Bloqueio do Internet Archive ameaça preservação da história da web
O que está acontecendo com o acesso ao Internet Archive
The New York Times começou a bloquear o Internet Archive de rastrear seu site usando medidas técnicas que vão além das regras tradicionais do robots.txt. Outros jornais, incluindo The Guardian, parecem estar seguindo essa abordagem. Esse bloqueio corre o risco de cortar o acesso aos registros históricos da web nos quais jornalistas, pesquisadores e tribunais confiaram por décadas.
Por que isso importa para a preservação histórica
O Internet Archive opera a Wayback Machine, que contém mais de um trilhão de páginas da web arquivadas. Por quase trinta anos, ela preservou sites de notícias como originalmente apareciam online. Quando artigos são editados, alterados ou removidos, o Archive frequentemente se torna a única fonte para ver essas versões originais. Grandes editoras bloqueando esses rastreadores significa que o registro histórico começa a desaparecer.
A conexão com a IA e o contexto legal
As editoras citam preocupações sobre empresas de IA extraindo conteúdo de notícias como motivação para bloquear o Archive. The New York Times e outros estão processando empresas de IA sobre se treinar modelos com material protegido por direitos autorais viola a lei. No entanto, o Internet Archive não está construindo sistemas comerciais de IA—ele está preservando registros históricos. O artigo argumenta que bloquear arquivistas sem fins lucrativos é a resposta errada para as preocupações com o treinamento de IA.
De uma perspectiva legal, tornar o material pesquisável é um uso justo estabelecido. Os tribunais reconheceram que a construção de índices pesquisáveis frequentemente requer fazer cópias do material subjacente. Quando o Google copiou livros inteiros para criar um banco de dados pesquisável, os tribunais reconheceram isso como uso justo porque serviu ao propósito transformador de permitir descoberta e pesquisa. Os mesmos princípios se aplicam ao arquivamento da web.
Impacto prático na pesquisa e jornalismo
Apenas a Wikipédia faz referência a mais de 2,6 milhões de artigos de notícias preservados no Internet Archive, abrangendo 249 idiomas. Inúmeros blogueiros, pesquisadores e repórteres dependem do Archive como um registro estável e autoritativo do que foi publicado online. Se grandes editoras continuarem bloqueando o acesso, futuros pesquisadores podem descobrir que partes significativas da história da web desapareceram.
📖 Leia a fonte completa: HN AI Agents
👀 See Also
Resultados da Avaliação Cega de Gemma 4 vs Qwen 3.5 com Claude Opus como Juiz
Uma avaliação cega de 30 perguntas comparou o Gemma 4 31B, o Gemma 4 26B-A4B e o Qwen 3.5 27B usando o Claude Opus 4.6 como juiz. O Qwen 3.5 27B venceu 46,7% dos confrontos, mas teve pontuações médias mais baixas devido a três respostas com pontuação zero.
OpenAI e PNNL Apresentam DraftNEPABench para Agentes de Codificação de IA em Licenciamento Federal
A OpenAI e o Pacific Northwest National Laboratory lançaram o DraftNEPABench, um benchmark que avalia como os agentes de codificação de IA podem acelerar a autorização federal. Os resultados iniciais mostram potencial para reduzir o tempo de elaboração do NEPA em até 15%.
Anthropic Lança Controle Remoto para Código Claude
A Anthropic lançou funcionalidade de controle remoto para o Claude Code, permitindo que os usuários continuem sessões de codificação a partir de dispositivos móveis. O recurso está documentado em code.claude.com/docs/en/remote-control.
Anthropic remove o acesso ao corpo da mensagem do Gmail do Conector Claude
Anthropic removeu as ferramentas gmail_read_message e gmail_search_messages do conector do Gmail, substituindo-as por get_thread e search_threads, que não retornam mais o corpo das mensagens ou o conteúdo dos anexos.