Yeni petrol veri ya da dikkat değil. Bunlar kelimeler. Yeni nesil yapay zeka modelleri oluşturmanın ayırt edici özelliği, bilgi işlem gücü, depolama ve enerji için normalleştirme sırasında içeriğe erişimdir.
Ancak web zaten yeni modellere olan açlığı doyuramayacak kadar küçülüyor.
Bazı yöneticiler ve araştırmacılar, sektörün yüksek kaliteli metin verilerine olan ihtiyacının iki yıl içinde arzı aşabileceğini ve potansiyel olarak yapay zekanın gelişimini yavaşlatabileceğini söylüyor.
İnce ayar yapmak bile daha güçlü modeller oluşturmak kadar işe yaramıyor gibi görünüyor. Bir Microsoft araştırma vaka çalışması, etkili istemlerin, ince ayarlanmış bir modelden %27 oranında daha iyi performans gösterebileceğini göstermektedir.
Geleceğin çok sayıda küçük, ince ayarlı modelden mi, yoksa birkaç büyük, her şeyi kapsayan modelden mi oluşacağını merak ediyorduk. İkincisi gibi görünüyor.
Veri stratejisi olmadan yapay zeka stratejisi olmaz.
Yeni nesil büyük dil modellerini (LLM'ler) geliştirmek için daha yüksek kaliteli içeriğe aç olan model geliştiriciler, doğal içerik için para ödemeye ve sentetik verileri etiketleme çabalarını yeniden canlandırmaya başlıyor.
Her türden içerik oluşturucu için bu yeni para akışı, kaliteyi teşvik eden ve web'i daha iyi hale getiren yeni bir içerikten para kazanma modeline giden yolu açabilir.
Growth Memo'nun haftalık uzman görüşleriyle becerilerinizi geliştirin. Ücretsiz abone olun!
KYC: yapay zeka
Eğer içerik yeni petrolse, sosyal ağlar da petrol platformlarıdır. Google, modellerini eğitmek ve Reddit yanıtlarını aramanın en üstünde göstermek için Reddit içeriğini kullanmaya yılda 60 milyon dolar yatırım yaptı. Bana sorarsan Pennies.
YouTube CEO'su Neal Mohan yakın zamanda OpenAI'ye ve diğer model geliştiricilere YouTube'da eğitim almanın imkansız olduğu ve şirketin devasa petrol rezervlerini koruduğu yönünde net bir mesaj gönderdi.
Şu anda OpenAI'ye karşı bir dava yürüten New York Times, OpenAI'nin YouTube transkriptlerindeki modelleri eğitmek için Whisper'ı geliştirdiğini ve Google'ın yapay zekasını eğitmek için Google Dokümanlar ve Haritalar incelemeleri gibi tüm platformlarındaki içeriği kullandığını belirten bir makale yayınladı. modeller.
Appen veya Scale AI gibi üretken AI veri sağlayıcıları, LLM model eğitimi için içerik oluşturmak üzere (insan) yazarları işe alıyor.
Hata yapmayın, yazarlar yapay zeka sayesinde zengin yazılar yazmıyorlar.
Yazarlar, saat başına 25 ila 50 ABD Doları karşılığında, yapay zeka yanıtlarını sıralamak, kısa öyküler yazmak ve gerçekleri kontrol etmek gibi görevleri yerine getiriyorlar.
Adayların doktora derecesine sahip olmaları gerekmektedir. veya yüksek lisans derecesine sahip veya şu anda üniversiteye gidiyor. Veri sağlayıcılar açıkça uzmanlar ve “iyi” yazarlar arıyor. Ancak ilk işaretler umut verici: Yapay zeka için yazmak para kazandırabilir.
Model geliştiricileri web'in her köşesinde iyi içerik ararlar ve bazıları bunu satmaktan mutluluk duyar.
Photobucket gibi içerik platformları, fotoğrafları parça başına beş sentten bir dolara kadar satıyor. Kısa biçimli videolar 2 ila 4 ABD Doları arasında kazanabilir; daha uzun filmlerin saatlik çekim başına maliyeti 100 ila 300 ABD dolarıdır.
Milyarlarca fotoğrafla şirket arka bahçesinde petrol çıkardı. Özellikle içerikten para kazanmanın gittikçe zorlaştığı bir dönemde hangi CEO böyle bir cazibeye dayanabilir?
Ücretsiz İçerikten:
Yayıncılar birçok yönden sıkıştırılıyor:
- Çok az kişi üçüncü taraf çerezlerinin ölümüne hazırlıklıdır.
- Sosyal ağlar daha az trafik gönderiyor (Meta) veya kalitesi bozuluyor (X).
- Gençlerin çoğu haberleri TikTok'tan alıyor.
- SGE ufukta beliriyor.
İronik bir şekilde, yapay zeka içeriğini daha iyi etiketlemek yüksek lisans gelişimine yardımcı olabilir çünkü doğal içeriği sentetik içerikten ayırmak daha kolaydır.
Bu anlamda, yapay zeka içeriğini eğitimin dışında tutabilmek veya doğru şekilde kullanabilmek için etiketlemek LLM geliştiricilerinin çıkarınadır.
Etiketleme
Yüksek Lisans öğrencilerini eğitmek için kelimeleri araştırmak, yeni nesil yapay zeka modelleri geliştirmenin yalnızca bir yönüdür. Diğeri ise etiketleme. Model geliştiricilerin modelin çökmesini önlemek için etiketlemeye ihtiyacı var ve toplumun da sahte haberlere karşı bir kalkan olarak buna ihtiyacı var.
OpenAI'nin düşük doğruluk (%26) nedeniyle filigranlamayı kaldırmasına rağmen yeni bir AI etiketleme hareketi artıyor. Büyük teknoloji (Google, YouTube, Meta ve TikTok), içeriğin kendisini etiketlemek yerine (ki bu boşuna görünüyor), kullanıcıları AI içeriğini havuç/sopa yaklaşımıyla etiketlemeye zorluyor.
Google, aramada yapay zeka spam'iyle mücadele etmek için iki yönlü bir yaklaşım kullanıyor: içeriğin büyük olasılıkla insanlar tarafından oluşturulduğu Reddit gibi forumları ve cezaları belirgin bir şekilde gösteriyor.
AIfficiency'den:
Google, AI içeriğini dengelemek için SERP'lerdeki forumlardan daha fazla içerik ortaya çıkarıyor. Doğrulama, nihai yapay zeka filigranıdır. Reddit, insanların paylaşım veya yorum oluşturmak için yapay zekayı kullanmasını engelleyemese de, Google aramada bulunmayan iki şey nedeniyle şans daha düşüktür: Moderasyon ve Karma.
Evet, İçerik Goblinleri zaten Reddit'i hedef aldı ancak günlük 73 milyon aktif kullanıcının çoğu yararlı yanıtlar veriyor.1 İçerik moderatörleri spam'i yasaklama ve hatta tekmeleme yoluyla cezalandırır. Ancak Reddit'teki kalitenin en güçlü itici gücü, “bir kullanıcının topluluğa katkılarını yansıtan itibar puanı” olan Karma'dır. Kullanıcılar, basit olumlu veya olumsuz oylarla, Google'ın kalite sistemlerinin iki ayrılmaz bileşeni olan yetki ve güvenilirliği kazanabilirler.
Google yakın zamanda satıcıların IPTC meta veri protokolünü kullanarak AI meta verilerini görsellerden kaldırmamasını beklediğini açıkladı.
Bir görselin kompozitSynthetic gibi bir etiketi olduğunda Google, onu yalnızca alışverişte değil, her yerde “Yapay Zeka tarafından oluşturulmuş” olarak etiketleyebilir. AI meta verilerini kaldırmanın cezası belli değil, ancak bunun bir bağlantı cezası gibi olduğunu düşünüyorum.
IPTC, Meta'nın Instagram, Facebook ve WhatsApp için kullandığı formatın aynısıdır. Her iki şirket de kendi LLM'lerinden çıkan her türlü içeriğe IPTC meta etiketleri veriyor. Yapay zeka aracı üreticileri, yapay zeka içeriğini işaretlemek ve etiketlemek için ne kadar çok aynı yönergeleri izlerse, algılama sistemleri de o kadar güvenilir çalışır.
Meta AI özelliğimizi kullanarak fotogerçekçi görüntüler oluşturulduğunda, insanların AI'nın dahil olduğunu bilmesini sağlamak için, görüntülerin üzerinde görebileceğiniz görünür işaretleyiciler ve hem görünmez filigranlar hem de görüntü dosyalarına gömülü meta veriler koymak da dahil olmak üzere çeşitli şeyler yaparız. Hem görünmez filigranı hem de meta verileri bu şekilde kullanmak, hem bu görünmez işaretleyicilerin sağlamlığını artırır hem de diğer platformların bunları tanımlamasına yardımcı olur.
İçerik yapay zekaya benzediğinde yapay zeka içeriğinin dezavantajları azdır. Ancak yapay zeka içeriği gerçek göründüğünde etiketlere ihtiyacımız var.
Reklamcılar yapay zeka görünümünden uzaklaşmaya çalışırken içerik platformları da tanınması kolay olduğu için bunu tercih ediyor.
Ticari sanatçılar ve reklamverenler için üretken yapay zeka, yaratıcı süreci büyük ölçüde hızlandırma ve müşterilere büyük ölçekte kişiselleştirilmiş reklamlar sunma gücüne sahiptir; bu, pazarlama dünyasında kutsal bir kâsedir. Ancak bir sorun var: Birçok görüntü yapay zeka modeli, çizgi film benzeri akıcılık, belirgin kusurlar veya her ikisini birden üretiyor.
Tüketiciler halihazırda “Yapay Zeka görünümüne” o kadar karşı çıkıyor ki, Hristiyan hayır kurumu He Gets Us'un esrarengiz ve sinematik Super Bowl reklamı, görsellerini bir fotoğrafçı oluşturmuş olsa da, yapay zekadan doğmakla suçlandı.
YouTube, gerçekçi görünen AI içeriğinin etiketlenmesi gerektiğini söyleyen video yaratıcıları için yeni yönergeleri uygulamaya başladı.
Üretken yapay zekanın yarattığı zorluklar YouTube'un sürekli odaklandığı bir alan, ancak yapay zekanın kötü aktörlerin seçim sırasında istismar edebileceği yeni riskler getirdiğini biliyoruz. Yapay zeka, izleyicileri yanıltma potansiyeli olan içerik oluşturmak için kullanılabilir; özellikle de izleyiciler videonun değiştirildiğini veya sentetik olarak oluşturulduğunu bilmiyorlarsa. Bu endişeyi daha iyi gidermek ve izleyicileri izledikleri içerik değiştirildiğinde veya sentetik olduğunda bilgilendirmek için aşağıdaki güncellemeleri uygulamaya başlayacağız:
- Yaratıcı Açıklaması: İçerik oluşturucuların, yapay zeka araçlarını kullanmak da dahil olmak üzere, gerçekçi, değiştirilmiş veya sentetik içerik oluşturduklarında bunu açıklamaları istenecek. Buna seçim içeriği de dahil olacak.
- Etiketleme: İzleyicilere içeriğin bir kısmının değiştirilmiş veya sentetik olduğunu açıkça belirtmek için politikalarımızı ihlal etmeyen, gerçekçi, değiştirilmiş veya sentetik seçim içeriklerini etiketleyeceğiz. Seçimler için bu etiket hem video oynatıcıda hem de video açıklamasında görüntülenecek ve içerik oluşturucuya, siyasi görüşe veya dile bakılmaksızın ortaya çıkacaktır.
Yaklaşan en büyük korku, 2024 ABD başkanlık seçimlerini etkileyebilecek sahte yapay zeka içeriğidir.
Hiçbir platform, hisse senedi fiyatlarını etkileyen kalıcı itibar hasarına maruz kalan 2016'nın Facebook'u olmak istemez.
Çinli ve Rus devlet aktörleri zaten sahte yapay zeka haberlerini denediler ve Tayvan'daki ve yaklaşan ABD seçimlerine karışmaya çalıştılar.
Artık OpenAI, istemlerden hipergerçekçi videolar oluşturan Sora'yı piyasaya sürmeye yaklaştığı için, AI videolarının katı etiketleme olmadan nasıl sorunlara yol açabileceğini hayal etmek çok da uzak değil. Durumun kontrol altına alınması zor. Google Kitaplar zaten açıkça ChatGPT ile veya ChatGPT tarafından yazılan kitapları içermektedir.
Götürmek
İster zihinsel ister görsel olsun, etiketler kararlarımızı etkiler. Bizim için dünyaya not veriyorlar ve güveni yaratma veya yok etme gücüne sahipler. Alışverişteki kategori buluşsal yöntemleri gibi, etiketler de karar vermemizi ve bilgi filtrelememizi kolaylaştırır.
Messy Middle'dan:
Son olarak, kameralar için megapikseller gibi müşterilerin karar vermeyi basitleştirmek için odaklandığı sayılar olan kategori buluşsal yöntemi fikri, kullanıcı davranışı optimizasyonunu belirlemeye yönelik bir yol sunar. Örneğin, kamera satan bir e-ticaret mağazası, ürün kartlarını kategori buluşsal yöntemlerine görsel olarak öncelik verecek şekilde optimize etmelidir. Kabul ediyorum, öncelikle kategorilerinizdeki buluşsal yöntemler hakkında bilgi sahibi olmanız gerekir ve bunlar sattığınız ürüne göre değişiklik gösterebilir. Sanırım bugünlerde SEO'da başarılı olmak için gereken şey bu.
Yakında etiketler bize içeriğin ne zaman yapay zeka tarafından yazıldığını söyleyecek. 23.000 katılımcının katıldığı halka açık bir ankette Meta, insanların %82'sinin AI içeriğinde etiket istediğini buldu. Ortak standartların ve cezaların işe yarayıp yaramayacağı henüz bilinmiyor ancak aciliyet ortada.
Burada bir fırsat da var: Plak şirketleri, yapay zeka içeriğinin ne kadar iyi hale geldiğine bağlı olarak, insan yazarlara ışık tutabilir ve içeriklerini daha değerli hale getirebilir.
Üstelik yapay zeka için yazmak içerikten para kazanmanın başka bir yolu olabilir. Mevcut saatlik ücretler kimseyi zengin etmese de model eğitimi içeriğe yeni değer katıyor. İçerik platformları yeni gelir akışları bulabilir.
Web içeriği son derece ticarileşti, ancak yapay zeka lisanslaması, yazarları yeniden iyi içerik oluşturmaya ve ortaklık veya reklam gelirinden kurtulmaya teşvik edebilir.
Bazen kontrast değeri görünür kılar. Belki yapay zeka interneti daha iyi hale getirebilir.
Veri Tüketen Yapay Zeka Şirketleri İçin İnternet Çok Küçük
Uyarının Gücü
Big Tech'in Yapay Zeka Eğitim Verilerini Satın Almak İçin Yeraltı Yarışı İçinde
OpenAI, Yapay Zeka Tarafından Oluşturulan Metin Tespit Aracından Vazgeçti
IPTC Fotoğraf Meta Verileri
Facebook, Instagram ve Konularda Yapay Zeka Tarafından Oluşturulan Görselleri Etiketleme
Reklam Endüstrisi Yapay Zeka Görüntülerinin Yapay Zekaya Nasıl Daha Az Görünmesini Sağlıyor?
İçerik Oluşturucuların Değiştirilmiş veya Sentetik İçeriği İfşa Etmesine Nasıl Yardımcı Oluyoruz?
Yapay Zeka Tarafından Üretilen Seçim Yanlış Bilgilerinin Ele Alınması
Çin, Yapay Zeka Destekli Dezenformasyonla ABD Seçmenlerini ve Tayvan'ı Hedef Alıyor
Google Kitaplar Yapay Zeka Tarafından Üretilen Çöpleri İndeksliyor
Yapay Zeka Tarafından Oluşturulan İçeriği ve Değiştirilmiş Medyayı Etiketlemeye Yaklaşımımız
Öne Çıkan Resim: Paulo Bobita/Arama Motoru Günlüğü
Bir yanıt yazın