AIがデータから学ぶ方法：Metaのスクレイピング規約論争の中での訓練解説

なぜこれが今ニュースになっているのか

2026年10月16日、The Registerは、Metaの改訂された商用サービス規約が10月30日に発効し、同社が自動化されたソフトウェア（規約ではウェブスクレイパー、ボット、ロボット、スパイダー、クローラー、ユーザーエージェントを含むと説明されている）を使用して、ビジネス顧客に関連するウェブサイトにアクセス、インデックス作成、キャッシング、分析、収集、取得、またはクロールする権利を付与することが報じられました。これらのビジネス顧客には、Facebook広告を実行している人、Metaツールを通じて製品を販売している人、ビジネス向けのページやグループを管理している人、またはWhatsAppとMessenger AIエージェントを使用している人が含まれます。Metaは、このカテゴリーはおおよそ100万のビジネスを対象としていると述べました。

規約では、収集されたコンテンツはMetaの製品の提供、開発、改善、研究、訓練、および保守を含む一連の目的に使用できると述べられていました。News/Media Alliance会長兼CEOのDanielle Coffeyはこの規約を「ひどく、おそらく違法」と呼び、Metaがビジネスに対して幅広いデータ収集条件を受け入れない限り、オーディエンスアクセスを差し控えることができるという見方を示したと、The Registerは報じました。Santa Clara大学の法学教授Eric Goldmanは、Metaが既存の顧客関係を真の選択解除なしで修正することについて手続き上の懸念を提起し、Metaのプライバシー紛争の歴史を指摘しました。

批判に直面したMetaは言語を改訂しました。TechCrunchは10月17日に、同社が許可された用途のリストから「訓練」という単語を削除し、述べられた目的をすべてのMeta製品ではなく広告およびビジネス製品に限定したと報じました。Metaのスポークスパーソンは、クローリング条件は同社の広告およびビジネス製品にのみ適用され、その変更はMetaがウェブクローラーを使用する方法を変えなかったと述べました。

編集後でも、法律専門家らはレポーターに対して、より広範なクローリング許可が存在すると述べました。mediacopilot.aiのレポートの説明によると、Cornell法科大学院の教授James Grimmelmannは、この条件により、技術的にはMetaが匿名訪問者よりも多くのサイトを見ることができる認証情報を登録できると述べました。一方、Loevy & Loevy弁護士のMatt Topicは、問題となるコンテンツはライセンス市場で数百万ドルの価値がある可能性があると述べました。ウィスコンシン大学の研究者Benjamin Sobelは、Meta のビジネスツール使用することがデータ条件を受け入れることを要求するため、この取り決めを独占禁止法の抱き合わせの概念と比較しました。

AIモデルが実際にデータからどのように学ぶか

Meta紛争から別として、AIトレーニングの根本的なメカニクスはほとんどの最新システム全体で一貫しています。AI労働力会社Mercorが公開した説明者によると、訓練データはモデルが研究する例の集まりであり、各例がモデルの内部数値パラメータを少し動かします。モデルは予測を行い、それをデータセット内の正しい答えと比較し、結果のエラーを測定し、そのエラーを縮小するためにそのパラメータを調整します。このサイクルは何百万もの例にわたって繰り返されます。

Mercorの説明者は、人間が正しい答えまたはカテゴリを提供するラベル付きデータと、モデルが自力でパターンを推測しなければならないラベルなしデータを区別しています。また、構造化データ（テーブル、データベース）と、テキスト、画像、オーディオ、ビデオなどの非構造化データも分離しています。現在の多くの大規模言語モデルは両方のアプローチを組み合わせています。大量のラベルなしテキストまたは画像の初期の事前訓練段階は一般的な能力を構築し、その後、より小さなラベル付きデータセットでの微調整はタスク固有の動作を形成します。

原材料がどこから来るのか

同じ説明者によれば、訓練データは一般に3つのチャネルから来ています。一般的な研究のために利用可能な公開データセットとリポジトリ、会社の内部記録などの専有データ、および賃金労働者が生のコンテンツにラベルを付けて監視例を作成する人間による注釈です。大規模なウェブスクレイピング（公開されているページの自動クローリング）は、現代のモデルが必要とするスケールで公開データセットカテゴリを組み立てるための最も一般的な方法の1つです。これがMeta のケースのように、任意の会社のクローリング許可の範囲が、オープンウェブのどれだけが合法的にAIシステムに供給できるかに直接関係している理由です。

スクレイピング論争がMetaを超えて重要である理由

Metaの文言についての紛争は、AIデータプラクティスにおける2つの反復的な摩擦点を示しています。企業のサービス規約がウェブサイトのrobots.txtファイルなどの技術的な選択解除信号をオーバーライドできるかどうか、そして事業にプラットフォームのオーディエンスへのアクセスを与える同じ企業関係を、別の支払いまたは同意なしにその事業のコンテンツを訓練のために抽出するために使用できるかどうかです。mediacopilot.aiによって中継されたNieman Labの報道は、ほとんどのニュース組織が少なくとも1つのMeta ビジネスアカウントを維持していることに注目し、この規約の到達範囲はビジネス顧客ではなく出版社を中心に構成されているにもかかわらず、ニュース業界の大部分に拡張できることを意味しています。

Metaは、そのクローラーがビジネスアカウントに関連するコンテンツに到達できることを否定していません。その立場はTechCrunchに述べられており、明確にされた条件は既存のクローリング動作を変更しないというものです。レポートで引用された法律専門家は、そのようなサービス規約言語が第三者またはrobots.txt制限に対して強制可能であるかどうかは裁判所で未決定のままであり、10月30日の発効日が近づくにつれて、規約の実際の境界が未解決のままであると述べました。