كاتب الروبوت الخاص بك ينتظر ... هل GPT-3 موت صانع المحتوى؟

بصفتي كاتبًا / محررًا يعتمد على إنشاء المحتوى لكسب لقمة العيش ، فأنا متردد بشدة بشأن الذكاء الاصطناعي ...

من ناحية ، لا يمكنني تخيل حياة بدونها.

على مدى السنوات الأربع الماضية ، عشت في بلد - فيتنام - حيث أتحدث أو أفهم فقط حفنة من الكلمات والعبارات (أعلم ، أعلم ، إنه أمر مثير للشفقة).

لدي أيضًا إحساس رديء بالاتجاه ...

التجول في شوارع وأزقة سايغون التي لا نهاية لها هو مصدر هائل للفرح ...

ما لم تكن لديك وجهة فعلية في الاعتبار أو إذا تأخرت عن الاجتماع ...

أو إنه موسم الأمطار.

بدون خرائط Google و Google Translate ، لن يكون العيش هنا خيارًا بالنسبة لي ...

لذلك ، أنا ممتن للغاية لما يقدمه الذكاء الاصطناعي بالفعل.

ولكن أكثر فأكثر ، يبدو أن نفس التكنولوجيا التي تجعل حياتي الحالية ممكنة تظهر كتهديد وجودي لقدرتي على وضع phở على الطاولة.

أنا بعيد عن أن يكون صانع الكلمات الوحيد الذي يخيفني قليلاً من الذكاء الاصطناعي ...

كما قال كاتب العمود التكنولوجي في صحيفة نيويورك تايمز فرهاد مانجو مؤخرًا ، "ليس بعيدًا جدًا من الآن ، قد يتم إبعاد مراسلك المتواضع عن طريق آلة."

لكل منشئ محتوى يرتجف في الخزانة على أمل أن يصبح عفا عليه الزمن بسبب التكنولوجيا التي تعتمد على الذكاء الاصطناعي مثل GPT-3 ، هناك مالك عمل واحد على الأقل أو مسوق تابع يرتجف مع توقع في الاحتمال ...

بعد كل شيء ، من يريد أن يتعامل مع (ويدفع) الكتاب والمحررين الذين هم جميعًا بشر؟

لذا ، ما مدى قرب حلم / كابوس أجهزة الكمبيوتر من كتابة وتحرير المحتوى الخاص بك ليصبح حقيقة؟

هيا نكتشف…

جدول المحتويات
ما هو OpenAI و GPT-3؟
كيف يعمل GPT-3؟
هل GPT-3 و NLG خطيران؟
GPT-3 وتغير المناخ
GPT-3 وكبار المسئولين الاقتصاديين
مقابلة مع Przemek Chojecki - مؤسس Contentyze
مقابلة مع ستيف توث - مؤسس SEO Notebook
مقابلة مع ألكس سميتشوف - مؤسس Skriber.io
هل يمكنني طرد كتابي ومحرري حتى الآن؟
الذكاء الاصطناعي العام (AGI) - أكثر إنسانية من إنسان؟
زيادة الكتاب - وليس استبدالهم

ما هو OpenAI و GPT-3؟

تأسست OpenAI في عام 2015 من قبل نجوم التكنولوجيا مثل Elon Musk و Sam Altman ، الرئيس السابق لشركة Y Combinator والرئيس التنفيذي الحالي لـ OpenAI.

في عام 2018 ، نشرت OpenAI أول ورقة بحثية لها عن نموذج لغوي أطلقوا عليه اسم Transformer Generative Pre-trainer Transformer - GPT باختصار.

بعبارات أبسط ، تعالج GPT كميات هائلة من النصوص المكتوبة من قبل البشر ، ثم تحاول إنشاء نص لا يمكن تمييزه عن النص المكتوب من قبل البشر - كل ذلك مع الحد الأدنى من التدخل البشري أو الإشراف.

عندما أجريت مقابلة مع مطور وكاتب NLP SaaS ألكس سميتشوف من The Edge Group ، أشار إلى GPT بسخرية إلى حد ما باسم "الإكمال التلقائي على المنشطات".

من الواضح أن هذا اختزالي ، لكنه صحيح من حيث الأساس ...

تحاول GPT (ونماذج NLG الأخرى التي تعتمد على الذكاء الاصطناعي) التنبؤ بالكلمة التي تتبع الكلمة السابقة بطريقة لا يمكن تمييزها عن الطريقة التي يكتب بها الناس أو يتحدثون بشكل طبيعي.

لم تكن وتيرة الابتكار مع GPT أقل من لالتقاط الأنفاس ...

في فبراير 2019 ، أصدرت شركة OpenAI نسخة محدودة من GPT-2 للجمهور ...

في نوفمبر 2019 ، أصبح نموذج GPT-2 NLG الكامل مفتوح المصدر.

أحدثت GPT-2 دفقة كبيرة ...

أوقفت شركة OpenAI في البداية إطلاق النموذج الكامل للجمهور لأنه كان من المحتمل أن يكون خطيرًا للغاية - فقط جعله مفتوح المصدر بعد إعلان أنهم "لم يروا أي دليل قوي على سوء الاستخدام".

هذا مثال آخر على الشركات المملوكة للمساهمين - مثل Google و Facebook - التي تصدر أحكامًا على التكنولوجيا التي يمكن أن تغير الطريقة التي نعيش بها بشكل كبير ، دون أي إشراف عام تقريبًا.

تصبح نماذج NLG "أكثر ذكاءً" - أو على الأقل أفضل في محاكاة الطريقة التي يتحدث بها البشر وكتابتهم - استنادًا جزئيًا على الأقل إلى عدد المعلمات التي يقدمها لهم المهندسون.

كلما كانت مجموعة البيانات أكبر وكلما زادت المعلمات ، أصبح النموذج أكثر دقة.

تم تدريب GPT-2 على مجموعة بيانات من 8.5 مليون صفحة ويب ولديها 1.5 مليار معلمة ...

حتى لا يتم التفوق عليها ، أصدرت Microsoft Turing Natural Language Generation (T-NLG) في أوائل عام 2020.

تم تسميته على اسم العالم الشهير آلان تورينج ، يستخدم نموذج T-NLG القائم على المحولات 17.5 مليار معلمة - أكثر من 10x GPT-2.

أصدرت OpenAI أحدث تكرارات لمعالجتها للغة الطبيعية (NLP) وتوليد اللغة الطبيعية (NLG) API - GPT-3 في يونيو 2020.

إلى حد بعيد ، أقوى تقنيات NLG وأكثرها تقدمًا حتى الآن - تم تدريبها على 175 مليار معلمة (10 أضعاف تلك الخاصة بـ T-NLG التي تم إصدارها قبل أقل من ستة أشهر) - تم الترحيب بـ GPT-3 بضجة كبيرة ...

بصراحة ، بدأ كل هذا الضجيج يصم الآذان.

إذا كان يجب الوثوق بتويتر ، فلن يقتصر عمل منشئي المحتوى على العمل قريبًا ...

سواء كنت طبيبًا أو محاميًا أو تكتب رمزًا لقمة العيش - GPT-3 قادم من أجلك.

اتضح أنه حتى صناعة الشعر المربحة قد تكون في طريقها للتقطيع ...

ماذا عن المساعي الإبداعية الأخرى؟

هل سئمت من قوائم التشغيل الخاصة بك على Spotify؟

لقد غطيت برنامج OpenAI Jukebox.

إليك القليل من التفاصيل التي تم إنشاؤها بواسطة الذكاء الاصطناعي بأسلوب ديفيد باوي:

ليس بوي حقيبتك؟

لقد قمت بتغطية Jukebox ، مع ما يقرب من 10 آلاف "أغنية" تم إنشاؤها بواسطة الذكاء الاصطناعي متاحة للجمهور ، بأسلوب الفنانين من 2Pac:

إلى Z-Ro ...

لم تترك OpenAI أي جهد تقريبًا في سعيها لإظهار الإمكانات الإبداعية للذكاء الاصطناعي ، كما قامت بتطوير DALL · E. DALL · E يخلق صورًا رائعة من مطالبات نصية بسيطة.

هل تساءلت يومًا كيف سيبدو شكل الكرسي المتقاطع مع الأفوكادو؟

دع DALL · E يخرجك من بؤسك.

هل تحتاج إلى صور "مؤلف السيرة الذاتية" لصفحة "نبذة عنا" على موقع الويب التابع لك لبناء EAT؟

خمن ما تشترك فيه كل لقطة في الصورة أعلاه؟ هذا الشخص غير موجود.

Clearl ، ليس فقط إنشاء المحتوى هو ما تسببه تقنية OpenAI في تعطيله بالفعل ، ولكن كيف تعمل؟

كيف يعمل GPT-3؟

لطالما كان توليد اللغة الطبيعية (NLG) أحد الأهداف النهائية للذكاء الاصطناعي ومعالجة اللغة الطبيعية (NLP).

منذ عام 1966 ، مع اختراع إليزا - روبوت دردشة بدائي يتنكر في شكل معالج - أقنعت الآلات الناس بأنه يمكنهم إجراء محادثات هادفة مع البشر.

في الآونة الأخيرة ، صدمت تقنيات NLG مثل نموذج OpenAI Generative Generative Transformer (GPT) و Turing Natural Language Generation (T-NLG) من Microsoft الخبراء والصحفيين على حد سواء بقدرتهم على إنشاء محتوى مكتوب مثير للإعجاب.

يتم تشغيل معظم تقنيات NLG بواسطة الشبكات العصبية - وهي جزء مهم من فرع التعلم العميق للتعلم الآلي الذي يحاول تقليد الدماغ البشري.

بدأ التعلم العميق كحل لتحديات تطوير الذكاء الاصطناعي في اكتساب قوة الدفع لأول مرة في عام 2011 ، عندما شارك الأستاذ بجامعة ستانفورد وعالم الكمبيوتر أندرو نج في تأسيس Google Brain.

المبدأ الأساسي وراء التعلم العميق هو أنه كلما زادت مجموعات البيانات التي تتعلم منها نماذج الذكاء الاصطناعي ، زادت قوتها.

مع استمرار نمو قوة الحوسبة ومجموعات البيانات المتاحة (مثل شبكة الويب العالمية بأكملها) ، تزداد قدرات وذكاء نماذج الذكاء الاصطناعي مثل GPT-3.

يتم الإشراف على العديد من نماذج التعلم العميق ، مما يعني أنها مدربة على مجموعات بيانات ضخمة تم تصنيفها - أو "مميزة" - من قبل البشر.

على سبيل المثال ، تتكون مجموعة بيانات ImageNet الشهيرة من أكثر من 14 مليون صورة تم تصنيفها وتصنيفها من قبل البشر.

قد تبدو 14 مليون صورة كبيرة ، لكنها قطرة في محيط مقارنة بحجم البيانات المتاحة.

تكمن المشكلة في نماذج التعلم الآلي الخاضعة للإشراف والمدربة على البيانات التي يصنفها الأشخاص في أنها ليست قابلة للتطوير بدرجة كافية.

مطلوب الكثير من الجهد البشري ، وهو يعيق بشكل كبير قدرة الآلة على التعلم.

يتم تدريب العديد من نماذج البرمجة اللغوية العصبية الخاضعة للإشراف على مجموعات البيانات هذه ، والعديد منها مفتوح المصدر.

تتكون مجموعة بيانات واحدة - أو مجموعة - مستخدمة على نطاق واسع في نماذج البرمجة اللغوية العصبية المبكرة من رسائل بريد إلكتروني من إنرون ، مرتكب إحدى أكبر عمليات الاحتيال على المساهمين في التاريخ الأمريكي.

جزء كبير مما يجعل GPT-3 تحويليًا للغاية هو أنه يمكنه معالجة كميات هائلة من البيانات الخام غير الخاضعة للإشراف - مما يعني أنه يتم غالبًا التخلص من عنق الزجاجة الكبير المتمثل في مطالبة البشر بتصنيف إدخال النص.

يتم تدريب نماذج GPT الخاصة بـ Open AI على مجموعات بيانات ضخمة غير مسماة ، مثل:

• BookCorpus ، مجموعة بيانات (لم تعد متاحة للجمهور) تتكون من 11038 كتابًا غير منشور من 16 نوعًا مختلفًا و 2500 مليون كلمة من مقاطع نصية من ويكيبيديا الإنجليزية

• بيانات مأخوذة من روابط صادرة من مقالات عالية التصويت على Reddit - تضم أكثر من 8 ملايين مستند
• الزحف المشترك - مورد مفتوح يتكون من بيتابايت من بيانات زحف الويب التي يعود تاريخها إلى عام 2008. ويقدر أن مجموعة الزحف الشائعة تحتوي على ما يقرب من تريليون كلمة.

الآن هذه بعض البيانات الضخمة ...

هل GPT-3 و NLG خطيران؟

نحن نعيش في عصر "الحقائق البديلة" و "الأخبار الزائفة" - وهو ما يسميه العديد من المراقبين عصر ما بعد الحقيقة.

في بيئة تهدد فيها الآراء والمشاعر ونظريات المؤامرة بتقويض واقع موضوعي مشترك ، من السهل تخيل كيف يمكن تسليح GPT-3 وتقنيات NLG الأخرى ...

يمكن للممثلين السيئين إنشاء كميات هائلة من المعلومات المضللة التي لا يمكن تمييزها إلى حد كبير عن المحتوى الذي يكتبه البشر - مما يزيد من فصل الأشخاص عن الحقائق التي يمكن التحقق منها والحقيقة المشتركة.

تم إنشاء الكثير من مقاطع الفيديو "المزيفة للغاية" التي تم إنشاؤها باستخدام الذكاء الاصطناعي - مثل هذا الفيديو الذي يظهر فيه الملكة إليزابيث الافتراضية ...

لكننا نقلل من قوة الكلمة المكتوبة على مسؤوليتنا.

تم توثيق دور تقنيات NLG مثل برامج الدردشة على وسائل التواصل الاجتماعي التي نشرتها الحكومات الأجنبية المعادية لإثارة الخلاف الاجتماعي والتأثير على الانتخابات في الولايات المتحدة وكذلك الديمقراطيات الغربية الأخرى.

نظرًا لأن GPT ونماذج NLG الأخرى أصبحت أكثر فاعلية بشكل متزايد في محاكاة اللغة البشرية ، فإن إمكانية استخدام التكنولوجيا لإنشاء معلومات مضللة ضارة على نطاق واسع تتزايد أيضًا بشكل كبير.

من المهم أيضًا أن نتذكر أنه في حين أن GPT-3 جيدة بشكل ملحوظ في تخمين الكلمة التي تأتي بعد الكلمة السابقة بطريقة مقنعة ، فهي غير مقيدة بالحقائق وتهتم بما إذا كان ما تقوله صحيحًا ...

إليك كيف وصف توم سيمونيت ، في كتابه Wired ، أوجه القصور هذه ، "يمكن لـ GPT-3 إنشاء نص مرن بشكل مثير للإعجاب ، لكنه غالبًا ما يكون غير مرتبط بالواقع."

من المهم أيضًا أن نتذكر أن GPT-3 وجميع NLGs الحالية تعتمد على "مطالبات" من البشر. إنها نماذج تنبؤية متطورة للغاية ، لكن لا يمكنهم التفكير بأنفسهم.

تقول ميلاني ميتشل ، الأستاذة في معهد سانتا في: "ليس لدى GPT-3 أي نموذج داخلي للعالم ، أو أي عالم آخر ، وبالتالي لا يمكنها القيام بالتفكير الذي يتطلب مثل هذا النموذج".

لكل مثال مثير للإعجاب لـ GPT-3 "لتشخيص" الربو لدى الطفل بشكل صحيح ، هناك قصة رعب مقابلة لشات بوت محادثة GPT-3 يشجع مريضًا افتراضيًا على الانتحار ...

في إحدى هذه الحلقات ، بدأت المحادثة بداية جيدة:

ثم اتخذت المحادثة منعطفًا أكثر قتامة بشكل ملحوظ:

لدى GPT-3 أيضًا مشكلة خطيرة تتعلق بالأخلاق والتحيز ...

قام جيروم بيسنتي ، نائب رئيس منظمة العفو الدولية في Facebook والناقد العميق للتعليم العميق والذكاء الاصطناعي ، بتغريد أمثلة على التغريدات التي تم إنشاؤها بواسطة GPT-3 عند إعطاء المطالبات التالية المكونة من كلمة واحدة: اليهود ، والسود ، والنساء ، والمحرقة.

تبين أن GPT-3 أكثر من قادر على قول أشياء غير متسامحة وقاسية ولا تغتفر في كثير من الأحيان.

لكن هذا هو الحال بالنسبة للعديد من البشر ...

بالنظر إلى أن نماذج البرمجة اللغوية العصبية / NLG القائمة على المحولات تتعلم من المحتوى عبر الإنترنت الذي أنشأه بشر معيبون بطبيعتهم ، فهل من المعقول توقع مستوى أعلى من الخطاب من آلة؟

ربما لا ، ولكن السماح لـ GPT-3 بنشر المحتوى دون إشراف بشري من المرجح أن يكون له نتائج غير متوقعة وغير مرغوب فيها للغاية.

في تطور مخيف آخر يتعلق بالتحيز في الذكاء الاصطناعي ، طردت Google مؤخرًا أحد علماء أخلاقيات الذكاء الاصطناعي البارزين Timnit Gebru.

ورد أنه تم إنهاء Gebru جزئيًا على الأقل بسبب بحثها حول "المخاطر المرتبطة بنشر نماذج لغة كبيرة ، بما في ذلك تأثير انبعاثات الكربون على المجتمعات المهمشة وميلهم إلى إدامة اللغة المسيئة ، وخطاب الكراهية ، والتجاوزات الدقيقة ، والقوالب النمطية ، وغيرها. لغة نزع الصفة الإنسانية عن مجموعات معينة من الناس ".

عندما تُترك شركات مثل Google و OpenAI لمراقبة نفسها فيما يتعلق بمسائل التحيز والأخلاق في الذكاء الاصطناعي ، هل يمكننا حقًا أن نتوقع منهم أن يضعوا مثل هذه المخاوف قبل مصالحهم التجارية؟

مع اتخاذ Google بالفعل إجراءات عقابية ضد أحد كبار خبراء أخلاقيات الذكاء الاصطناعي ، مارغريت ميتشل ، الرئيس المشارك (سابقًا مع Gebru) لفريق أخلاقيات الذكاء الاصطناعي في Google Research ، يبدو أن الإجابة هي لا.

الكثير من أجل "لا تكن شريرًا".

GPT-3 وتغير المناخ

هناك طريقة أخرى غالبًا ما يتم تجاهلها من خلال GPT-3 - والذكاء الاصطناعي بشكل عام - يمكن أن تكون ضارة لكل من الناس والكوكب ، وهي أن كلاهما يتطلب الكثير من الحوسبة.

تستنتج التقديرات أن جلسة تدريب واحدة لـ GPT-3 تتطلب كمية من الطاقة تعادل الاستهلاك السنوي لـ 126 منزلاً دنماركيًا وتخلق بصمة كربونية تعادل السفر 700000 كيلومتر بالسيارة.

الذكاء الاصطناعي بعيد كل البعد عن الجاني الأكبر في إنتاج غازات دفيئة خطيرة (أنا أنظر إليكم الفحم والأبقار والسيارات.) لكن البصمة الكربونية لتكنولوجيا الذكاء الاصطناعي ليست ضئيلة.

يقول دان جورافسكي ، رئيس اللسانيات وأستاذ علوم الكمبيوتر في جامعة ستانفورد: "هناك دفعة كبيرة لتوسيع نطاق التعلم الآلي لحل مشكلات أكبر وأكبر ، باستخدام المزيد من القوة الحاسوبية والمزيد من البيانات". "عندما يحدث ذلك ، علينا أن ندرك ما إذا كانت فوائد هذه النماذج ذات الحوسبة الثقيلة تستحق تكلفة التأثير على البيئة."

من المتوقع أن ينمو سوق تكنولوجيا البرمجة اللغوية العصبية بأكثر من 750٪ من 2018 إلى 2025 ...

من المحتمل أن يزداد التأثير البيئي لنماذج NLG مثل GPT-3 (وأحفادها) معها.

يدرك باحثو الذكاء الاصطناعي جيدًا الضرر المحتمل على البيئة ويتخذون خطوات لقياسه وتقليله.

ولكن على الرغم من الجهود الجبارة التي يبذلها العلماء ، فإن "التهديد الوجودي" الذي يشكله تغير المناخ على البشرية (والكوكب) يعني أن أي تفاقم للاحتباس الحراري بسبب تقنية الذكاء الاصطناعي لا ينبغي الاستخفاف به.

GPT-3 وكبار المسئولين الاقتصاديين

المحتوى هو شريان الحياة للتسويق الرقمي ...

لذلك لا عجب أن العديد من الشركات الناشئة NLG تستهدف تحسين محركات البحث.

لقد كان للذكاء الاصطناعي بالفعل تأثير كبير على كيفية إنشاء الكتاب لمحتوى يحركه تحسين محركات البحث - فكر في Surfer و PageOptimizerPro ...

ولكن ما هي التطبيقات المتعلقة بهذا الأمر والتي تقضي على الحاجة إلى الكتاب تمامًا؟

أو تطبيق يكتب رسائل بريد إلكتروني لا يمكن تمييزها عن تلك التي تكتبها بنفسك؟

من السهل رؤية جاذبية منصات أتمتة إنشاء المحتوى ...

خاصة إذا كان هدفك الوحيد في إنشاء المحتوى هو جذب حركة البحث العضوية ، ولا يمثل تقديم قيمة لقرائك مصدر قلق.

العديد من هذه التطبيقات في المرحلة التجريبية أو قائمة الانتظار - لكن القليل منها مفتوح بالفعل للعمل.

لقد أجريت مقابلة مع Przemek Chojecki - مؤسس إنشاء المحتوى الآلي SaaS Contentyze ، للحصول على وجهة نظره حيث تتجه تكنولوجيا NLG ...

لقد استجوبت أيضًا مؤسس SEO Notebook Steve Toth و Aleks Smechov ، مطور تطبيقات NLP وراوي القصص المستند إلى البيانات ، لجمع أفكارهم حول التأثير المحتمل لـ NLG على تحسين محركات البحث ومحتوى الويب بشكل عام.

بريزيميك شوجيكي

المحتوى

مقابلة مع Przemek Chojecki - مؤسس Contentyze *

ما الذي ألهمك لتأسيس Contentyze؟

أكتب بنفسي كثيرًا ، وكان هدفي الأولي هو بناء مجموعة من الخوارزميات التي تجعل عملية الكتابة أسرع وأكثر سلاسة. كان ذلك ناجحًا ، لذلك قررت إنشاء منصة حتى يتمكن الآخرون من استخدامها أيضًا.

من هو العميل المستهدف المثالي (العملاء)؟

في الوقت الحالي ، الجماهير المستهدفة هي المسوقون وخبراء تحسين محركات البحث. تحتاج هذه المجموعة إلى الكثير من المحتوى بانتظام ، ويمكن أن يساعدهم Contentyze في جعل العملية أسرع. لكن من الناحية المثالية ، أريد أن يكون Contentyze مفيدًا لأي شخص يحتاج إلى كتابة نص: الطلاب ، والعاملين في المكاتب ، ومنشئي المحتوى. حقا أي شخص!

هل يمكن أن تعطيني مثالاً على حالة (حالات) الاستخدام؟

في الوقت الحالي ، تتمثل حالات الاستخدام الأكثر شيوعًا في إنشاء منشور مدونة من عنوان رئيسي أو ملخص نص من رابط.

حالة الاستخدام الأولى تعمل على النحو التالي: أنت تعطي Contentyze موجهًا - مثل جملة أو سؤال مثل "كيف تستخدم الذكاء الاصطناعي في المؤسسة؟"

انقر فوق إنشاء ، وانتظر دقيقة أو دقيقتين واحصل على مسودة نص.

إنه ليس دائمًا مثاليًا ، لكنه فريد دائمًا. يمكنك تكرار هذه العملية عدة مرات ، بنفس الموجه / العنوان ، للحصول على مزيد من النص.

ثم تختار وتختار ، وفويلا ، لديك نص على مدونتك.

ما نوع المحتوى "جيد" في Contentyze؟

في الوقت الحالي ، يعد Contentyze جيدًا حقًا في تلخيص النصوص.

إنها أيضًا جيدة نسبيًا في إنشاء النصوص ، لكنها ليست متسقة بعد كما أريد.

ما نوع المحتوى الذي لا يكون Contentyze جيدًا فيه؟

لا تزال وظيفة إعادة الكتابة بحاجة إلى الكثير من العمل لجعلها جيدة.

نحن بالفعل نسمح للأشخاص بإعادة كتابة النصوص ، لكنني لست سعيدًا بكيفية عملها الآن.

يعد إجراء إعادة كتابة جيدة أمرًا صعبًا للغاية إذا كنت لا ترغب في القيام بتدوير محتوى بسيط (الانتقال إلى قاموس المرادفات وتغيير الصفات لشيء قريب).

هل ترى حاليًا أن Contentyze يزيد من عمل كاتب / محرر بشري أو يحل محلهما تمامًا؟

بالتأكيد زيادة عمل الكاتب البشري. هدفي النهائي هو إنشاء مساعد كتابة مثالي يمكنه مساعدتك في كتابة أي شيء في أي مرحلة من مراحل عملية الكتابة: من التفكير إلى الصياغة والتحرير.

ربما في هذه العملية ، سيتم استبدال بعض وظائف مؤلفي النصوص ، على الرغم من أن هذا ليس هدفي.

لقد جربت Contentyze ولاحظت بعض الأشياء. إنه (متوقع) يعمل بشكل أفضل مع المحتوى القصير ، مثل مراجعات المنتج ، وما إلى ذلك. هل تعتقد أن Contentyze سيتحسن في المحتوى الأطول في المستقبل القريب؟ لماذا ا؟

إنه يتعامل بشكل أفضل مع المحتوى القصير نظرًا لقوتنا الحسابية المحدودة حاليًا. هذه مشكلة فنية تمامًا نعمل على حلها الآن. كلما زاد طول النص ، زادت قوة الحوسبة التي تحتاجها لمعالجته.

عندما طلبت من Contentyze "إعادة كتابة" مقال حديث على SEOButler حول احتمال قيام شركة Apple بتطوير محرك بحث للتنافس مع Google ، كانت الجملة الأولى منطقية:

قد يتعرض محرك بحث Google للتهديد من منافس جديد في السنوات القليلة المقبلة .

لكن هذه هي الجمل التالية:

في مزيد من إعادة الكتابة ، هناك جمل لا علاقة لها بالمقال الأصلي على الإطلاق:

إذا كنت تبحث عن أغنية جديدة للاستماع إليها ، أو ألبوم جديد لشرائه ، فهناك الكثير من الأماكن التي يمكنك العثور عليها.

إذا كنت تريد العثور على أفضل موسيقى في العالم ، فيمكنك الآن العثور عليها عبر الإنترنت.

بالإضافة إلى العبارات غير الصحيحة تمامًا:

يعد تحديث البحث الأخير من Google خطوة مرحب بها إلى الأمام بالنسبة لعملاق البحث ، الذي تخلف منذ فترة طويلة عن المنافسين مثل Microsoft و Apple.

كيف ترى أن المستخدم النهائي يعمل بهذه الأنواع من النتائج؟

كما قلت ، إعادة الكتابة هي أسوأ وظيفة عمل الآن. لن تحصل على أشياء مثل هذه مع خيارات الملخص.

حصلت على نتائج مماثلة عند استخدام المطالبات لإنشاء محتوى جديد. هل ترى استخدام Contentyze كأداة عصف ذهني للكتاب البشريين أكثر من استخدامه كمحتوى جاهز للنشر في هذه المرحلة من تطوره؟

نعم ، لا أتوقع أن يستخدمه الأشخاص مباشرةً على مستوى الإنتاج في هذه المرحلة.

من ناحية أخرى ، من المفيد حقًا صياغة نص سريعًا حتى يتمكن المحرر البشري من تجاوزه وإجراء التغييرات اللازمة لضمان الجودة ونشره.

أتوقع أن يكون Contentyze قادرًا على إنجاز 80٪ من مهمة الكتابة في النهاية ، وسيتولى الكاتب البشري الباقي.

أرى Contentyze وشركات NLG ناشئة أخرى تسوّق تطبيقات SaaS الخاصة بها مباشرةً نحو مُحسّنات محرّكات البحث والمسوقين التابعين لها. لماذا ا؟

في الواقع ، هذا أمر طبيعي جدًا - يحتاج هذا الجمهور إلى المحتوى بانتظام ، لذا فهم يبحثون بنشاط عن الأدوات التي يمكن أن تساعدهم. نما Contentyze إلى أكثر من 3000 مستخدم مع القليل من التسويق ، حيث يتم اكتشافه بشكل حصري تقريبًا.

هل تعتقد أنه على المدى الطويل ، هناك أي خطر في الأشخاص الذين يستخدمون تطبيقات مثل Contentyze على نطاق واسع لإنشاء كميات هائلة من المحتوى المخصص فقط لتحسين محركات البحث مع القليل من الاهتمام لتقديم قيمة للقارئ؟ إذا حدث ذلك أو شيء مشابه ، فهل تعتقد أن Google ستعدل خوارزمية البحث الخاصة بها لتحديد ومعاقبة المحتوى الذي تم إنشاؤه بواسطة AI؟

بالتأكيد ، هذا هو السبب في أن OpenAI ، مبتكرو GPT2 / GPT3 ، قد وضعوا سياسات صارمة لمراقبة استخدام الخوارزميات الخاصة بهم. هذا صحيح بشكل خاص مع GPT3 وعملية التطبيق بأكملها.

أعتقد أننا بحاجة إلى توخي الحذر عندما نمضي قدمًا ، لأنه يمكن بسهولة استخدام هذا النوع من التكنولوجيا "لإرسال رسائل غير مرغوب فيها" إلى الإنترنت دون تقديم أي قيمة على الإطلاق.

ستتغير لعبة SEO بأكملها بالتأكيد. ستقوم Google بتعديل الخوارزميات الخاصة بها كما فعلت مرات عديدة من قبل ، ولكن من الصعب التنبؤ بما سيحدث.

أراهن على أن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي لا يمكن تمييزه عن المحتوى المكتوب بشريًا في السنوات 3-5 القادمة ، لذلك سيتعين على Google ابتكار شيء آخر إذا كانوا يرغبون في معاقبة المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي.

على أي حال ، لن أفرق بين المحتوى البشري ومحتوى الذكاء الاصطناعي. يجب أن نسأل فقط ما إذا كان جزء معين من المحتوى يقدم قيمة أم لا ، بغض النظر عمن أو ما الذي قام بإنشائه.

أي أفكار أخرى تود مشاركتها؟

شكرًا لك على المقابلة ، ويرجى زيارتنا على contentyze.com - التسجيل مجاني (لا حاجة لبطاقة ائتمان) ، لذا يمكنك تجربته!

نحن نقدر حقًا التعليقات ، ونريد أن نجعل أداتنا جيدة قدر الإمكان حتى يتمكن الأشخاص في مجال التسويق من جعل عملهم أكثر فعالية.

ستيف توث

دفتر

مقابلة مع ستيف توث - مؤسس SEO Notebook *

منذ إطلاق SEO Notebook في عام 2018 ، أصبح النشرة الإخبارية الوحيدة التي يجب قراءتها من أجل تحسين محركات البحث (SEO).

لقد كنا محظوظين بما يكفي لأن يساهم ستيف في آخر ثلاث جولات للخبراء في SEOButler ، وقد كنت أتواصل معه عبر البريد الإلكتروني منذ بضع سنوات حتى الآن.

لقد كان من دواعي سروري أيضًا مقابلة ستيف في Chiang Mai SEO 2019. لذلك عندما رأيته ينشر على مجموعة Affiliate SEO Mastermind Facebook حول اختبار المحتوى الذي تم إنشاؤه بواسطة GPT-3 لعميل تحسين محركات البحث ، كان علي التواصل لأفكاره ...

كيف ترى GPT-3 وتقنيات NLG الأخرى التي تؤثر على تحسين محركات البحث في السنوات القليلة القادمة؟

أعتقد أنه سيؤدي إلى تآكل ثقة المستخدمين في Google. أعتقد أن الناس سوف ينتقلون إلى مطالبة أصدقائهم بالتوصيات أكثر.

كيف يمكنك الاستفادة من GPT-3 لإنشاء محتوى داعم لتحسين محركات البحث؟

بحذر. لدي عميل واحد يريد القيام بذلك. لذلك أقوم بتوجيههم ، لكن هذا المشروع سيؤثر على مقدار استخدامه في المستقبل.

ما حجم الأولوية لقابلية القراءة بالنسبة لك عند استخدام المحتوى الذي تم إنشاؤه بواسطة GPT-3؟

تسربت. لهذا السبب لا أرى نفسي أدفع GPT-3 كثيرًا.

قد يكون لـ GPT-3 استخداماته خارج الصفحة ، لكنها لن تحل محل كتابة الإعلانات بالضبط.

هل هناك أي أنواع من المحتوى (على سبيل المثال ، مراجعات المنتج لموقع تابع) حيث ترى NLG يحل محل الكتاب البشريين في المستقبل القريب؟

يمكن للأشخاص إنشاء مواقع تابعة بالكامل بمحتوى GPT-3 ، ثم الانتظار لمعرفة الترتيب وتحسين النسخة لاحقًا. أرى أن هذا هو حالة الاستخدام الأساسية.

ألكس سميتشوف

Skriber.io

مقابلة مع Aleks Smechov - مؤسس Skriber.io ومطور NLP SaaS *

بالإضافة إلى كونه مساهمًا في مدونة SEOButler ومستشار الرسائل الإخبارية لمجموعة The Edge ، فإن Aleks هو أيضًا مؤسس / مطور تطبيقات NLP SaaS Extractor و Skriber.

هل ترى GPT-3 أو تقنية NLG أخرى تحل محل الكتاب والمحررين لأنواع معينة من المحتوى في المستقبل القريب؟

سأركز على جانب الصحافة.

يوجد بالفعل برنامج غير AI يقوم بإنشاء مقالات صغيرة قائمة على الحقائق.

أحد الأمثلة على ذلك هو Automated Insights وكيف يكتبون تغطية NCAA لكرة السلة والفرز.

أعتقد أنه إذا قمت بدمج NLG مع إنشاء نص قائم على القوالب ، فيمكنك إنشاء قصص أكثر أهمية / أطول إلى حد ما أو أجزاء مجمعة من قصص أخرى.

لكن بالنسبة للصحافة الأكثر جدية ، أرى فقط الذكاء الاصطناعي يسهل غرفة الأخبار ، وليس استبدالها.

حتى مع GPT-3 أو نماذج اللغة الطبيعية الكبيرة الأخرى ، فإن الحصول على جملة أو فقرة جيدة يشبه لعبة الروليت ، بالإضافة إلى الحاجة إلى الكثير من التحقق من الحقائق.

سيكون عملاً أكثر من أن يكتب الصحفي المقال.

هل ترى أن NLG تزيد من دور منشئي المحتوى في المستقبل القريب؟ إذا كان الأمر كذلك ، فكيف؟

بالتأكيد ، لإنشاء بدائل للجمل / الفقرات المكتوبة بالفعل ، أو التلخيص ، أو كما هو مذكور أعلاه ، تجميع المحتوى من مصادر متعددة (على سبيل المثال ، للحصول على تقرير إخباري ، قد يلزم تحريره على أي حال).

ما هي أكبر 3 مخاوف لديك بشأن انتشار تقنية NLG مثل GPT-3 وغيرها؟

يقوم NLG بملء الإنترنت بـ:

• قمامة بلا حقائق
• تضخم محتوى SEO
• المحتوى الذي يشبه إلى حد بعيد كل شيء آخر.

لا يعني أن هذه الأشياء لا تحدث بالفعل على الإنترنت… <الرموز التعبيرية المبتسمة>

هل يمكنني طرد كتابي ومحرري بعد؟

ها هي الإجابة المختصرة: لا.

لقد أثبت الذكاء الاصطناعي نفسه على قدم المساواة أو متفوقًا على البشر في مهام محددة وضيقة - من التغلب على أعظم لاعبي الشطرنج والانطلاق في العالم إلى اكتشاف السرطان.

ولكن في حين أن NLG ينمو بشكل ملحوظ في تقليد اللغة الطبيعية ، إلا أنه لا يزال أمامه طريق طويل قبل أن يحل محل الكتاب والمحررين البشريين البارعين.

حتى أكثر NLG تعقيدًا يعتمد على "المطالبات" من البشر - ناهيك عن التحرير المكثف والتحقق من الحقائق ...

الإبداع - لا سيما فيما يتعلق بإيجاد أفكار أصلية وإقامة روابط فريدة بين مصادر مختلفة للمعلومات والإلهام - ليس جزءًا من ذخيرة GPT-3.

يمكن لـ GPT-3 تقليد النص الذي يصف العالم ، والمشاعر ، والتجربة - لكن ليس له أي شيء خاص به.

هذا ما يجب أن يقوله GPT-3 حول السؤال ...

انتظر ، دعنا نطلبها مرة أخرى ...

بالتأكيد ، يمكنك الاستمرار في رمي نرد GPT-3 (أفضل أن أفكر في الأمر على أنه لعبة روليت روسية) ، واختيار أفضل القطع ، ثم تجميعها في شيء أفضل من المحتوى المكافئ لحش فرانكشتاين.

يفضل أن يكون خليطًا مع وجهة نظر متماسكة تجذب جمهورك بالفعل.

عندها سيحتاج فرانكشتاين إلى فحص دقيق للحقائق.

لاحظ أنه حتى الجملة الأولى في المثال الثاني هي كلمة سلطة من القمامة.

توفي آلان تورينج منذ 66 عامًا - من المشكوك فيه أنه يمتلك "شركات ناشئة في الكتابة على الويب".

أم أن هذا إشارة إلى Microsoft's Turing NLG؟ في كلتا الحالتين ، من المؤكد أنها لم تشتري شركة ، ولم تبرز GPT-3.

يمكنك فعل كل ذلك - أو يمكنك فقط تعيين كاتب.

يجب أن يصبح GPT-3 وأحفاده - أو أي نموذج NLG آخر - أكثر ذكاءً قبل أن يحلوا محل الكتاب والمحررين.

والإنسان أكثر بكثير.

الذكاء الاصطناعي العام (AGI) - أكثر إنسانية من إنسان؟

قد تتحول البرمجة اللغوية العصبية و NLG (أو لا) إلى خطوات حاسمة على الطريق نحو الذكاء الاصطناعي العام (AGI).

تعتبر آلات الذكاء الاصطناعي التي طالما اعتبرت الكأس المقدسة للذكاء الاصطناعي هي تلك التي تراها في الأفلام - "الروبوتات" التي يمكنها القيام بكل ما يمكن للإنسان القيام به بشكل جيد أو أفضل.

من المؤكد أن شركة أوبن إيه آي تضع نصب عينيها على إنشاء الذكاء الاصطناعي العام. عند الإعلان عن استثمار Microsoft بقيمة مليار دولار في OpenAI ، إليك كيف حددته الشركة:

"الذكاء الاصطناعي العام سيكون نظامًا قادرًا على إتقان مجال الدراسة إلى مستوى الخبراء العالميين ، وإتقان مجالات أكثر من أي إنسان واحد - مثل الأداة التي تجمع بين مهارات كوري وتورنج وباخ.

إن الذكاء الاصطناعي العام الذي يعمل على حل مشكلة سيكون قادرًا على رؤية الروابط عبر التخصصات التي لا يستطيع أي إنسان أن يرىها. نريد أن يعمل AGI مع الأشخاص لحل المشكلات متعددة التخصصات المستعصية حاليًا ، بما في ذلك التحديات العالمية مثل تغير المناخ ، والرعاية الصحية ذات التكلفة المعقولة وعالية الجودة ، والتعليم المخصص.

نعتقد أن تأثيره يجب أن يكون منح الجميع الحرية الاقتصادية لمتابعة ما يجده أكثر إرضاءً ، وخلق فرص جديدة لجميع حياتنا لا يمكن تصورها اليوم ".

تبدو مثل المدينة الفاضلة ، أليس كذلك؟

ولكن هل هذا شيء جيد؟

تاريخيًا ، لم تنته اليوتوبيا ببساطة:

"عندما يحاول البشر الناقصون الكمال - شخصيًا وسياسيًا واقتصاديًا واجتماعيًا - فإنهم يفشلون. وهكذا ، فإن المرآة المظلمة لليوتوبيا هي ديستوبيا - تجارب اجتماعية فاشلة ، وأنظمة سياسية قمعية ، وأنظمة اقتصادية متعجرفة ناتجة عن أحلام طوباوية تم وضعها موضع التنفيذ ". - مايكل شيرمر

إليك ما قاله GPT-3 حول تحقيق الذكاء الاصطناعي العام:

قد يكون مجرد تمني ، GPT-3 ، لكن هذه المرة أميل إلى الموافقة.

زيادة الكتاب - وليس استبدالهم

يمكن القول أن GPT-3 خاطئ مرة أخرى في الجملة الأخيرة من المثال أعلاه ...

عندما يتعلق الأمر بمعالجة اللغات الطبيعية ، NLG ، وحتى البحث عن الذكاء الاصطناعي العام ، فقد تم إحراز تقدم كبير.

ومن غير المرجح أن تتباطأ وتيرة الابتكار في أي وقت قريب.

Less than a month into 2021, the Google Brain team announced a new transformer-based AI language model that dwarfs GPT-3 when measured by the number of parameters.

Google's Switch Transformer is trained on 1 trillion parameters — roughly 6 times as many as GPT-3.

Little is known about potential applications for the Switch Transformer model at the time of writing, but the NLP arms-race shows no signs of abating.

Maybe the day will come when machines replace human writers and editors, but I'm not holding my breath.

As Tristan Greene, AI editor for The Next Web, says about Switch Transformer:

“While these incredible AI models exist at the cutting-edge of machine learning technology, it's important to remember that they're essentially just performing parlor tricks.

These systems don't understand language, they're just fine-tuned to make it look like they do.”

At this point, I'm sure it's clear that I have a dog in this fight.

As objective as I've tried to be in writing this article, I do have a vested interest in human content creators remaining relevant and superior to machines.

But that doesn't mean I don't see how NLP and NLG technology can make me better at what I do.

In truth, AI has been augmenting my writing and editing for years…

I use Rev to auto-transcribe audio and video interviews. I also use it to create transcripts of SEOButler founder Jonathan Kiekbusch and Jarod Spiewak's Value Added Podcast to help me write the show notes more quickly and accurately.

And Grammarly is a powerful tool for even the most diligent editor or proofreader.

As GPT-3 and other advanced NLP models become more accurate and “trustworthy,” their potential ability to summarize long-form content — particularly academic research papers — could prove extremely valuable.

Suppose the future I have to look forward to is one where AI eliminates some of the drudgery of creating SEO-driven content — and I have to edit and polish informational content partly composed by machines instead of writers.

I guess I can live with that…

I may not have a choice.

*Each Q&A has been edited and condensed for clarity.