Heboh! Induk TikTok Sedang Kumpulkan Data Besar-besaran, Ada Apa?

CHINA - ByteDance, perusahaan induk TikTok yang berbasis di China, tampaknya ingin mengejar ketertinggalan dalam perlombaan Artificial Intelligence (AI) generatif.

Mereka baru saja meluncurkan web crawler atau scraper bot sendiri yang dijuluki Bytespider pada April 2024 silam, menurut riset dari Kasada, perusahaan yang berspesialisasi dalam manajemen bot. Keberadaan bot ini juga dikonfirmasi oleh Dark Visitors, yang memantau aktivitas scraper bot.

Bytespider: Scraper Paling Agresif di Internet

Riset menunjukkan bahwa Bytespider dengan cepat menjadi salah satu scraper paling agresif di internet. Mesin tersebut mengumpulkan data dengan kecepatan yang jauh melampaui perusahaan besar lainnya, seperti Google, Meta, Amazon, OpenAI, dan Anthropic, yang juga menggunakan scraper bot untuk membangun dan meningkatkan model bahasa besar atau model multimodal mereka (LLM/LMM).

"Sejak Bytespider muncul, ia telah mengumpulkan data dengan kecepatan sekitar 25 kali lipat dari GPTbot, yang mengumpulkan data untuk platform ChatGPT OpenAI dan model-model dasarnya,” beber Sam Crowther, CEO Kasada.

Bytespider juga mengumpulkan data dengan kecepatan 3.000 kali lipat dari ClaudeBot (Anthropic), yang mengoperasikan platform Claude.

Aktivitas Scraping Meningkat

Menurut Kasada, Bytespider menjadi semakin agresif dalam mengumpulkan data. Data menunjukkan lonjakan besar dalam aktivitas scraping dari Bytespider selama enam minggu terakhir.

Kontroversi Web Scraping

Web scraping telah ada selama beberapa dekade, terutama dilakukan oleh mesin pencari untuk mengumpulkan tautan ke halaman web. Namun, kebangkitan alat AI generatif telah menambahkan dimensi baru dan menjadikan praktik ini sumber gugatan dan kontroversi.

Individu dan organisasi yang karyanya diambil berpendapat bahwa hak cipta mereka dilanggar dalam proses tersebut.

Semua model yang mendasari alat AI generatif dilatih dengan sejumlah besar data online, yang pada dasarnya adalah semua yang tersedia di web, terutama informasi tertulis. Perusahaan teknologi menggunakan scraper bot untuk menyalin semua itu secara gratis dan memasukkannya ke dalam set data mereka.

ByteDance Mengejar Ketertinggalan

Tahun lalu, ByteDance dilaporkan sangat tertinggal dalam perlombaan AI generatif sehingga mereka menggunakan OpenAI untuk membantu membangun LLM ByteDance sendiri, yang bertentangan dengan ketentuan layanan OpenAI.

Awal tahun ini, ByteDance merilis LLM berbasis chat yang disebut Duabo, tetapi pengembangan model itu telah selesai sebelum akumulasi data pelatihan yang lebih baru yang dikumpulkan oleh Bytespider.

LLM Baru dan Fungsi Pencarian TikTok

Menurut sumber internal perusahaan , ByteDance sedang mengembangkan LLM baru. Salah satu tujuannya adalah untuk meningkatkan fungsi pencarian di TikTok.