Το χρονικό της μαζικής συλλογής δεδομένων
Στα μέσα Οκτωβρίου 2026, οι πλατφόρμες Open3DLab, SFMLab και SmutBase εντόπισαν έναν crawler που χρησιμοποιούσε το user agent trellis2-data-sourcing. Μέσα σε 34 ώρες, το bot πραγματοποίησε πάνω από 26.000 αιτήματα, κατεβάζοντας 145,5 GB δεδομένων από 712 projects. Παρά το γεγονός ότι οι πλατφόρμες διαθέτουν ρητούς περιορισμούς στο robots.txt, ο crawler τους αγνόησε συστηματικά, στοχεύοντας σε έτοιμα προς χρήση 3D assets, συμπεριλαμβανομένων rigged χαρακτήρων με textures.
Ηθικά και αρχιτεκτονικά ζητήματα στην εκπαίδευση AI
Το πιο ανησυχητικό στοιχείο είναι η έλλειψη φιλτραρίσματος κατά τη συλλογή. Περισσότερο από το 60% των δεδομένων που αφαιρέθηκαν αφορούσαν περιεχόμενο για ενήλικες. Δεδομένου ότι η Roblox διαθέτει τεράστια βάση ανήλικων χρηστών, η ενσωμάτωση τέτοιων δεδομένων σε ένα foundation model χωρίς αυστηρό curation αποτελεί σοβαρό κίνδυνο για την ασφάλεια της πλατφόρμας. Η εταιρεία φαίνεται να δίνει προτεραιότητα στην ποσότητα των δεδομένων (data throughput) έναντι της ποιότητας και της συμμόρφωσης με τους κανόνες πνευματικής ιδιοκτησίας.
Η κουλτούρα του "scraping" και η ανισότητα στο copyright
Το περιστατικό αυτό δεν είναι μεμονωμένο, αλλά εντάσσεται σε μια ευρύτερη τάση όπου κολοσσοί της τεχνολογίας (Meta, Nvidia, Anthropic) χρησιμοποιούν πρακτικές που αγγίζουν τα όρια της νομιμότητας για την εκπαίδευση των μοντέλων τους. Ενώ οι δημιουργοί περιεχομένου αντιμετωπίζουν άμεσες νομικές κυρώσεις για παραβιάσεις copyright, οι μεγάλες εταιρείες συχνά αντιμετωπίζουν το ζήτημα ως κόστος διαπραγμάτευσης (cost of doing business), δημιουργώντας ένα σύστημα δύο ταχυτήτων.
Απαιτήσεις για διαφάνεια
Οι διαχειριστές του Open3DLab έχουν θέσει συγκεκριμένα ερωτήματα προς τη Roblox, ζητώντας επιβεβαίωση για τη χρήση των δεδομένων, τη διαγραφή των παράνομα αποκτηθέντων αρχείων και τη δέσμευση για σεβασμό των αδειών χρήσης στο μέλλον. Μέχρι στιγμής, η σιωπή της Roblox ενισχύει τις ανησυχίες της κοινότητας για την έλλειψη λογοδοσίας στις πρακτικές συλλογής δεδομένων για Generative AI.