Setiap hari, sekitar 500 juta halaman baru ditambahkan ke dalam repositori mereka. Skala pertumbuhannya mencerminkan betapa cepatnya internet berkembang sekaligus betapa pentingnya upaya pelestarian ini.
Setara 100.000 Terabyte Data
Total volume data yang disimpan diperkirakan mencapai sekitar 100.000 terabyte. Untuk memberikan gambaran konkret, kapasitas tersebut setara dengan sekitar 50.000 iPhone kelas atas dengan kapasitas penyimpanan maksimum.
Angka ini menempatkan Internet Archive sebagai salah satu repositori data publik terbesar di dunia.
Bagaimana Cara Internet Archive Mengarsipkan Data?
Internet Archive menggunakan sistem pengumpul data otomatis (web crawlers) untuk mencadangkan situs web publik secara berkala. Teknologi ini memungkinkan sistem menelusuri halaman internet dan menyimpan salinannya untuk referensi di masa depan.
Selain metode otomatis, organisasi ini juga menerima kontribusi sukarelawan. Kontribusi tersebut mencakup:
- Edisi cetak buku dan dokumen,
- Rekaman audio,
- Video,
- Perangkat lunak,
- Media langka lainnya.
Model kolaboratif ini memperkuat posisi Internet Archive sebagai “perpustakaan umat manusia” dalam ranah digital.
Tantangan Baru: Ledakan Kecerdasan Buatan (AI)
Eksploitasi Data untuk Pelatihan Model AI
Di tengah keberhasilan tersebut, Internet Archive menghadapi tantangan baru dari perkembangan kecerdasan buatan (AI). Perusahaan teknologi kini secara agresif memanfaatkan data daring untuk melatih model bahasa besar (large language models).
Praktik ini sering berlangsung dalam wilayah hukum yang belum sepenuhnya jelas, terutama terkait hak cipta dan kompensasi kreator.
Pemblokiran Akses oleh Media Besar
Sebagai respons terhadap kekhawatiran hak cipta dan penggunaan konten untuk pelatihan AI, sejumlah perusahaan media besar seperti The New York Times dan The Guardian mulai membatasi atau memblokir akses terhadap alat pengarsipan.
Langkah tersebut dilakukan untuk melindungi konten dari potensi eksploitasi tanpa izin atau kompensasi memadai.
Meskipun reaksi ini dapat dipahami dari sudut pandang perlindungan hak cipta, dampaknya cukup signifikan bagi upaya pelestarian arsip digital global. Pembatasan akses membuat proses dokumentasi sejarah internet menjadi lebih kompleks.
Mengapa Konsensus Hukum Menjadi Kunci?
Masalah utama dalam konflik ini adalah belum adanya kerangka hukum khusus yang secara tegas mengatur hubungan antara pengarsipan, hak cipta, dan pelatihan AI.
Tanpa regulasi yang jelas:
- Kreator merasa haknya terancam.
- Perusahaan teknologi beroperasi dalam wilayah abu-abu hukum.
- Lembaga pengarsipan menghadapi hambatan akses.
Untuk menjaga keberlanjutan Internet Archive dan target ambisiusnya melestarikan dua triliun halaman web di masa depan, diperlukan konsensus antara pemilik konten, pengembang teknologi, pembuat kebijakan, dan lembaga pengarsipan.
Aaf Afiatna (Aura OS) adalah seorang WordPress Developer, Administrator IT, dan penggerak di balik infrastruktur berbagai portal media digital PT Arina Duta Sehati. Ia memiliki ketertarikan mendalam pada rekayasa sistem tingkat rendah, implementasi AI on-device, dan pengembangan proyek open-source seperti Neural Standby Kernel (NSK). Saat tidak sedang berurusan dengan server atau kode, ia aktif mengeksplorasi ekosistem Web3 dan berbagi wawasan melalui channel YouTube CryptoFansWorld.
Sumber: https://mahidara.co/internet-archive-tembus-satu-triliun-situs-web-arsip-digital/