Memória da internet sob pressão e desafios de preservação

A Wayback Machine do archive.org guarda mais de um bilhão de sites arquivados e é usada por jornalistas, pesquisadores e juristas para acessar conteúdos originais de páginas alteradas ou excluídas.
Hoje, pelo menos 241 portais de notícias de nove países bloquearam o acesso à ferramenta, incluindo The Guardian, New York Times, Le Monde e USA Today.
O motivo é a preocupação com o uso dos conteúdos arquivados por inteligência artificial para treinar modelos de linguagem, sem autorização ou pagamento aos editores.
Dados do archive.org mostram uso intenso de robôs para consultar conteúdos jornalísticos, em alguns casos chegando a dezenas de milhares de solicitações por segundo.
Organizações e profissionais defendem diálogo entre editores e arquivista, sugerindo separação entre arquivamento e treinamento de IA e estudo sobre tornar o arquivo infraestrutura pública.

No Brasil e no mundo, a preservação da memória da internet enfrenta pressão crescente. O arquivo Wayback Machine, do archive.org, registra mais de um bilhão de sites para acesso público, útil a jornalistas, pesquisadores e juristas.

A ONG por trás do projeto, com sede em São Francisco, diz manter a Internet aberta e gratuita, como biblioteca digital. Contudo, muitas empresas de mídia passaram a bloquear o acesso aos seus conteúdos arquivados.

Segundo a Nieman Foundation, pelo menos 241 portais de nove países bloquearam a rede de arquivos, incluindo The Guardian, New York Times, Le Monde e USA Today. A prática restringe disponibilidade de conteúdos preservados.

O que está em jogo

O USA Today mostrou que o ICE usou conteúdos arquivados para apurar políticas de detenção, contrariando a própria política do Archive. Isso levantou tensões entre liberdade de acesso e proteção de direitos autorais.

Dados do Wayback Machine indicam tráfego intenso de robôs que buscam conteúdos jornalísticos para treinar IA. Mark Graham, do NYT, confirmou solicitações elevadas que sobrecarregaram os servidores.

Desafios e impactos

A organização sem fins lucrativos afirma manter acesso livre para pesquisadores, historiadores e público em geral. Editores enxergam risco de uso indevido por IA sem pagamento ou autorização.

Especialistas defendem um diálogo entre editores e arquivadores. Recomenda-se separar tecnicamente o arquivamento do uso em IA, para reduzir conflitos entre preservação e treinamento de modelos.

Caminhos e perspectivas

Especialistas sugerem reconhecer a web arquivada como infraestrutura pública. À frente, defende-se criar um status jurídico para arquivos da web e evitar dependência de uma única organização.

Jornalistas e pesquisadores assinam petições em apoio ao Internet Archive, destacando que páginas podem desaparecer com fusões, cortes de custos ou perda de links se o acesso for dificultado.