Kecerdasan Buatan pada Asasnya Malas. Tetapi Itu Akan Berubah.

Satu acara baru-baru ini menunjukkan bahawa satu pertiga jawapan yang dijana oleh kecerdasan buatan datang daripada sumber yang lapuk, sekali gus memperlihatkan sikap leka kecerdasan buatan dan pergantungannya pada bahan lama. Namun, apabila LLM bertambah baik, keadaan ini tidak akan kekal.

Kecerdasan buatan sedang mengubah cara orang mencari dan menilai maklumat. Penggunaan jawapan yang dijana oleh kecerdasan buatan yang semakin meluas, yang menyampaikan maklumat secara terus tanpa perlu merujuk pelbagai sumber, sedang membentuk semula pengalaman “tanpa klik”. Akibatnya, model bahasa besar seperti ChatGPT, Claude dan Google AI memainkan peranan yang semakin menonjol dalam cara orang ramai mengakses dan mentafsir pengetahuan.

Namun, di tengah perubahan ini terdapat satu kelemahan kritikal: kecerdasan buatan pada asasnya malas.

Kecerdasan Buatan Hari Ini Mempunyai Beberapa Batasan dan Kecenderungan Arus Perdana

Model bahasa besar (LLM) semasa tidak menyoal dunia secara bermakna, sebaliknya mengumpul dan mengitar semula maklumat yang dianggap tersedia. Daripada memanfaatkan kepelbagaian penuh pengetahuan global, sistem kecerdasan buatan berulang kali kembali kepada sekumpulan kecil sumber yang “selamat”.

Dalam satu acara GEO/SEO baru-baru ini, pakar menegaskan bahawa media perolehan memainkan peranan penting dalam membentuk apa yang dipelajari oleh kecerdasan buatan. Namun, kajian mendedahkan bahawa kecerdasan buatan pada asasnya malas, kerana berulang kali menggunakan sumber biasa yang sama. Walaupun lebih satu juta petikan dianalisis dalam tempoh tiga bulan sahaja, satu pertiga daripada semua rujukan datang daripada bahan lapuk yang sama.

Kemalasan ini terserlah dalam beberapa cara. Sebagai contoh, kecerdasan buatan memberikan lebih banyak pemberat kepada media tradisional dan platform rakan ke rakan seperti Reddit dan Wikipedia, yang, seperti sedia maklum oleh pengguna, maklumatnya sangat mudah disunting.

Walau bagaimanapun, media tradisional tidak diutamakan kerana keaslian atau ketepatannya, sebaliknya dihargai kerana kredibiliti yang telah lama terbina dan kelebihan SEO yang dipercayai dimilikinya. Kelemahan utama keadaan ini ialah jika media tradisional tersalah membingkai atau tersalah melaporkan sesuatu, kecerdasan buatan akan menguatkan kesilapan itu secara besar-besaran. Lebih membimbangkan, pembetulan editorial yang lazimnya dibuat di laman ini juga tidak selalu diambil kira. Kecerdasan buatan berfikiran sehala dalam hal maklumat, dan pembetulan yang lebih terkini tidak semestinya menggantikan maklumat asal yang lapuk atau salah sama sekali.

Umumnya difahami bahawa ketepatan fakta LLM, walaupun pada tahap terbaiknya, mendatar pada sekitar 85% hingga 90%, dengan ChatGPT, salah satu platform paling popular, lebih cenderung memetik domain berkualiti rendah yang kelihatan dinilai berdasarkan usianya dan bukannya ketepatannya.

Kepelbagaian Pemikiran Tidak Diutamakan oleh Kecerdasan Buatan, dan Itu Satu Masalah

Ini bermakna keterlihatan yang dipacu oleh kecerdasan buatan condong secara tidak seimbang kepada pemain arus perdana yang sudah mantap dalam ekonomi pengetahuan di seluruh dunia. Walaupun ini bermakna platform yang lebih berwibawa dilihat mempunyai kelayakan yang lebih baik, ia juga boleh bermakna wujudnya kecenderungan terhadap kepelbagaian pemikiran.

Suara bebas, serantau dan pakar berisiko menjadi tidak kelihatan, atau lebih buruk lagi, berdepan ancaman disingkirkan daripada akses awam dari segi maklumat, melainkan arahan khusus untuk melawan kecenderungan ini dikodkan ke dalam sistem LLM.

Model Lama bagi Pengewangan Media Tidak Masuk Akal.

Kecenderungan kecerdasan buatan untuk kembali kepada sumber tradisional bukanlah kebetulan. Ia mencerminkan beberapa pilihan struktur yang dibuat oleh platform untuk lebih berhati-hati, menurut perspektifnya sendiri.

Memilih media tradisional untuk memberikan jawapan segera kepada perkara yang dicari orang adalah soal keselamatan terlebih dahulu. Memetik The Guardian atau BBC kurang berisiko bagi penyedia kecerdasan buatan berbanding mengambil maklumat daripada blog yang tidak disahkan, sebagai contoh, walaupun amalan ini mengetepikan penerbitan kewartawanan tempatan yang sering menjadi sumber asal maklumat yang kemudiannya disebarkan secara meluas (dan tidak selalunya dengan tepat atau mengikut konteks) oleh media yang lebih besar. Ini menggalakkan kewartawanan malas, yang juga dikenali sebagai “churnalism”.

Selain itu, penerbit telah lama menguasai data berstruktur, menjadikan kandungan mereka lebih mudah diserap dan disusun kedudukannya, sekali gus mempamerkan apa yang dikatakan sebagai “aura kepercayaan” kepada LLM yang tidak menyedarinya. Rangkaian kesilapan ini menghasilkan apa yang boleh kita namakan kitaran warisan: satu kitaran yang mengukuhkan autoriti berulang kali dan bukannya menelitinya secara kritis.

Namun Berwaspadalah terhadap Fasa Seterusnya, Apabila Kecerdasan Buatan Mengubah Kelesuannya kepada Bentuk yang Lebih Aktif dan Kritis

Generasi kecerdasan buatan seterusnya akan lebih aktif, analitikal dan proprietari. Kita sudah melihat tanda bahawa model yang lebih baharu akan menganalisis video, audio dan imej semudah kandungan bertulis. Kecerdasan buatan bukan sahaja akan memetik ucapan di YouTube, malah akan mengukur nada, mendedahkan ketidakselarasan dan membandingkannya dengan rekod lampau.

Kecerdasan buatan yang lebih baik akan cenderung menggunakan set data proprietari. Arkib berlesen, kandungan pihak pertama dan sumber berasaskan langganan akan melengkapkan web terbuka,

sekali gus mengurangkan pergantungan pada media tradisional. Daripada sekadar mengumpul data, kecerdasan buatan akan melangkah lebih jauh dan menguji dakwaan berdasarkan data, sejarah dan analisis geospatial.

Dengan mempelbagaikan input, termasuk media serantau dan media bukan berbahasa Inggeris, model generasi baharu akan beralih daripada “siapa yang menerbitkan ini?” kepada “bolehkah ini dibuktikan dan adakah ia diletakkan dalam konteks?” Kitaran warisan yang kita bincangkan tadi mungkin benar-benar dapat dipecahkan melalui langkah berjaga-jaga ini.

Melihat Implikasinya kepada Media Baharu, Masih Ada Harapan

Apabila kecerdasan buatan berkembang, peraturan pengaruh akan berubah dan kedalaman serta keaslian akan lebih penting daripada warisan. Kepercayaan akan diuji, bukan diandaikan.

Media tradisional tidak lagi akan menikmati keutamaan secara automatik; kredibiliti perlu dibuktikan dalam masa nyata. Podcast, klip webinar atau set data interaktif boleh membawa pemberat yang sama seperti ruangan akhbar. Kehadiran multimedia akan menjadi sesuatu yang tidak boleh dirunding. Kecerdasan buatan sedang menggali kandungan video dan audio untuk mendapatkan pandangan, bukan teks sahaja.

Sebagai contoh, Azure AI Video Indexer milik Microsoft menganalisis media untuk mengekstrak maklumat seperti perkataan yang dituturkan, emosi dan elemen visual, membolehkan pengguna mengindeks dan mencari kandungan dengan cekap. Begitu juga, Google Cloud Video Intelligence boleh mengenal pasti objek, tempat dan tindakan dalam video, lalu menjana metadata yang kaya untuk memudahkan penemuan dan pengurusan kandungan, sekali gus menunjukkan bagaimana kecerdasan buatan bergerak melangkaui teks untuk mencungkil makna daripada multimedia.

Bagi pengamal komunikasi, ini merupakan risiko dan juga peluang. Risikonya terletak pada usaha berterusan untuk mengoptimumkan kandungan bagi ekosistem kecerdasan buatan yang malas, yang sudah pun menyempitkan aliran maklumat. Peluangnya terletak pada persediaan dari sekarang untuk era kecerdasan buatan yang aktif, dengan melabur dalam kandungan yang kaya, pelbagai format dan disokong bukti yang akan dicari secara aktif oleh model masa depan.

Revolusi kecerdasan buatan bukan sekadar tentang teknologi; ia adalah tentang siapa yang didengar, dipercayai dan diperkuatkan suaranya. Kecerdasan buatan hari ini mungkin malas, tetapi ia tidak akan kekal begitu. Mereka yang menyesuaikan diri lebih awal, dengan mencipta naratif yang berlapis, boleh dipercayai dan kaya dengan multimedia, sudah pasti akan menentukan landskap maklumat masa hadapan.