व्यावसायिक खातों से जुड़ी सामग्री तक पहुंच सकते हैं; इसकी स्थिति, जैसा कि TechCrunch को बताया गया था, यह है कि स्पष्टीकृत शर्तें मौजूदा क्रॉलिंग व्यवहार को नहीं बदलती हैं। कानूनी विशेषज्ञ जो रिपोर्टिंग में उद्धृत थे, ने कहा कि यह अभी तक परीक्षण नहीं किया गया है कि क्या ऐसी सेवा की शर्तों में भाषा तीसरे पक्ष के विरुद्ध या robots.txt प्रतिबंधों के विरुद्ध लागू की जा सकती है, 30 अक्टूबर की प्रभावी तारीख के करीब खंड की व्यावहारिक सीमाओं को अनसुलझा छोड़ते हुए।