Robot Yazarınız Sizi Bekliyor… GPT-3 İçerik Oluşturucunun Ölümü mü?

Geçimini sağlamak için içerik oluşturmaya dayanan bir yazar/editör olarak yapay zeka konusunda derinden kararsızım…

Bir yandan, onsuz bir hayat düşünemiyorum.

Son dört yıldır, sadece bir avuç kelime ve ifadeyi konuştuğum veya anlayabildiğim bir ülkede - Vietnam - yaşadım (biliyorum, biliyorum, acınası bir durum).

Benim de kötü bir yön duygum var…

Saygon'un (hẻms) sonsuz sokak ve ara sokaklarında dolaşmak muazzam bir neşe kaynağıdır…

Aklınızda gerçek bir varış noktası yoksa veya bir toplantıya geç kalmadıkça…

Ya da yağmur mevsimi.

Google Haritalar ve Google Çeviri olmadan burada yaşamak benim için bir seçenek olmazdı…

Bu yüzden, AI'nın zaten sunduğu şeyler için inanılmaz derecede minnettarım.

Ama giderek daha fazla, şu anki hayatımı mümkün kılan aynı teknoloji, phở'yi masaya koyma yeteneğime varoluşsal bir tehdit olarak ortaya çıkıyor gibi görünüyor.

Yapay zekadan biraz korkan tek kelime ustası değilim…

The New York Times teknoloji köşe yazarı Farhad Manjoo'nun kısa süre önce dediği gibi, "Bundan çok kısa bir süre sonra, mütevazı muhabiriniz bir makine tarafından meraya çıkarılabilir."

GPT-3 gibi yapay zeka destekli teknolojiler tarafından modası geçmiş hale getirilme ihtimaliyle dolaba sinmiş her içerik oluşturucu için, en az bir işletme sahibi veya bağlı kuruluş pazarlamacısı, olası bir beklentiyle titremektedir…

Sonuçta, kim fazlasıyla insan olan yazarlar ve editörlerle uğraşmak (ve ödeme yapmak) ister?

Peki, içeriğinizi yazan ve düzenleyen bilgisayarların rüyası/kabusu gerçeğe dönüşmeye ne kadar yakın?

Hadi bulalım…

İÇİNDEKİLER
OpenAI ve GPT-3 nedir?
GPT-3 Nasıl Çalışır?
GPT-3 ve NLG Tehlikeli mi?
GPT-3 ve İklim Değişikliği
GPT-3 ve SEO
Contentyze'nin Kurucusu Przemek Chojecki ile Röportaj
SEO Not Defterinin Kurucusu Steve Toth ile Röportaj
Skriber.io'nun Kurucusu Aleks Smechov ile Röportaj
Yazarlarımı ve Editörlerimi Henüz Kovulabilir miyim?
Yapay Genel Zeka (YGG) — İnsandan Çok İnsan mı?
Yazarları Artırmak — Onları Değiştirmemek

OpenAI ve GPT-3 nedir?

OpenAI, 2015 yılında Y Combinator'ın eski başkanı ve şu anki OpenAI CEO'su Elon Musk ve Sam Altman gibi teknoloji süper yıldızları tarafından kuruldu.

2018'de OpenAI, Generative Pre-trained Transformer - kısaca GPT olarak adlandırdıkları bir dil modeliyle ilgili ilk makalesini yayınladı.

En basit ifadeyle, GPT insanlar tarafından yazılan çok büyük miktarda metni işler, ardından insanlar tarafından yazılan metinlerden ayırt edilemeyen metinler üretmeye çalışır - hepsi de minimum insan müdahalesi veya denetimi ile.

The Edge Group'tan NLP SaaS geliştiricisi ve yazarı Aleks Smechov ile röportaj yaptığımda, biraz alaycı bir şekilde GPT'den "Steroidler üzerinde otomatik tamamlama" olarak bahsetti.

Bu açıkça indirgeyici, ancak temel bir şekilde doğru…

GPT (ve diğer AI güdümlü NLG modelleri), insanların doğal olarak nasıl yazdıklarından veya konuştuklarından ayırt edilemeyecek şekilde, hangi kelimenin önceki kelimeyi takip ettiğini tahmin etmeye çalışır.

GPT ile inovasyonun hızı nefes kesici olmaktan başka bir şey değil…

Şubat 2019'da OpenAI, GPT-2'nin sınırlı bir sürümünü halka yayınladı…

Kasım 2019'da tam GPT-2 NLG modeli açık kaynak haline getirildi.

GPT-2 oldukça ses getirdi…

OpenAI, başlangıçta tam modeli halka yayınlamayı, potansiyel olarak çok tehlikeli olduğu için erteledi - yalnızca “güçlü bir kötüye kullanım kanıtı görmediklerini” beyan ettikten sonra açık kaynak haline getirdi.

Bu, Google ve Facebook gibi, hissedarlarına ait şirketlerin, neredeyse hiçbir kamu gözetimi olmaksızın, yaşam biçimimizi önemli ölçüde değiştirebilecek teknolojiler hakkında yargı kararları vermelerinin bir başka örneğidir.

NLG modelleri, en azından kısmen mühendislerin onlara verdiği parametre sayısına bağlı olarak "daha akıllı" - veya en azından insanların konuşma ve yazma şeklini taklit etmede daha iyi - oluyor.

Veri seti ne kadar büyük ve parametre ne kadar fazla olursa model o kadar doğru olur.

GPT-2, 8,5 milyon web sayfasından oluşan bir veri kümesi üzerinde eğitildi ve 1,5 milyar parametreye sahipti…

Microsoft, Turing Natural Language Generation'ı (T-NLG) 2020'nin başlarında piyasaya sürdü.

Adını ünlü bilim adamı Alan Turing'den alan T-NLG'nin trafo tabanlı modeli 17,5 milyar parametre kullanıyor - 10x GPT-2'den fazla.

OpenAI, doğal dil işleme (NLP) ve doğal dil oluşturma (NLG) API'sinin en son yinelemesini - GPT-3'ü Haziran 2020'de yayınladı.

Şimdiye kadar halka açıklanan en güçlü ve gelişmiş NLG teknolojisi - 175 milyar parametre (altı aydan daha kısa bir süre önce piyasaya sürülen T-NLG'nin 10 katı) üzerinde eğitildi - GPT-3 büyük bir hayranlıkla karşılandı…

Açıkçası, tüm gürültü sağır edici hissetmeye başlıyor.

Twitter'a güvenilecekse, yakında işsiz kalabilecek olanlar yalnızca içerik oluşturucular değil…

İster doktor olun, ister avukat olun, ister yaşam için kod yazar olun - GPT-3 sizin için geliyor.

Kazançlı şiir endüstrisinin bile tehlikede olabileceği ortaya çıktı…

Peki ya diğer yaratıcı çabalar?

Spotify çalma listelerinizden bıktınız mı?

OpenAI Jukebox sizi korudu.

İşte David Bowie tarzında yapay zeka tarafından üretilen küçük bir oyun:

Bowie senin çantan değil mi?

Jukebox, 2Pac sanatçılarının tarzında, halka açık neredeyse 10 bin AI tarafından oluşturulmuş "şarkılar" ile sizi kapsıyor:

Z-Ro'ya…

AI'nın yaratıcı potansiyelini gösterme arayışında hemen hemen hiçbir taş bırakmayan OpenAI, DALL·E'yi de geliştirdi. DALL·E, basit metin istemlerinden olağanüstü görüntüler oluşturur.

Avokado ile çaprazlanmış bir sandalyenin nasıl görüneceğini hiç merak ettiniz mi?

Bırak DALL·E seni ıstırabından kurtarsın.

EAT oluşturmak için bağlı kuruluş web sitenizin Hakkımızda sayfası için bir "Yazar Biyografisi" fotoğraflarına mı ihtiyacınız var?

Tahmin edin yukarıdaki resimdeki her bir headshot'ın ortak noktası ne? Bu Kişi Yoktur.

Açıktır ki, OpenAI'nin teknolojisi zaten kesintiye uğrayan sadece içerik oluşturma değil, aynı zamanda nasıl çalışıyor?

GPT-3 Nasıl Çalışır?

Doğal dil üretimi (NLG), uzun zamandır AI ve Doğal Dil İşleme'nin (NLP) nihai hedeflerinden biri olmuştur.

1966'da, terapist kılığına giren ilkel bir sohbet robotu olan Eliza'nın icadıyla birlikte, makineler insanları insanlarla anlamlı konuşmalar yapabileceklerine ikna etti.

Çok daha yakın bir zamanda, OpenAI'nin Generative Pre-trained Transformer (GPT) modeli ve Microsoft'un Turing Natural Language Generation (T-NLG) gibi NLG teknolojileri, etkileyici yazılı içerik üretme yetenekleriyle hem uzmanları hem de gazetecileri şok etti.

Çoğu NLG teknolojisi, insan beynini taklit etmeye çalışan makine öğreniminin derin öğrenme dalının önemli bir parçası olan sinir ağları tarafından desteklenmektedir.

Yapay zeka geliştirmenin zorluklarına bir çözüm olarak derin öğrenme, ilk olarak 2011'de Stanford Üniversitesi profesörü ve bilgisayar bilimcisi Andrew Ng'nin Google Brain'i kurmasıyla ilgi çekmeye başladı.

Derin öğrenmenin arkasındaki temel ilke, AI modellerinin öğrendiği veri kümeleri ne kadar büyükse, o kadar güçlü olmalarıdır.

Bilgi işlem gücü ve kullanılabilir veri kümeleri (tüm dünya çapında ağ gibi) büyümeye devam ettikçe, GPT-3 gibi yapay zeka modellerinin yetenekleri ve zekası da artıyor.

Birçok derin öğrenme modeli denetlenir, yani insanlar tarafından etiketlenmiş veya "etiketlenmiş" büyük veri kümeleri üzerinde eğitilirler.

Örneğin, popüler ImageNet veri seti, insanlar tarafından etiketlenmiş ve kategorize edilmiş 14 milyondan fazla görüntüden oluşmaktadır.

On dört milyon görüntü kulağa çok gibi gelebilir, ancak mevcut veri hacmiyle karşılaştırıldığında okyanusta bir damla.

İnsanlar tarafından etiketlenen veriler üzerinde eğitilen denetimli makine öğrenimi modelleriyle ilgili sorun, yeterince ölçeklenebilir olmamasıdır.

Çok fazla insan çabası gerekiyor ve bu, makinenin öğrenme yeteneğini önemli ölçüde engelliyor.

Pek çoğu açık kaynaklı olan bu tür veri kümeleri üzerinde çok sayıda denetimli NLP modeli eğitilir.

Erken NLP modellerinde yaygın olarak kullanılan bir veri seti - veya korpus - Amerikan tarihinin en büyük hissedar dolandırıcılıklarından birinin faili olan Enron'dan gelen e-postalardan oluşur.

GPT-3'ü bu kadar dönüştürücü yapan şeyin büyük bir kısmı, çok büyük miktarda ham veriyi denetimsiz olarak işleyebilmesidir; bu, insanların metin girdisini sınıflandırmasını gerektiren önemli darboğazın büyük ölçüde ortadan kaldırıldığı anlamına gelir.

Open AI'nın GPT modelleri, aşağıdakiler gibi büyük etiketlenmemiş veri kümeleri üzerinde eğitilir:

• BookCorpus, 16 farklı türden 11.038 yayınlanmamış kitaptan ve İngilizce Wikipedia metin pasajlarından 2.500 milyon kelimeden oluşan (artık herkese açık olmayan) bir veri seti

• Reddit'teki yüksek oy alan makalelerden giden bağlantılardan alınan veriler - 8 milyondan fazla belgeden oluşuyor
• Common Crawl — 2008 yılına kadar uzanan petabaytlarca web tarama verisinden oluşan açık bir kaynak. Common Crawl külliyatının neredeyse bir trilyon kelime içerdiği tahmin ediliyor.

Şimdi bu biraz büyük veri…

GPT-3 ve NLG Tehlikeli mi?

Pek çok gözlemcinin hakikat sonrası dönem dediği “alternatif gerçekler” ve “sahte haberler” çağında yaşıyoruz.

Fikirlerin, duyguların ve komplo teorilerinin ortak bir nesnel gerçekliği baltalamakla tehdit ettiği bir ortamda, GPT-3 ve diğer NLG teknolojilerinin nasıl silahlandırılabileceğini hayal etmek kolay…

Kötü aktörler, insanlar tarafından yazılan içerikten büyük ölçüde ayırt edilemeyen büyük miktarlarda dezenformasyonu kolayca oluşturabilir - insanları doğrulanabilir gerçeklerden ve paylaşılan bir gerçeklerden daha fazla koparır.

Yapay zeka kullanılarak yapılan "derin sahte" videolardan çok şey yapıldı - sanal bir Kraliçe Elizabeth'in olduğu bu video gibi…

Ama tehlikede olan yazılı sözün gücünü hafife alıyoruz.

Düşman yabancı hükümetler tarafından sosyal uyumsuzluğu körüklemek ve ABD'de ve diğer batı demokrasilerinde seçimleri etkilemek için kullanılan sosyal medya sohbet robotları gibi NLG teknolojilerinin rolü iyi belgelenmiştir.

GPT ve diğer NLG modelleri insan dilini taklit etmede giderek daha etkili hale geldikçe, teknolojiyi ölçekte kötü niyetli dezenformasyon oluşturmak için kullanma potansiyeli de katlanarak artıyor.

GPT-3'ün bir önceki kelimeden sonra hangi kelimenin geleceğini inandırıcı bir şekilde tahmin etmede oldukça iyi olmasına rağmen, gerçekler tarafından kısıtlanmadığını ve söylediklerinin doğru olup olmadığıyla ilgilendiğini hatırlamak da çok önemlidir…

Wired'de yazan Tom Simonite, bu tür eksiklikleri şöyle açıklıyor: "GPT-3 etkileyici bir şekilde akıcı metinler üretebilir, ancak çoğu zaman gerçeklikten kopmaz."

GPT-3'ün ve mevcut tüm NLG'lerin insanlardan gelen "istemlere" dayandığını hatırlamak da çok önemlidir. Oldukça karmaşık tahmine dayalı modellerdir, ancak kendileri için düşünemezler.

Santa Fe Enstitüsü'nde profesör olan Melanie Mitchell, “GPT-3'ün herhangi bir dahili dünya modeli veya herhangi bir dünyası yoktur ve bu nedenle böyle bir model gerektirecek bir mantık yürütemez” diyor.

Bir çocukta astımı doğru bir şekilde "teşhis eden" GPT-3'ün her etkileyici örneğine karşılık, sanal bir hastayı intihar etmeye teşvik eden bir GPT-3 sohbet robotunun ilgili bir korku hikayesi vardır...

Böyle bir bölümde, konuşma iyi bir başlangıç ​​yaptı:

Sonra konuşma önemli ölçüde daha karanlık bir hal aldı:

GPT-3'ün ayrıca etik ve önyargıyla ilgili ciddi bir sorunu var…

Facebook'ta Yapay Zeka Başkan Yardımcısı ve derin öğrenme ve yapay zekanın düşünceli bir eleştirmeni olan Jerome Pisenti, aşağıdaki tek kelimelik uyarılar verildiğinde oluşturulan GPT-3 tweet örneklerini tweetledi: Yahudiler, Siyahlar, kadınlar ve Holokost.

GPT-3'ün hoşgörüsüz, zalim ve çoğu zaman affedilemez şeyler söyleyebilmekten daha fazlası olduğu ortaya çıktı.

Ama birçok insan da öyle…

Transformatör tabanlı NLP/NLG modellerinin, doğası gereği kusurlu insanlar tarafından yaratılan çevrimiçi içerikten öğrendiği göz önüne alındığında, bir makineden daha yüksek standartta bir söylem beklemek mantıklı mı?

Belki hayır, ancak GPT-3'ün içeriği insan gözetimi olmaksızın yayınlamasına izin verilmesinin, muhtemelen öngörülemeyen ve son derece istenmeyen sonuçlara yol açması muhtemeldir.

AI'daki önyargıyla ilgili bir başka ürpertici gelişmede, Google kısa süre önce önde gelen AI etik uzmanlarından Timnit Gebru'yu görevden aldı.

Gebru'nun, en azından kısmen, "karbon ayak izlerinin marjinal topluluklar üzerindeki etkisi ve küfürlü dil, nefret söylemi, mikro saldırganlıklar, klişeler ve diğerlerini sürdürme eğilimleri de dahil olmak üzere, geniş dil modellerinin kullanılmasıyla ilgili riskler" konusundaki araştırması nedeniyle sonlandırıldığı bildirildi. belirli insan gruplarını hedef alan insanlıktan çıkarıcı bir dil.”

Google ve OpenAI gibi şirketler, yapay zeka yanlılığı ve etik konularında kendilerini denetlemeye bırakıldıklarında, onlardan bu tür endişeleri ticari çıkarlarının önüne koymalarını gerçekten bekleyebilir miyiz?

Google, Google Research'ün AI etik ekibinin ortak lideri (eskiden Gebru ile birlikte) Margaret Mitchell'in en iyi AI etik uzmanlarından birine karşı zaten cezai işlem yapıyorken, cevap hayır gibi görünüyor.

“Kötü olma” için çok fazla.

GPT-3 ve İklim Değişikliği

GPT-3'ün ve genel olarak yapay zekanın, hem insanlara hem de gezegene zarar verebileceği sıklıkla gözden kaçan bir başka yol da, her ikisinin de ***-ton hesaplama gerektirmesidir.

Tahminler, tek bir GPT-3 eğitim oturumunun , 126 Danimarka evinin yıllık tüketimine eşdeğer miktarda enerji gerektirdiği ve arabayla 700.000 kilometre seyahat etmeye eşdeğer bir karbon ayak izi oluşturduğu sonucuna varıyor.

AI, tehlikeli sera gazları yaratmanın en büyük suçlusu olmaktan çok uzak (size kömür, inekler ve arabalar bakıyorum.) Ancak AI teknolojisinin karbon ayak izi önemsiz değil.

Stanford'da dilbilim başkanı ve bilgisayar bilimi profesörü Dan Jurafsky, “Daha fazla bilgi işlem gücü ve daha fazla veri kullanarak daha büyük sorunları çözmek için makine öğrenimini büyütmek için büyük bir baskı var” diyor. "Bu gerçekleşirken, bu ağır bilgi işlem modellerinin faydalarının çevre üzerindeki etkinin maliyetine değip değmeyeceği konusunda dikkatli olmalıyız."

NLP teknolojisi pazarının 2018'den 2025'e kadar %750'nin üzerinde büyüyeceği tahmin ediliyor…

GPT-3 (ve onun soyundan gelenler) gibi NLG modellerinin çevresel etkisi muhtemelen onunla birlikte artacaktır.

Yapay zeka araştırmacıları, çevreye verilen potansiyel zararın çok iyi farkındalar ve bunu ölçmek ve azaltmak için adımlar atıyorlar.

Ancak bilim insanlarının en iyi çabalarına rağmen, iklim değişikliğinin insanlığa (ve gezegene) oluşturduğu “varoluşsal tehdit”, küresel ısınmanın yapay zeka teknolojisi tarafından alevlenmesinin hafife alınmaması gerektiği anlamına geliyor.

GPT-3 ve SEO

İçerik, dijital pazarlamanın can damarıdır…

Bu nedenle, sayısız NLG girişiminin SEO'ları hedeflemesi şaşırtıcı değil.

AI, yazarların SEO odaklı içerik oluşturma konusunda zaten önemli bir etkiye sahipti - Surfer ve PageOptimizerPro'yu düşünün…

Ancak, yazarlara olan ihtiyacı tamamen ortadan kaldırdığını iddia eden hangi uygulamalar?

Veya kendi başınıza yazacağınız e-postalardan ayırt edilemeyen e-postalar yazan bir uygulama mı?

İçerik oluşturma otomasyon platformlarının cazibesini görmek çok kolay…

Özellikle, içerik oluşturmadaki tek amacınız organik arama trafiğini artırmaksa ve okuyucularınıza değer sunmak bir sorun değilse.

Bu tür uygulamaların çoğu beta veya bekleme listesi aşamasındadır - ancak birkaçı zaten iş için açıktır.

Otomatik içerik oluşturma SaaS Contentyze'nin kurucusu Przemek Chojecki ile NLG teknolojisinin nereye doğru gittiğini öğrenmek için röportaj yaptım…

Ayrıca, NLP'nin SEO ve genel olarak web içeriği üzerindeki potansiyel etkisi hakkında düşüncelerini toplamak için SEO Notebook kurucusu Steve Toth ve NLP uygulama geliştiricisi ve veri odaklı hikaye anlatıcısı Aleks Smechov'u sorguladım.

Prezemek Chojecki

içerik

Contentyze'nin Kurucusu Przemek Chojecki ile Röportaj*

Contentyze'yi kurmanız için size ne ilham verdi?

Kendim çok şey yazarım ve ilk amacım yazma sürecimi daha hızlı ve sorunsuz hale getirecek bir dizi algoritma oluşturmaktı. Bu başarılı oldu, bu yüzden başkalarının da kullanabilmesi için bir platform yapmaya karar verdim.

İdeal hedef müşteri(ler)iniz kim?

Şimdilik hedef kitlem pazarlamacılar ve SEO uzmanları. Bu grubun düzenli olarak çok fazla içeriğe ihtiyacı var ve Contentyze süreci daha hızlı hale getirmelerine yardımcı olabilir. Ancak ideal olarak, Contentyze'nin metin yazması gereken herkes için yararlı olmasını istiyorum: öğrenciler, ofis çalışanları, içerik oluşturucular. Gerçekten kimse!

Bana bir örnek kullanım durumu(lar) verebilir misiniz?

Şu anda en yaygın kullanım örnekleri, bir başlıktan bir blog yazısı veya bir bağlantıdan bir metin özeti oluşturmaktır.

İlk kullanım örneği şu şekilde çalışır: Contentyze'ye bir cümle veya "Yapay Zeka kurumsal olarak nasıl kullanılır?" gibi bir soru gibi bir komut verirsiniz.

Oluştur'a tıklayın, 1-2 dakika bekleyin ve bir metin taslağı alın.

Her zaman ideal değildir, ancak her zaman benzersizdir. Daha fazla metin almak için bu işlemi aynı istem/başlık ile birkaç kez tekrarlayabilirsiniz.

Sonra seçip seçiyorsunuz ve işte, blogunuzda bir metin var.

Contentyze ne tür içeriklerde “iyi”?

Şu anda Contentyze metinleri özetlemekte gerçekten çok iyi.

Metin oluşturma konusunda da nispeten iyidir, ancak henüz istediğim kadar tutarlı değil.

Contentyze ne tür içeriklerde pek iyi değil?

Yeniden yazma işlevi, onu iyi hale getirmek için hala çok çalışmaya ihtiyaç duyuyor.

İnsanların metinleri yeniden yazmasına zaten izin veriyoruz, ancak şu anda nasıl çalıştığından memnun değilim.

Basit bir içerik döndürme (Thesaurus'a gitmek ve yakın bir şey için sıfatları değiştirmek) istemiyorsanız, iyi bir yeniden yazma yapmak oldukça zordur.

Şu anda Contentyze'nin bir insan yazarın/editörün çalışmasını zenginleştirdiğini veya onları tamamen değiştirdiğini görüyor musunuz?

Kesinlikle bir insan yazarın çalışmalarını artırıyor. Nihai hedefim, yazma sürecinin herhangi bir aşamasında herhangi bir şey yazmanıza yardımcı olabilecek mükemmel bir yazma asistanı yaratmaktır: fikir aşamasından taslak oluşturmaya ve düzenlemeye kadar.

Muhtemelen bu süreçte, bazı metin yazarlarının işleri değiştirilecek, ancak amacım bu değil.

Contentyze'yi denedim ve birkaç şey fark ettim. Ürün incelemeleri gibi kısa içeriklerde (öngörülebilir şekilde) daha iyi performans gösteriyor. Contentyze'nin yakın gelecekte daha uzun içerikli içeriklerde daha iyi olacağını düşünüyor musunuz? Neden? Niye?

Şu anda sınırlı hesaplama gücümüz nedeniyle kısa içerikle daha iyi ilgilenir. Bu tamamen şu anda üzerinde çalıştığımız teknik bir konu. Metin ne kadar uzunsa, onu işlemek için o kadar fazla bilgi işlem gücü gerekir.

Contentyze'den SEOButler hakkında Apple'ın Google ile rekabet edebilmek için potansiyel olarak bir arama motoru geliştirmesiyle ilgili yeni bir makaleyi "yeniden yazmasını" istediğimde, ilk cümle mantıklı geldi:

Google'ın arama motoru, önümüzdeki birkaç yıl içinde yeni bir rakibin tehdidi altında olabilir .

Ama bunlar şu cümleler:

Yeniden yazma işlemine devam ettikçe, orijinal makaleyle tamamen alakasız cümleler var:

Dinlemek için yeni bir şarkı veya satın almak için yeni bir albüm arıyorsanız, onu bulabileceğiniz birçok yer var.

Dünyanın en iyi müziğini bulmak istiyorsanız, artık çevrimiçi olarak bulabilirsiniz.

Tamamen yanlış olan ifadelerin yanı sıra:

Google'ın en son arama güncellemesi, Microsoft ve Apple gibi rakiplerinin gerisinde kalan arama devi için ileriye doğru hoş bir adım.

Bu tür sonuçlarla çalışan son kullanıcınızı nasıl görüyorsunuz?

Dediğim gibi, yeniden yazma şu anda en kötü çalışan işlevdir. Özet seçenekleriyle böyle şeyler elde edemezsiniz.

Yeni içerik oluşturmak için istemleri kullanırken de benzer sonuçlar elde ettim. Contentyze'nin evriminin bu aşamasında yayına hazır içerikten çok insan yazarlar için bir beyin fırtınası aracı olarak kullanıldığını görüyor musunuz?

Evet, insanların bu aşamada doğrudan üretim düzeyinde kullanmasını beklemiyorum.

Öte yandan, bir insan editörün üzerinden geçebilmesi, kaliteyi sağlamak için gerekli değişiklikleri yapabilmesi ve yayınlayabilmesi için bir metni hızlı bir şekilde taslak haline getirmek gerçekten yararlıdır.

Sonunda Contentyze'nin yazma işinin %80'ini, geri kalanını ise insan yazar yapmasını bekliyorum.

Contentyze ve diğer NLG girişimlerinin SaaS uygulamalarını doğrudan SEO'lara ve bağlı kuruluş pazarlamacılarına pazarladığını görüyorum. Neden? Niye?

Aslında bu çok doğal – bu kitlenin düzenli olarak içeriğe ihtiyacı var, bu yüzden aktif olarak kendilerine yardımcı olabilecek araçları arıyorlar. Contentyze, neredeyse tamamen organik olarak keşfedilen çok az pazarlama ile 3.000'den fazla kullanıcıya ulaştı.

Bu uzun vadede, insanların, okuyucuya değer sağlamaya çok az önem vererek, tamamen SEO'ya yönelik büyük miktarda içerik oluşturmak için Contentyze gibi uygulamaları geniş ölçekte kullanmalarında herhangi bir tehlike olduğunu düşünüyor musunuz? Bu veya benzeri bir şey olursa, Google'ın AI tarafından oluşturulan içeriği tespit etmek ve cezalandırmak için arama algoritmasını değiştireceğini düşünüyor musunuz?

Kesinlikle, bu yüzden GPT2/GPT3'ün yaratıcıları OpenAI, algoritmalarının kullanımını izlemek için katı politikalar koydu. Bu özellikle GPT3 ve bunun için tüm başvuru süreci için geçerlidir.

Bence ilerlerken dikkatli olmamız gerekiyor, çünkü bu tür bir teknoloji herhangi bir değer katmadan interneti "spam" yapmak için kolayca kullanılabilir.

Tüm SEO oyunu kesinlikle değişecek. Google, daha önce birçok kez yaptığı gibi algoritmalarını ayarlayacak, ancak ne olacağını tahmin etmek zor.

Tahminim, AI tarafından oluşturulan içeriğin önümüzdeki 3-5 yıl içinde insan tarafından yazılmış içerikten ayırt edilemez olması üzerinedir, bu nedenle Google, AI tarafından oluşturulan içeriği cezalandırmak istiyorlarsa başka bir şey icat etmek zorunda kalacak.

Her neyse, insan ve yapay zeka içeriği arasında bir ayrım yapmayacağım. Kimin veya neyin yarattığına bakılmaksızın, yalnızca belirli bir içeriğin değer sağlayıp sağlamadığını sormalıyız.

Paylaşmak istediğiniz başka düşünceleriniz var mı?

Röportaj için teşekkür ederiz ve lütfen bizi contentyze.com adresinde ziyaret edin —kayıt ücretsizdir (kredi kartı gerekmez), böylece deneyebilirsiniz!

Geri bildirime gerçekten değer veriyoruz ve pazarlama alanındaki insanların işlerini daha etkili hale getirebilmeleri için aracımızı olabildiğince iyi hale getirmek istiyoruz.

Steve Toth

SEONotebook

SEO Notebook'un Kurucusu Steve Toth ile Röportaj*

SEO Notebook'un 2018'de piyasaya sürülmesinden bu yana, SEO'lar için mutlaka okunması gereken tek operatör bülteni haline geldi.

Steve'in SEOButler'ın son üç uzman toplantısına katkıda bulunması için yeterince şanslıyız ve birkaç yıldır onunla e-posta yoluyla iletişim kuruyorum.

Ayrıca Steve ile Chiang Mai SEO 2019'da tanışma zevkini yaşadım. Bu yüzden onu Affiliate SEO Mastermind Facebook grubunda bir SEO müşterisi için GPT-3 tarafından oluşturulan içeriği test etme konusunda yayınlarken gördüğümde, düşüncelerine ulaşmak zorunda kaldım…

Önümüzdeki birkaç yıl içinde SEO'yu etkileyen GPT-3 ve diğer NLG teknolojilerini nasıl görüyorsunuz ?

Kullanıcıların Google'a olan güvenini sarsacağını düşünüyorum. Bence insanlar arkadaşlarından tavsiye istemeye daha fazla yönelecekler.

SEO için destekleyici içerik oluşturmak için GPT-3'ten nasıl yararlanıyorsunuz?

Dikkatle. Bunu yapmak isteyen bir müşterim var. Bu yüzden onlara rehberlik ediyorum ama bu proje gelecekte onu ne kadar kullanacağımı etkileyecek.

GPT-3 tarafından oluşturulan içeriği kullanırken okunabilirlik sizin için ne kadar büyük bir önceliktir?

Kocaman. Bu yüzden kendimi GPT-3'ü çok fazla zorlamıyorum.

GPT-3'ün kullanım alanları sayfa dışında olabilir, ancak tam olarak metin yazarlığının yerini almayacak.

Yakın gelecekte NLG'nin insan yazarların yerini aldığını gördüğünüz herhangi bir içerik türü (örneğin, bir bağlı kuruluş sitesi için ürün incelemeleri) var mı?

İnsanlar, GPT-3 içeriğine sahip tüm bağlı kuruluş sitelerini oluşturabilir, ardından neyin sıralandığını görmek için bekleyebilir ve daha sonra kopyayı hassaslaştırabilir. Bunu birincil kullanım durumu olarak görüyorum.

Aleks Smechov

Skriber.io

Skriber.io'nun Kurucusu ve NLP SaaS Developer* Aleks Smechov ile röportaj

Aleks, The Edge Group için SEOButler bloguna ve bülten danışmanına katkıda bulunmanın yanı sıra, aynı zamanda NLP SaaS uygulamaları Extractor ve Skriber'in kurucusu/geliştiricisidir.

Yakın gelecekte belirli içerik türleri için yazarların ve editörlerin yerini alan GPT-3 veya diğer NLG teknolojilerini görüyor musunuz?

Gazetecilik tarafına odaklanacağım.

Küçük gerçeklere dayalı makaleler oluşturan AI olmayan yazılımlar zaten var.

Bir örnek, Automated Insights ve NCAA basketbol kapsamını ve sıralamasını nasıl yazdıklarıdır.

NLG'yi şablon tabanlı metin oluşturma ile birleştirirseniz, biraz daha önemli/daha uzun hikayeler oluşturabileceğinizi veya diğer hikayelerin parçalarını birleştirebileceğinizi düşünüyorum.

Ancak daha ciddi gazetecilik için, yalnızca AI'nın haber odasını kolaylaştırdığını, yerini almadığını görüyorum.

GPT-3 veya diğer büyük doğal dil modellerinde bile, iyi bir cümle veya paragraf elde etmek, tonlarca gerçek kontrolüne ihtiyaç duymanın yanı sıra rulet gibidir.

Bir gazetecinin makaleyi yazmasından daha fazla iş olurdu.

NLG'nin yakın gelecekte içerik oluşturucuların rolünü artırdığını görüyor musunuz? Öyleyse nasıl?

Elbette, önceden yazılmış cümlelere/paragraflara alternatifler oluşturmak için, özetlemek veya yukarıda bahsedilenler gibi, birden fazla kaynaktan içerik toplamak (örneğin, bir özet için, muhtemelen yine de düzenlenmesi gerekir).

GPT-3 ve diğerleri gibi NLG teknolojisinin yaygınlaşmasıyla ilgili en büyük 3 endişeniz nedir?

NLG'nin interneti şunlarla doldurduğu:

• gerçek olmayan çöp
• Şişirilmiş SEO içeriği
• Diğer her şeye çok benzeyen içerik.

Bu şeyler internette zaten olmuyor değil... <smiley emoji>

Henüz yazarlarımı ve editörlerimi kovabilir miyim?

İşte kısa cevap: hayır.

AI, dünyanın en büyük Satranç ve Go oyuncularını yenmekten kanseri tespit etmeye kadar dar ve belirli görevlerde insanlara eşit veya üstün olduğunu kanıtladı.

Ancak NLG, doğal dili taklit etmede dikkate değer ölçüde iyileşirken, yetkin insan yazarların ve editörlerin yerini almadan önce daha kat etmesi gereken uzun bir yol var.

En gelişmiş NLG bile insanlardan gelen "istemlere" güvenir - yoğun düzenleme ve doğrulamadan bahsetmeye bile gerek yok…

Yaratıcılık - özellikle orijinal fikirler bulmak ve farklı bilgi kaynakları ile ilham kaynakları arasında benzersiz bağlantılar kurmakla ilgili olduğu için - GPT-3'ün repertuarının bir parçası değildir.

GPT-3 dünyayı, duyguları ve deneyimi anlatan metni taklit edebilir, ancak kendine ait bir metni yoktur.

İşte GPT-3'ün bu soru üzerine söyleyecekleri…

Dur bir daha soralım...

Elbette, GPT-3 zarlarını atmaya devam edebilirsiniz (bunu Rus ruleti olarak düşünmeyi tercih ederim), en iyi parçaları kesin olarak seçin ve ardından Frankenstein'ın canavarının içerik eşdeğerinden daha iyi bir şey haline getirin.

Tercihen, kitlenizi gerçekten meşgul eden tutarlı bir bakış açısına sahip bir patchwork.

O zaman Frankenstein'ın kapsamlı bir doğrulamaya ihtiyacı olacaktı.

İkinci örnekteki ilk cümlenin bile bir kelime salatası olduğuna dikkat edin.

Alan Turing 66 yıldır öleli – “web yazma startupları” edindiği şüpheli.

Yoksa bu, Microsoft'un Turing NLG'sine bir referans mı? Her iki durumda da, kesinlikle bir şirket satın almadı ve GPT-3'ü gün ışığına çıkarmadı.

Bunların hepsini yapabilirsin - ya da sadece bir yazar tutabilirsin.

GPT-3 ve onun soyundan gelenler - ya da başka herhangi bir NLG modeli - yazarları ve editörleri değiştirmeden önce çok daha akıllı hale gelmek zorunda kalacaklar.

Ve çok daha fazla insan.

Yapay Genel Zeka (YGG) — İnsandan Çok İnsan mı?

NLP ve NLG, Yapay Genel Zeka (AGI) yolunda önemli adımlar olabilir (veya olmayabilir).

Uzun zamandır AI'nın kutsal kâsesi olarak kabul edilen YGZ makineleri, filmlerde gördüğünüz makinelerdir - bir insanın yapabileceği her şeyi iyi veya daha iyi yapabilen “robotlar”.

OpenAI kesinlikle AGI oluşturmaya odaklanmış durumda. Microsoft'un OpenAI'ye 1 milyar dolarlık yatırımını duyururken, şirket bunu şu şekilde tanımladı:

“Bir YGZ, bir çalışma alanında dünya çapında uzmanlaşabilecek ve herhangi bir insandan daha fazla alanda uzmanlaşabilecek bir sistem olacaktır – tıpkı Curie, Turing ve Bach'ın becerilerini birleştiren bir araç gibi.

Bir problem üzerinde çalışan bir AGI, disiplinler arasında hiçbir insanın göremediği bağlantıları görebilir. AGI'nin iklim değişikliği, uygun fiyatlı ve yüksek kaliteli sağlık hizmetleri ve kişiselleştirilmiş eğitim gibi küresel zorluklar dahil olmak üzere şu anda zorlu çok disiplinli sorunları çözmek için insanlarla çalışmasını istiyoruz.

Etkisinin, herkese en tatmin edici buldukları şeyin peşinden gitmeleri için ekonomik özgürlük vermek ve tüm yaşamlarımız için bugün hayal bile edilemeyen yeni fırsatlar yaratmak olması gerektiğini düşünüyoruz.”

Ütopya gibi geliyor, değil mi?

Ama bu iyi bir şey mi?

Tarihsel olarak, ütopya basitçe ortaya çıkmadı:

“Kusurlu insanlar – kişisel, politik, ekonomik ve sosyal – mükemmelliği denediğinde başarısız olurlar. Bu nedenle, ütopyaların karanlık aynası, distopyalardır - başarısız sosyal deneyler, baskıcı siyasi rejimler ve ütopik hayallerin hayata geçirilmesinden kaynaklanan aşırı ekonomik sistemler. ” – Michael Shermer

İşte GPT-3'ün YGZ'ye ulaşma konusunda söyledikleri:

Bu sadece hüsnükuruntu olabilir, GPT-3, ama bu sefer aynı fikirdeyim.

Yazarları Artırmak - Onları Değiştirmemek

Yukarıdaki örneğin son cümlesinde GPT-3'ün bir kez daha yanlış olduğu tartışılabilir…

NLP, NLG ve hatta AGI arayışı söz konusu olduğunda, önemli ilerleme kaydedilmiştir.

Ve yeniliğin hızının yakın zamanda yavaşlaması pek olası değil.

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.