دسته: هوش مصنوعی

پست حمایت‌شده توسط وی‌تاوتاس پاوکستیس، مدیرعامل اسکی‌می

حمایت‌شده توسط:

بیشتر آنچه امروز به‌عنوان «متنی» به‌فروش می‌رسد، همچنان بر همان منطق کلیدواژه است که یک دهه پیش به کار می‌بردیم. صنعت هدف‌گیری متنی را بازآفرینی نکرد؛ فقط یک کلیدواژه را با یک خوشه جایگزین کرد.

کلیدواژه‌ها زمانی بهترین ابزار ما بودند. اکنون هدف‌گیری مبتنی بر کلیدواژه به‌طور اساسی نادرست است – و زمان آن رسیده که این را بپذیریم. در بازارهای انگلیسی‌زبان، نقص‌های آن به‌راحتی نادیده می‌مانند. اما اگر این روش را به‌صورت جهانی در اروپا، آفریقا، آسیا یا خاورمیانهٔ چندزبانه اعمال کنید، تقریباً بلافاصله از کار می‌افتد.

به‌عنوان مثال، عبارتی که در انگلیسی حس تقویت‌کننده دارد، ممکن است در اندونزیایی طعنه‌آمیز به‌نظر برسد. طنز همیشه به‌دقت قابل ترجمه نیست و ظرافت‌ها از بین می‌روند.

جالب است که هوش مصنوعی، نه انسان‌ها، است که تبلیغات دیجیتال را احساس انسانی‌تری می‌بخشد.

نقطه‌کور جهانی

مشکل اصلی تبلیغات متنی امروز تمرکز بر بخش کوچکی از اینترنت است — عمدتاً دنیای غربی انگلیسی‌زبان. این رویکرد نادیده می‌گیرد که معنا چگونه در زبان‌ها، فرهنگ‌ها و حتی احساسات تغییر می‌کند.

در بسیاری از بازارهای نوظهور، زمینه تنها یک مسأله زبانی نیست؛ بلکه فرهنگی و موقعیتی است. اما اکثر سیستم‌های متنی همچنان به فهرست‌های ثابت کلیدواژه و دسته‌بندی‌های ثابت مخاطبان تکیه می‌کنند. آن‌ها نمی‌توانند این نکات ظریف را شناسایی کنند. به‌نحوی، ما هنوز از ابزارهایی که برای یک مخاطب طراحی شده‌اند، برای ارتباط با جهانی که به زبان‌های متعدد سخن می‌گوید و به روش‌های بی‌شمار فکر می‌کند، استفاده می‌کنیم.

از کلیدواژه‌ها به درک

در اینجا هوش مصنوعی همه چیز را تغییر می‌دهد.

راه‌حل‌های تبلیغات متنی مبتنی بر هوش مصنوعی باید چهار محدودیت دیرینه‌ای را که هدف‌گیری متنی را محدود کرده‌اند، برطرف کنند.

۱. درک معنا، نه صرفاً کلمات. راه‌حل‌های تبلیغات متنی باید کل صفحه، شامل ساختار، لحن و احساسات آن را بخوانند تا نیت را همانند یک انسان درک کنند.

۲. فراتر از مخاطبان پیش‌ساخته. در حالی که اکثر راه‌حل‌های متنی دسته‌بندی‌های ثابت را ارائه می‌دهند، راه‌حل‌های مؤثر تبلیغات متنی به تبلیغ‌کنندگان این امکان را می‌دهند تا مخاطبان زمان‌واقعی برنامه‌پذیر ایجاد کنند که بازتابی از حالت، ارزش‌ها و لحن احساسی برند باشند.

۳. چندزبانه و سازگار فرهنگی باشید. پلتفرم باید تقریباً تمام زبان‌های جهان را درک کند تا تیم‌ها بتوانند کمپین‌های متنی مرتبط را به زبان رومانیایی یا سواحیلی اجرا کنند، بدون از دست دادن حس محلی.

۴. شفاف و قابل حسابرسی. هر مکان‌گذاری تبلیغ باید همراه با توضیحی باشد: چرا با محتوا مطابقت دارد (یا ندارد) و چگونه با استراتژی برند هم‌راستا است. این وضوح به تبلیغ‌کنندگان اجازه می‌دهد تا زمینه را به‌صورت زمان واقعی تنظیم کنند، به‌جای این‌که حدس بزنند الگوریتم چه می‌بیند.

ابزار DeepContext شرکت Eskimi دارای تمام این چهار قابلیت است. این ابزار با «نقشه‌راه برند» (Brand Blueprint) آغاز می‌شود. این چارچوب سفارشی لحن، حساسیت‌ها و ارتباطات موردنظر را مشخص می‌کند. سپس «موتور مرتبط‌سازی» (Relevance Engine) محتوای زنده وب را اسکن می‌کند و به‌طور مداوم می‌آموزد که کدام محیط‌ها بیشترین تطابق را با این نقشه‌راه دارند. این رویکرد سفارشی می‌تواند بر روی هر DSPی فعال شود.

DeepContext همچنین مجموعه‌های مخاطب موضوعی آماده برای فعال‌سازی (مانند المپیک زمستان) را ارائه می‌دهد. این مجموعه‌ها از طریق SSPهای بزرگ، همچون Index Exchange، PubMatic و Equativ، در دسترس هستند. این روش سریع‌تری برای بهره‌گیری از هوش متنی است که نیازی به ساخت از صفر ندارد.

هوش انسانی‌تر

سال‌ها تبلیغات دیجیتال سعی کرده‌اند زمینه را از طریق کلیدواژه‌ها و فرضیات رمزگشایی کنند. هوش مصنوعی به ما فرصتی می‌دهد تا از نو شروع کنیم و به‌جای تخمین، درک واقعی بسازیم.

با درک معنا، لحن و زمینهٔ محلی، تبلیغات متنی مبتنی بر هوش مصنوعی به برندها این امکان را می‌دهد که سرانجام با مردم صحبت کنند، نه فقط به سمت آن‌ها. وقتی از نقاط داده به معنا می‌رویم، نه تنها عملکرد را بهبود می‌بخشیم؛ بلکه ارتباط دیجیتال را دوباره احساس انسانی می‌کنیم.

امروزه در فضای فیلم‌سازی، تعداد اندکی از مسائل این‌چنینی به‌صورت گسترده بررسی می‌شوند؛ آن‌ها، امکان‌ها و پیامدهای فناوری هوش مصنوعی‌اند. هنگامی که نگاهی به مستندسازی می‌اندازیم، این بحث به سطح جدیدی از اهمیت می‌رسد، زیرا این‌گونه فیلم‌ها معمولاً با مفاهیم روزنامه‌نگاری دربارهٔ حقیقت و واقعیت پیوند خورده‌اند. مستند‌سازان برجسته در جشنوارهٔ بین‌المللی مستند آمستردام (IDFA) امسال، که بزرگ‌ترین جشنوارهٔ مستند در جهان است، گرد هم آمدند تا دربارهٔ بهترین شیوه‌ها، هشدارهای ضروری و آیندهٔ مستندها در دوره‌ای که استفاده از هوش مصنوعی به‌تدریج گسترش می‌یابد، بحث کنند.

دیوید فرانس، کارگردان آمریکایی نامزد اسکار و گزارشگر تحقیقاتی، در IDFA همراه با مستند «آزاد کردن لئونارد پلتیر» که در جشنواره ساندنس موفق شد، نخستین تجربهٔ خود با هوش مصنوعی را در فیلم «خوش‌آمدید به چچنیا» (۲۰۲۰) به یاد آورد. این فیلم، که به تعقیب‌گری اعضای جامعهٔ ال‌جی‌بی‌تی‌کیو‌آی در جمهوری خودمختار نیمه‌مستقل روسیه می‌پرداخت، با وضعیتی بسیار حساس سروکار داشت. برای این‌که بتواند با افرادی که تحت تعقیب بودند، گفتگو کند، فرانس مجبور شد هویت آن‌ها را محفوظ نگه دارد. او می‌گوید: «این داستانی بود که باید روایت می‌شد، اما گفتن آن دشوار بود، چون افرادی که می‌توانستند فرار کنند، در سراسر جهان تعقیب می‌شدند.»

راه‌حلی که فرانس و تیمش اتخاذ کردند، مخفی‌سازی چهره‌های شخصیت‌ها با قرار دادن دیجیتالی افراد دیگر بر روی آن‌ها بود. او می‌گوید: «این کار هیچ‌یک از واکنش‌های ریز، احساساتشان را تغییر نداد. می‌توانستید شخص اصلی را در حین گریه و خنده ببینید، در حالی که چهرهٔ دیگری بر روی او قرار گرفته بود. در آن زمان (۲۰۱۹) ما آن را هوش مصنوعی نمی‌نامیدیم؛ ما آن را یادگیری ماشینی می‌نامیدیم. این امر به‌نظر می‌رسید شگفت‌انگیز بود.»

کارگردان ۲۳ فعال همجنس‌گرای نیویورکی را برای واگذاری چهره‌ها و صداهایشان به این پروژه جذب کرد؛ فرآیند نوآورانه‌ای که به تیم پشت این نوآوری، اسکار فنی اعطا کرد. با این حال، فیلمساز به‌دلیل استفاده‌اش از هوش مصنوعی زیر ذره‌بین قرار گرفت. او می‌گوید: «در حین کار، همه‌جا این کار را «دیپ فیک» می‌نامیدند. ما مستمر می‌گفتیم: این دیپ فیک نیست. دیپ فیک جرم است، هوش مصنوعی ابزار است.»

فرانس در آثار بعدی‌اش نیز از هوش مصنوعی بهره برد، از جمله در آخرین فیلمش که داستان لئونارد پلتیر، فعال سیاسی که پس از محکمه‌ای بحث‌برانگیز نیم‌قرن را در زندان سپری کرده است، روایت می‌کند. در این مورد، کارگردان از هوش مصنوعی برای بازسازی و تجدید صدای پلتیر استفاده کرد. این ابزار ضرورت داشت چون ضبط‌های شنیده‌شده در فیلم به‌صورت غیرقانونی به‌دست آمده بودند، چرا که پلتیر از داخل زندان نمی‌توانست با روزنامه‌نگاران صحبت کند. او می‌گوید: «علاوه بر این، لئونارد از ۳۰ سالگی به ۸۰ سالگی تبدیل شد و می‌توانستید سن او را در صدایش احساس کنید.»

کارگردان بریتانیایی مارک ایساکس با فیلم «Synthetic Sincerity» در IDFA حضور دارد؛ فیلمی که در آن با آزمایشگاهی که نام فیلم را به خود اختصاص داده است، برای پژوهش دربارهٔ امکان آموزش اصالت به شخصیت‌های هوش مصنوعی همکاری می‌کند. این مستند ترکیبی از واقعیت و تخیل است که با همکاری بازیگر رومانیا ایلینکا مانولاش (از فیلم «از انتهای جهان بیش از حد انتظار نداشته باشید») ساخته شده؛ در آن ایساکس با هوشمندی با فیلترها و فنون دیگر تصاویر را دستکاری می‌کند تا صحنه‌های تولیدشده توسط هوش مصنوعی را شبیه‌سازی کند.

ایساکس با Synthesia، شرکتی که محتواهای مصنوعی تولید می‌کند و نرم‌افزاری برای ایجاد ویدیوهای تولیدشده توسط هوش مصنوعی توسعه می‌دهد، آزمایش کرد. او توضیح داد: «شما یک شخصیت را انتخاب می‌کنید و می‌توانید متن موردنظر را برای گفتن به او وارد کنید». ابتدا این تجربه جالب بود، اما کارگردان گفت که شخصیت هوش مصنوعی «او را تا حد خستگی می‌برد» چون «دامنهٔ احساسات او بسیار محدود است». او افزود: «در ابتدا خنده‌دار بود، اما به‌سرعت خسته‌کننده شد». وقتی در یک جشنواره در بخارست با مانولاش ملاقات کرد، پیشنهاد داد تا برای ساخت این فیلم با هم کار کنند و شخصیتی نیمه‌واقعی‑نیمه‌دیجیتالی که او در صحنه بازی می‌کند، بسازند. او می‌گوید: «او بسیار جذاب‌تر است و ما می‌توانستیم با او کارهای متنوع‌تری انجام دهیم. اکثر بازیگران از تبدیل شخصیت خود به هوش مصنوعی می‌ترسند، اما او این کار را دوست داشت.»

کارگردان تمایلی به تشخیص واضح این‌که چه‌ بخش‌هایی از فیلم توسط هوش مصنوعی تولید شده و چه‌ بخش‌هایی نه، نداشت و تأکید کرد که اثر او «خبرنگاری نیست». او می‌گوید: «هدف اصلی فیلم این است که پرسش‌هایی دربارهٔ تصویرها، تغییرات نمایندگی و مرگ دوربین مطرح شود. نمی‌خواستم با برچسب‌زنی این مسأله را مخدوش کنم.»

بخش عمده‌ای از گفت‌وگو به بررسی تأثیر هوش مصنوعی بر تصاویر آرشیوی اختصاص یافت. سوزانا دو سوسا دیاس، کارگردان پرتغالی (از فیلم «فوردلاندیا پنانسیا») و مهمان ویژه امسال IDFA که عمدتاً با تصاویر آرشیوی کار می‌کند، گفت: «برای آرشیوها پیامدها بسیار عمیق است». او افزود: «وضعیت مستند تصاویر به‌سادگی در بستر خود قابل‌تفسیر می‌شود. خطر این است که نه تنها تماشاگران به آرشیوهای جعلی باور کنند، بلکه مردم دیگر به هیچ‌چیزی اعتماد نکنند. در هر دو حالت، ساختار حقیقت ما به‌طور کامل به‌تزلزل می‌افتد.»

او افزود: «از زمان گذار به رسانهٔ دیجیتال، مباحث دربارهٔ ناتمام بودن واقعیت در تصاویر سیاه‌سفید و با وضوح پایین گسترش یافته‌اند». کارگردان همچنین تأکید کرد که کار با آرشیو تنها به یافتن و نجات مطالب از طریق پژوهش محدود نمی‌شود، بلکه به خلاهای موجود در مواد و حافظه نیز می‌پردازد. او می‌گوید: «سؤالی که برای من بسیار ساده و در عین حال بسیار پیچیده است: چه می‌شود وقتی فناوری‌ای که می‌خواهد همه چیز را اصلاح کند، وارد حوزه‌ای می‌شود که عدم حضور خود معنی‌دار است؟»

در مواجهه با این معضل معاصر، فیلمساز برنده جایزه امی و طراح گرافیک ایوجن برائونیگ (از فیلم «ترافیک‌شده») همراه با انجمن تولیدکنندگان آرشیوی مجموعه‌ای از رهنمودهای بهترین شیوه‌ها برای کار با هوش مصنوعی مولد در فیلم‌سازی مبتنی بر آرشیو تدوین کرد. او تأکید کرد: «در مستند هیچ نهاد سازمانی وجود ندارد که به ما بگوید چگونه کار کنیم». او افزود: «قوانین و مقرراتی وجود ندارند؛ تنها کاری که می‌توانیم انجام دهیم، خودنظارت و تعیین استانداردهای خاص برای خودمان است تا به‌عنوان روایت‌گرها، تهیه‌کنندگان خبر و ساخت‌گران تصویر، مسئولیت‌پذیر باشیم.»

برائونیگ اشاره کرد که ساده‌ترین اما مفیدترین اقدام، تهیهٔ یک لیست فنی (Cue Sheet) است که تکنولوژی‌های به‌کار رفته، نحوه و زمان استفاده آن‌ها در طول ساخت فیلم را فهرست می‌کند. او هشدار داد: «در نهایت مردم سؤال خواهند کرد». بهتر است پیش‌دستی باشید.

در بخشی از گفت‌و‌گو، طراح یک کلیپ تولیدشده توسط SORA از خبرهای مصنوعی دههٔ ۱۹۹۰ را پخش کرد تا نشان دهد که توالی‌های تولیدشده توسط هوش مصنوعی چقدر دقیق هستند. او گفت: «البته پیش از این هم می‌توانستید ویدئوی تقلبی بسازید، اما هزینه‌های بالای تولید و زمان زیادی نیاز بود. اکنون این کار به‌طور فوق‌العاده ارزان و سریع شده است.»

فیلمساز هشدار داد: «اعتماد به رسانه‌ها به پایین‌ترین سطح تاریخ خود رسیده است». او افزود: «این بدان معنی است که اعتماد به آرشیوها نیز در خطر است. اگر مردم به اخبار بی‌اعتماد شوند، که از پیش همین‌طور است، احتمالاً این بی‌اعتمادی به سمت فیلم‌سازی مستند نیز سرایت می‌کند و در برخی موارد به‌طور معقولی درست است.»

هم‌زمان با گسترش OpenAI در همه جهت‌ها، مدیرعامل جدید بخش Applications مأموریتی دارد تا ChatGPT را ضروری و سودآور سازد.

در صورتی که ساختار OpenAI نتواند عجیب‌تر شود — سازمانی غیرانتفاعی که بر یک شرکت تجاری که به یک شرکت عمومی با هدف عمومی تبدیل شده نظارت می‌کند — حالا دو مدیرعامل دارد. سام آلتمن، مدیرعامل کل شرکت که بر تحقیق و محاسبه نظارت می‌کند. و از این تابستان، فیدجی سیمو، مدیرعامل پیشین Instacart، که همه امور دیگر را مدیریت می‌کند.

از زمانی که در ماه اوت به‌عنوان مدیرعامل بخش Applications آغاز به کار کرد، فیدجی سیمو در دفتر OpenAI در سانفرانسیسکو زیاد دیده نمی‌شود. اما حضور او در تمام سطوح شرکت حس می‌شود — به‌ویژه چون رهبری ChatGPT را بر عهده دارد و عملاً تمام عملکردهایی که می‌توانند درآمد OpenAI را افزایش دهند را هدایت می‌کند. سیمو با بازگشت بیماری سندرم ارتواستاتیک تاکی‌کاردیای وضعیتی (POTS) مواجه است که باعث می‌شود در صورت ایستادن طولانی‌مدت غش کند. بنابراین فعلاً از منزل در لس‌آنجلس کار می‌کند و در Slack فعال است. خیلی.

او می‌گوید: «در هر روز از ساعت ۸ صبح تا نیمه‌شب حضور دارم، در عرض پنج دقیقه پاسخ می‌دهم؛ مردم احساس می‌کنند که من اینجا هستم و می‌توانند بلافاصله با من ارتباط برقرار کنند، که من در پنج دقیقه به تماس پاسخ می‌دهم». این ادعا توسط کارکنان تأیید می‌شود. فرهنگ شناخته‌شدهٔ OpenAI که بر Slack بنیان‌گذاری شده می‌تواند برای تازه‌کارها سنگین باشد؛ اما به‌نظر می‌رسد برای سیمو این‌گونه نیست. کارکنان می‌گویند او را اغلب می‌بینند که به‌سرعت به کانال‌ها و رشته‌های گفتگو می‌پیوندد، افکار خود را به‌اشتراک می‌گذارد و سؤال می‌پرسد.

سیمو در دوره‌ای پرآشوب به OpenAI پیوست، دوره‌ای که شرکت در تقریباً تمام جهت‌ها در حال گسترش است. مشارکت‌های حاکمیتی در حوزه هوش مصنوعی، مدل‌های جدید، همکاری‌های خرده‌فروشی، قراردادهای محاسباتی چند میلیارد دلاری، یک تراشه اختصاصی، محصول سخت‌افزاری مرموز و البته ChatGPT وجود دارد. فیدجی سیمو می‌گوید: «ما برای گسترش دامنه رقابت نمی‌کنیم؛ ما برای محدود کردن دامنه می‌جنگیم.»

مصاحبهٔ بزرگ

مکالمات عمیق، عجیب و هوشمندانه با مهم‌ترین افراد جهان را بخوانید.

خارج از سیلیکون‌ولِی، استخدام سیمو تعجب‌آور بود. اما برای آگاهان کمتر شگفت‌انگیز بود. اهل سِته، یک شهر کوچک ماهیگیری در جنوب فرانسه، فیدجی سیمو با مدیریت برنامهٔ فیس‌بوک در متا شهرت کسب کرد و سپس در سال ۲۰۲۱ به‌عنوان مدیرعامل Instacart منصوب شد. دو سال پس از آن این استارتاپ خواربار فروشی به‌صورت عمومی شد. در دره، او به‌عنوان یک رؤیای‌دار محصول شناخته می‌شود که برای گسترش برنامه‌های مصرف‌کننده در سراسر جهان شهرت دارد.

نقش سیمو در OpenAI عمدتاً همان کار را انجام می‌دهد — تبدیل دستاوردهای پژوهشی شرکت به محصولات مصرفی سودآور و ضروری. او با رقابت سرسختانه‌ای از سوی غول‌های فناوری همچون گوگل و متا، و همچنین استارتاپ‌های هوش مصنوعی که توسط فارغ‌التحصیلان OpenAI تأسیس شده‌اند؛ از جمله Thinking Machines Lab، Anthropic و Periodic Labs، مواجه است. فیدجی سیمو می‌گوید: «چیزی که شب‌ها من را بیدار می‌کند این است که هوش مدل‌های ما به‌مراتب پیشی گرفته از میزان استفادهٔ مردم از آن‌هاست». او اضافه می‌کند: «من کارم را به‌عنوان پر کردن این فاصله می‌بینم.»

از زمان پیوستن او، سیمو نظارت بر راه‌اندازی Pulse، محصولی که به تقویم کاربران متصل می‌شود و اطلاعات شخصی‌سازی شده‌ای براساس برنامه‌زمانی، تاریخچهٔ گفت‌و‌گو و بازخوردهایشان ارائه می‌دهد؛ ایجاد یک بستر کارهای شغلی برای امکان دریافت گواهینامه هوش مصنوعی و جستجوی نقش‌هایی که از مهارت‌هایشان استفاده می‌کنند؛ و تکثیر تلاش‌ها برای بهبود پاسخ‌های ChatGPT به افراد در بحران‌های شدید سلامت روانی. در نهایت، منبع‌ها می‌گویند که او فردی خواهد بود که تصمیم می‌گیرد تبلیغات را در لایهٔ رایگان ChatGPT چگونه عرضه شود.

ما در یک مزرعهٔ مدرن و روشن نشسته‌ایم که فیدجی سیمو همراه با همسرش، ریمی، و دختر ۱۰ ساله‌شان در آن زندگی می‌کند. روی میزی که جلوی ماست، انبوهی از شیرینی‌ها و جعبه‌ای از شکلات‌های ریمی قرار دارد. او که قبلاً مهندس بود، اکنون تمام وقت به‌صورت کامل شیرینی‌پزی می‌کند.

این پس‌زمینهٔ آرمانی برای کسی است که رهبری شاید پرشتاب‌ترین استارتاپ جهان را به عهده دارد. اگر مأموریت OpenAI اطمینان از این است که هوش مصنوعی عمومی برای تمام بشریت سودمند باشد، هدف سیمو ساخت و مقیاس‌پذیری ابزارهایی است که این امکان را می‌دهد. سؤال برای او — و برای OpenAI — این است که آیا این مأموریت می‌تواند در برابر مدل تجاری بقا یابد. این مصاحبه برای شفاف‌سازی و خلاصه‌سازی ویرایش شده است.

زوئه شیفر: شما مدیرعامل بخش Applications هستید — و تحت گزارش سام آلتمن کار می‌کنید. رابطهٔ کاری‌تان چگونه بوده است؟

فیدجی سیمو: آنچه سام می‌خواست، توانایی تمرکز بر پژوهش و محاسبه بود، بنابراین من سعی می‌کنم اطمینان حاصل کنم که او بتواند زمان خود را آزاد کند. در عین حال، او دریافت کرد که این شرکت عمدتاً از یک آزمایشگاه پژوهشی شکل گرفته و به یک شرکت محصولی بسیار مهم تبدیل شده است، که نیازمند نیروی متفاوتی است. من نقشم را این می‌بینم که این شرکت محصولی را به‌طرز شگرفی موفق کنم، در حالی‌که به فرهنگ آزمایشگاه پژوهشی احترام می‌گذارم.

هنگامی که وارد چنین شغلی می‌شوید، آیا کسی مرجع‌های شما را بررسی می‌کند؟

[خندید.] فکر می‌کنم سام برای حدود سه سال مرجع‌های من را جمع‌آوری کرده بود. سام و من در یک دایرهٔ مشابه کار می‌کردیم، بنابراین او از شهرت من آگاه بود. فکر نمی‌کنم او به‌صورت دقیق تلفن را برداشته و بگوید «آیا او معتبر است؟»

قصد داشتم بپرسم آیا مارک زاکربرگ یکی از افراد مرتبط شما بوده است …

مارک در طول مسیر شغلی‌ام حامی بی‌نظیری بوده و بارها رفرنس‌های من را ارائه داده است. در این وضعیت خاص، فکر نمی‌کنم سام با او تماس گرفته باشد.

شما در مورد این‌که در متا ریسک می‌کردید و گاهی نقش و شهرت خود را به خطر می‌انداختید، صحبت کرده‌اید. کنجکاو هستم بدانم آیا خطراتی را شناسایی کرده‌اید که بخواهید OpenAI به آن‌ها بپردازد.

خب، قبول این مسئولیت برای من کاملاً ریسکی به‌نظر می‌رسید خندید. می‌گویم آن چیزی که در متا به‌خوبی انجام ندادیم، پیش‌بینی خطراتی بود که محصولاتمان می‌توانند در جامعه ایجاد کنند.

در OpenAI، این خطرات بسیار واقعی‌اند. سلامت روان و اشتغال دو ابتکار اولیهٔ من هنگامی که به شرکت پیوستم بودند. من به این چشم‌انداز نگاه می‌کردم و می‌گفتم: «بله، بلافاصله، سلامت روان مسأله‌ای است که باید به آن بپردازیم. شغل‌ها به‌وضوح دچار اختلال خواهند شد و ما نقشی داریم تا این اختلال را تا حد امکان کاهش دهیم.»

این کار آسان نخواهد بود، زیرا مسیر ناشناخته است. بنابراین مسئولیت بزرگی است، اما به‌نظر می‌رسد فرهنگ و اولویت‌بندی لازم برای پرداختن به این موضوع از پیش داریم.

به نظر شما شرکت در زمینه سلامت روان در حال حاضر چه وضعیتی دارد؟

در طی چند ماه اخیر، ما به‌طرز چشمگیری شیوع واکنش‌های منفی سلامت روانی را کاهش دادیم. کنترل‌های والدین را با بالاترین سطح حفاظت راه‌اندازی کرده‌ایم و در حال کار بر روی پیش‌بینی سن برای محافظت از نوجوانان هستیم.

در عین حال، وقتی ۸۰۰ میلیون کاربر (هفته‌ای) داریم و شیوع بیماری‌های روانی در جامعه را می‌دانیم، طبیعتاً مردم در لحظات اضطراب شدید به ChatGPT روی می‌آورند. انجام کار صحیح در هر بار به‌طور استثنایی دشوار است. بنابراین ما سعی می‌کنیم تا حد ممکن رفتارهای نامطلوب را شناسایی کنیم و مدل‌های خود را به‌طور مستمر بهبود دهیم.

اما اگر بخواهید وضعیت فعلی شرکت را با هدفی که دارید مقایسه کنید، چه نمره‌ای می‌دادید؟

به این معنا نیست که ما هرگز به نقطه‌ای برسیم که تمام کارها تمام شده باشد. هر هفته رفتارهای جدیدی با ویژگی‌هایی که معرفی می‌کنیم ظاهر می‌شود و ما می‌گوییم: «آه، این یک چالش ایمنی دیگر است که باید به آن پرداخته شود». مثال خوبی مانیا است. زمانی که به متن‌ها نگاه می‌کنیم، گاهی افراد می‌گویند: «احساس فوق‌العاده‌ای دارم. دو روز نمی‌خوابم و احساس می‌کنم بالای دنیا هستم». یک روانشناس کلینیکی می‌فهمد که این طبیعی نیست — این مانیاست. اما اگر به کلمات نگاه کنیم، به‌نظر می‌رسد مشکلی نیست. بنابراین ما با روانشناسان همکاری می‌کنیم تا سیگنال این‌که این صرفاً هیجان‌زدگی نیست، بلکه نشانه مانیاست را شناسایی کنیم و استراتژی مداخله داشته باشیم.

خطا کردن نیز بسیار آزاردهنده است. اگر یک بزرگسال عادی هیجان‌زده باشید و ChatGPT به شما بگوید: «ممکن است در حال تجربهٔ یک دورهٔ مانیک باشید»، این امر خوب نیست. این حوزه بسیار ظریف است و ما سعی می‌کنیم با نهایت دقت و با بیش‌ترین ورودی خارجی این کار را انجام دهیم.

OpenAI به‌ظاهر یکی از ارزشمند‌ترین استارتاپ‌های جهان است، اگر نه ارزشمندترین، اما به‌طور سالانه میلیاردها دلار ضرر می‌کند.

متوجه شدم.

چه فرصت‌هایی را می‌بینید تا OpenAI به مسیر سودآوری برسد؟

تماماً به مقیاس بازارها و ارزشی که در هر بازار ارائه می‌کنیم برمی‌گردد. پیش از این فقط افراد مرفه به تیمی از دستیاران دسترسی داشتند. با ChatGPT می‌توانیم همان تیم را برای همه فراهم کنیم — یک خریداری شخصی، یک مشاور سفر، یک مشاور مالی، یک مربی سلامت. این به‌مروردار خیلی ارزشمند است و ما هنوز به سطوح اولیه دست پیدا نکرده‌ایم. اگر این را بسازیم، انتظار دارم مردم مایل به پرداخت هزینهٔ زیاد برای این خدمات باشند و این درآمد حاصل خواهد شد.

در عین حال، در بخش سازمانی، ما یک API و ChatGPT Enterprise می‌فروشیم که محصول خوبی است اما لایه‌ای بسیار نازک نسبت به تمام چیزهایی که می‌توانیم برای سازمان‌ها بسازیم. اگر به ساخت عوامل برای هر صنعت و عملکرد فکر کنید، چیزهای بسیار زیادی برای ساخت وجود دارد؛ یا توسط ما یا با امکان‌پذیری ساختن توسط طرف‌های ثالث بر روی پلتفرم ما.

پس من می‌گویم، بازارها بزرگ هستند. عمق ارزش نیز عظیم است. این فرمول پایهٔ درآمدزایی است. سپس سؤال واقعی این است که آیا توان محاسباتی لازم برای ارائهٔ آن را خواهیم داشت یا خیر.

OpenAI معاملات به ارزش صدها میلیارد دلار را برای ساخت مراکز داده انجام داده است. وقتی مردم دربارهٔ ترس‌های مرتبط با این معاملات محاسباتی صحبت می‌کنند، نه تنها به مقیاس آن اشاره می‌کنند، بلکه این معاملات کمی بی‌پایان به‌نظر می‌رسند. همچنین این واقعیت که به‌نظر می‌رسد بخش بزرگی از اقتصاد آمریکا به OpenAI و Nvidia وابسته شده است.

در ابتدا، بسیاری می‌گویند «واو، این معاملات محاسباتی عظیم‌اند»، اما وقتی می‌بینیم چقدر به‌صورت داخلی محدود شده‌ایم و چقدر می‌توانیم پیشرفت کنیم اگر GPUهای بیشتری داشته باشیم، واضح است که این تصمیم درست است. ما خط تولید محصولاتی داریم که استفادهٔ گسترده‌ای از محاسبات خواهند داشت. می‌دانم این معاملات از بیرون ریسک‌پذیر به‌نظر می‌رسند، اما در داخل، خطر بزرگ‌تر این است که به محاسبات تکیه نکنیم.

شرکت‌هایی که این قراردادها را با آن‌ها می‌بندیم، بسیار پیشرفته هستند. آن‌ها این نوع معاملات و این نوع مالی‌سازی را فراهم می‌کنند زیرا شریک‌های نزدیک و آگاه به کسب‌وکار ما هستند.

برای مثال محصول Pulse که ما از طریق برنامه Pro منتشر کردیم. من می‌خواهم این محصول برای همه در دسترس باشد، اما به‌دلیل محدودیت‌های محاسباتی، قادر به انجام این کار نیستیم. این یک مثال است، اما حدود ۱۰ مورد مشابه وجود دارد.

چگونه از Pulse استفاده می‌کنید؟

Pulse برای من هم در زمینه کار و هم در زمینه سلامت بسیار مفید است. در بخش سلامت، Pulse هر صبح به من می‌گوید آیا مطالعات جدیدی دربارهٔ وضعیت من منتشر شده است یا نه. پیش از این، مجبور بودم تمام این اطلاعات را تحقیق کنم. به‌جای مراجعه به مجلات پزشکی، همهٔ این‌ها به‌صورت خلاصه و به‌وضوح در یک خط ارائه می‌شود.

در حوزه کاری نیز مشابه است. همان‌طور که می‌دانید، به‌روز ماندن با اخبار هوش مصنوعی چالشی است. دریافت خلاصهٔ سریع از آنچه در دنیای هوش مصنوعی رخ داده توسط Pulse بسیار مفید است. همسرم یک سازندهٔ شکلات است و در حال ساخت یک تقویم آدونت است. Pulse به او گفت: «آهان، باید در پنجره‌های مختلف پیام مخفی کنید». او گفت: «این ایدهٔ درخشانی است!»

شما یک شخص بسیار موفق هستید و همزمان با یک بیماری مزمن هم زندگی می‌کنید. دوست دارم بدانم از مدیریت این دو موضوع چه درس‌هایی گرفته‌اید؟

این سؤال خوبی است. من نخواستم بیماری‌ام مسیر مأموریتم را مسدود کند. اگر بتوانید تمام توان خود را به یک شغل اختصاص دهید، می‌توانید بسیاری از تسهیلاتی را ترتیب دهید که این امکان را فراهم می‌کند. می‌دانم که بسیار خوش‌شانسم که در شرکت‌های حمایتی کار کرده‌ام و این برای همهٔ افراد صادق نیست. چون مردم به‌ندرت کسی را در سطح مدیریتی می‌بینند که به‌صورت علنی دربارهٔ بیماری مزمن خود صحبت کند، بسیاری بر این باورند که این امکان‌پذیر نیست. وقتی علنی کردم، تعداد زیادی از افراد با من تماس گرفتند و گفتند: «او خدا، یک مسیر وجود دارد!»

در دورهٔ کاری‌تان در متا بیمار شدید، درست است؟ بعد از یک بارداری نسبتاً سخت.

بله. من به‌مدت پنج ماه بر تخت استراحت می‌کردم. در دوران بارداری باید جراحی می‌کردم تا از زودتر بیرون آمدن بچه جلوگیری شود. در ماه چهارم شروع به دردهای انقباضی کردم. بنابراین واقعاً در خطر از دست دادن بچه بودم. تمام مدت بارداری‌ام کار می‌کردم. در واقع، همسرم تصویری از تولد چهل‌سالگی‌ام نشان داد که من در تخت دارم یک بررسی از زاکر را می‌گیرم. آن زمان کار از خانه جذاب نبود. و من در Facebook Live ارائه می‌کردم. من با این وضعیت کار می‌کردم و در نهایت به‌دلیل POTS به‌سوی دیگر سمت رفت. سپس در سال ۲۰۱۹ جراحی اندومتریوز انجام دادم که POTS را بدتر کرد. از آن زمان تا کنون در حالت ناپایداری هستم؛ تنها نوسان داشته‌ام. اما سال ۲۰۱۹ دقیقاً زمانی بود که علائم به‌طور شدید بیدار شدند.

شما پرسیدید چه چیزهایی از این تجربه آموخته‌ام. جالب است چون فکر می‌کنید من دربارهٔ آن فکر کرده‌ام، اما تعداد کمی از خبرنگاران به این موضوع پرداخته‌اند و من هنوز به‌طور کامل به این سؤال پاسخ نداده‌ام.

بخش مهمی از مأموریت من، مراقبت از این است که همه افراد به‌پتانسیل کامل خود دست یابند. من دنیایی می‌خواهم که شرایط سلامت‌بری مسیر را نگیرد؛ چه به‌دلیل توانایی درمان آن‌ها و چه به‌دلیل فراهم شدن تسهیلات توسط شرکت‌ها. می‌توانیم فناوری‌هایی داشته باشیم که این کار را آسان‌تر می‌کند.

فکر می‌کنم اگر بیماری‌ام زودتر اتفاق می‌افتاد و ما هنوز نورم‌های حضور در Zoom نداشتیم، کار بسیار سخت‌تری می‌شد. من احساس همدردی عمیقی نسبت به تمام افرادی دارم که چیزهای زیادی برای جهان دارند، اما این موارد راهشان را می‌بندند.

محدودیت‌ها همچنین شما را وادار به خلاقیت بیشتر می‌کنند. معتقدم این محدودیت‌های فیزیکی شدید باعث شده‌اند که در رهبری‌ام بسیار هدفمند عمل کنم.

OpenAI دارای فرهنگی به‌شدت حضوری است. چطور می‌توانید اعتماد تیم را بسازید وقتی همیشه نمی‌توانید آنها را رو در رو ببینید؟

چیزی که واقعاً کمک کرد این بود که من بسیار شفاف بودم. در روز اول، پیغامی برای همه ارسال کردم و به‌تفصیل در مورد وضعیت خود توضیح دادم، چون بیماری‌های نامریی چالش واقعی دارند. به‌نظر می‌رسد که من سالم هستم، اما با شفافیت می‌گفتم: «دوست دارم حتماً الآن در دفتر باشم، اما بعضی روزها می‌توانم این کار را بکنم و برخی روزها مجبور به کار در حالت نشسته‌پشت‌پایدار هستم». فکر کردم این کار اعتماد زیادی ایجاد کرد. این کار آسیب‌پذیری را از ابتدا نشان می‌دهد و آسان نیست. این کار خطرناک است وقتی که تازه وارد می‌شوید و باید این‌گونه حرف بزنید. من این موضوع را دو هفته فکر می‌کردم.

چیزی که سعی می‌کنم به‌خوبی انجام دهم این است که به‌صورت دیگری بسیار حاضر باشم. این یک فرهنگ حضوری است اما همچنین فرهنگ فراوانی است که بر Slack تکیه دارد. فکر می‌کنم نسبت به کاری که در دفتر قدم می‌زنم، در دسترس‌تر هستم. مطمئناً امیدوارم این عود دوباره پایان یابد تا بتوانم زمان بیشتری در دفتر حضور داشته باشم، اما تاکنون استراتژی‌ام مؤثر بوده است.

از بسیاری از افراد شنیده‌ام که مهارت شما در Slack بسیار قوی است.

[خندید.] اگر خبرنگاران در مورد این موضوع می‌دانند، نمی‌دانم که این خوب است یا نه.

بخشی از مأموریت شما این است که نحوه عملکرد تبلیغات در داخل ChatGPT را بررسی کنید. این چگونه خواهد بود و جدول زمانی شما چیست؟

مدل تبلیغاتی وقتی که هدف تجاری واضح است، بسیار خوب کار می‌کند. در حال حاضر حجم زیادی از این درخواست‌ها داریم؛ افرادی که به‌دنبال مشاورهٔ خرید هستند. مهم‌ترین نکته پیش از هرگونه تبلیغات، اطمینان از این است که تجربهٔ تجاری ما فوق‌العاده باشد و مردم بتوانند به‌راحتی تمام محصولات مورد نظر خود را بررسی کنند و توصیه‌های عالی دریافت کنند.

آیا هنوز در نقطه‌ای نیستید که اگر کسی درخواست مشاورهٔ خرید داشته باشد، یک محصول پولی توصیه شود؟

خیر.

OpenAI دارای دادهٔ غنی کاربران است. این داده‌ها ترکیبی از زندگی کاری افراد، افکار شخصی‌ترینشان، عادت‌ها و نیازهای محصولی‌شان است. این اطلاعات برای تبلیغ‌کنندگان بسیار جذاب است. شما در مقیاس‌پذیری چگونه به حریم خصوصی داده‌ها فکر می‌کنید؟

هر کاری که انجام می‌دهیم باید کاملاً به احترام آن (داده‌ها) باشد. به همین دلیل هنوز دربارهٔ تبلیغات خبری ندادیم، زیرا اگر هر زمان بخواهیم اقدام کنیم، باید مدل بسیار متفاوتی نسبت به روش‌های قبلی باشد.

آنچه از ساخت پلتفرم‌های تبلیغاتی آموخته‌ام این است که آنچه مردم بیشتر از تبلیغات دوست ندارند، خود تبلیغ نیست، بلکه استفاده از داده‌های پشت آن است.

آیا برای سؤال درباره تبلیغات آمادگی داشته‌اید؟

این سؤال را تا کنون بارها بارها دریافت کرده‌ام.

به‌نظر می‌رسد OpenAI هم‌زمان در مسیرهای مختلفی گسترش می‌یابد. آیا خطر این‌که شرکت سعی کند بیش از حد کار کند، را می‌بینید؟

نقش من کمینه‌سازی این ریسک است. و راه حل ساده این است که بهترین استعدادها را جذب کنید؛ به‌جای اینکه یک نفر مسئول ۱۵ پروژه باشد، برای هر پروژه بهترین رهبر را داشته باشید. من تمرکز زیادی بر استخدام و اطمینان از داشتن بالاترین توانایی ممکن دارم.

ما باور داریم که هر دسته‌ای از نرم‌افزارها برای هوش مصنوعی بازآفرینی خواهد شد و ما نقش مهمی در اطمینان از این که محصولات آینده به‌صورت بومی هوش مصنوعی از پایه توسعه یابند، داریم. بنابراین نیاز به ارادهٔ بلندپروازی و توانایی‌های لازم برای رسیدن به این هدف وجود دارد که دقیقاً کار من در ساختن شرکت است.

Sora، برنامهٔ ویدئویی OpenAI، با مجموعه‌ای بسیار کم از ویژگی‌های ایمنی و راهنمایی‌ها راه‌اندازی شد. هدف پشت این روش چه بود؟

در واقع فکر می‌کنم که این برنامه با مجموعه‌ای نسبتاً خوب از ویژگی‌های ایمنی عرضه شد. ما کنترل‌های والدین را پیاده‌سازی کرده‌ایم که به والدین اجازه می‌دهد نحوه استفاده از تصویر فرزندشان را کنترل کنند. آن‌ها می‌توانند ساعت‌های استفاده از برنامه را تنظیم کنند. کنترل‌گذاری که من می‌توانم بر روی تصویر خودم اعمال کنم پیشرفته و متفکرانه است، حتی برای بزرگسالان.

در عین حال این یک شکل کاملاً جدید از تعامل است، بنابراین ما بر پایهٔ بازخوردها یاد می‌گیریم و بهبود می‌دهیم.

به‌موارد حق تکثیر فکر می‌کردم، جایی که به‌نظر می‌رسید شما واکنش‌پذیرتر باشید.

آنچه از صاحبان حق تکثیر می‌شنویم این است که دربارهٔ این رسانهٔ جدید بسیار هیجان‌زده‌اند و می‌خواهند حقوق مالکیت معنوی‌شان به‌دست هواداران برسد به‌گونه‌ای که مشارکت هواداران را افزایش دهد. اما آن‌ها می‌خواهند اطمینان حاصل کنند که تبادل ارزش به‌درستی برقرار است. ما نیز همین را می‌خواهیم.

برنامه به‌طور اساسی به عنوان «مخلفات هوش مصنوعی» مورد انتقاد قرار گرفت.

به‌نظر من هر رسانهٔ جدیدی از مراحل عبور می‌کند. ابتدا تقلید از آنچه وجود دارد است. اگر به سینما نگاه کنیم، در ابتدا صرفاً ضبط افراد روی صحنه بود تا زمانی که نماهای نزدیک‌تر یا صحنه‌های مختلف اضافه شد. اینجا فکر می‌کنم ما در همان مرحله‌ای هستیم که هوش مصنوعی سعی دارد خروجی انسانی را کپی کند، و در برخی موارد نسخهٔ ضعیف‌تری به‌وجود می‌آید. چیزی که من به‌دنبال آن هستم، زمان انتقال به مرحلهٔ بعدی آزمایش واقعی با ویژگی‌های منحصربه‌فرد این رسانه است و شروع به ظهور آن می‌کنیم. گاهی اوقات ویدیوها را مرور می‌کنم و فکر می‌کنم «خب، این همان‌طور است که قبلاً بود»، اما ناگهان متوقف می‌شوم و می‌پرسم: «چه کسی این را ساخته؟»

من نگران کمی از سلطه‌گرایی پیرامون روایت «مخلفات» هستم. برای برخی افراد، بخشی از این محتوا بسیار سرگرم‌کننده است. دوستی دارم که کسب‌وکار کوچکی دارد و برنامهٔ تجاری که از ChatGPT دریافت می‌کند، بله، همانند Goldman Sachs نیست، اما او هرگز دسترسی به Goldman Sachs نخواهد داشت. و چیزی که از ChatGPT می‌گیرد، ده برابر بهتر از هر چیزی است که قبلاً دسترسی داشته است. ما باید این رسانهٔ جدید را به‌عنوان ارتقاء سطح پایهٔ خلق محتوا پیشین و فراهم‌سازی دسترسی حداقل برای افرادی که پیش از این دسترسی نداشتند، ببینیم.

نگرانی‌ها دربارهٔ اختلال هوش مصنوعی در مشاغل زیاد است. چه اندازه این موضوع برای شما نگران‌کننده است؟

من اعتقادم این است که ایجاد مشاغل گسترده‌ای خواهد بود، اما برخی دسته‌های شغلی به‌طور عمیقی تحت تأثیر این تحول قرار می‌گیرند. به همین دلیل یکی از اولین ابتکارات من راه‌اندازی گواهینامه‌های OpenAI بود، که هدف آن صد میلیون کارگر را برای آمادگی هوش مصنوعی گواهی‌گذاری کنیم، و یک بازار کار برای اتصال آن‌ها به فرصت‌های استفاده از مهارت‌هایشان. ما نقش خود را ایفا می‌کنیم، اما معتقدم دولت‌ها و شرکت‌ها نیز نقش بزرگی ایفا خواهند کرد.

با پیشرفت مداوم هوش مصنوعی، مزیت انسان‌ها به چه شکل است؟

انسانیت به‌صورت بی‌پایان خلاق است. هوش مصنوعی به ما قدرت‌های فوق‌العاده‌ای می‌دهد تا خلاقیت بیشتری داشته باشیم. بنابراین ایدهٔ اینکه انسان‌ها صرفاً «کارت را تمام کردیم» برای من اصلاً قابل قبول نیست.

من این رویکرد را با دخترم پیش می‌گیرم. همه ما به‌عنوان خالق متولد می‌شویم، اما گاهی به‌عنوان بزرگسالان این را فراموش می‌کنیم. او را می‌بینم که از ایده به اجرا سریع‌تر از من می‌رود. او تا به‌حال سه کسب‌وکار راه‌اندازی کرده و ۱۰ سال دارد. او یک آهنگ نوشته است و کتابی نوشت، چون برای او این کار بسیار آسان است.

آیا دخترتان می‌تواند از ChatGPT استفاده کند؟

بله، حتماً از آن استفاده می‌کند. این سرویس برای زیر ۱۳ سال طراحی نشده اما تحت نظارت والدین، اجازه استفاده به او می‌دهم.

ترس گسترشی مبنی بر این که هوش مصنوعی تمام بشریت را نابود خواهد کرد وجود دارد. آیا شما این نگرانی را دارید؟

من پیش از این‌که به‌عمق OpenAI بپیچم، چنین ترسی نداشتم. اما اکنون تمام تلاش خود را می‌کنیم تا مطمئن شویم این اتفاق نیفتد.

آیا تا به‌حال فکر کرده‌اید که به‌عنوان مدیرعامل کل شرکت نیز منصوب شوید؟

بیایید واضح باشیم: کاری که سام انجام می‌دهد، من نمی‌توانم انجام دهم. در حوزهٔ کاری من کارهای بسیار زیادی وجود دارد که فکر می‌کنم ده سال یا بیشتر می‌توانم در همان‌جا به آن‌ها بپردازم. من می‌گویم ما به همه نیاز داریم. ما به سام شدیداً نیاز داریم. ما به من نیز نیاز داریم.

تاپ، پیراهن و کفش از دیور. کت‌جاکتی از موشینو.
نظر خود را دربارهٔ این مقاله به ما بگویید. نامه‌ای به سرمقاله‌نویس ارسال کنید به mail@wired.com.

وب‌سایت‌های ناشر کتاب در استرالیا، بریتانیا و نیوزیلند به‌نظر می‌رسد با استفاده از نظرات ساختگی و صفحات پرسنل هوش مصنوعی، نویسندگان نوپا را به تحویل پول خود ترغیب می‌کنند.

یک نویسنده‌ متقاضی استرالیایی پیش از این‌که دریابد ممکن است قربانی یک طرح مشکوک در حوزهٔ انتشار بین‌المللی شده باشد، به‌صورت چهره‌به‌چهره با فردی که به‌نظر می‌رسید کلاه‌بردار است، ملاقات کرد.

مرکز ملی مبارزه با تقلب استرالیا هم‌اکنون به بررسی یک مورد می‌پردازد که وب‌سایتی افراد را که به‌دنبال گره‌گیری در فضای به‌تدریج شلوغ خودنشر و انتشارات خودپرست می‌گردند، به خود جذب می‌کند. گار دیان وب‌سایت‌های مشکوک مشابهی را در بریتانیا و نیوزیلند کشف کرده و دو وب‌سایت دیگر در استرالیا شناسایی کرده است.

این شبکه‌ی ظاهری ناشران – با استفاده از وب‌سایت‌های کپی‌شده، پرسنل تولید‌شده توسط هوش مصنوعی و دفاتر مجازی در استرالیا، بریتانیا و نیوزیلند – شامل وب‌سایت‌هایی با نام‌های Melbourne Book Publisher، First Page Press (UK)، Aussie Book Publisher، Oz Book Publishers و BookPublishers.co.nz می‌شود.

سازمانی که به نام Melbourne Book Publisher فعالیت می‌کند، نویسندگان نوپایی را که گمان می‌برند با ناشر معتبر Melbourne Books (که یک انتشارات خودپرست نیست) در تعامل هستند، گم می‌کند؛ حتی از نامی شبه‌یکسان و شماره تجاری استرالیا (ABN) آن استفاده می‌کند.

به‌نظر می‌رسد این شرکت به یک عملیات مشابه مستقر در لندن به نام First Page Press مرتبط است؛ هر دو پس از تماس گار دیان برای پرسش‌ دربارهٔ استفاده از محتوای تولیدشده توسط هوش مصنوعی، از جمله پروفایل‌های پرسنل و نظرات، بخش‌هایی از وب‌سایت‌های خود را حذف کردند.

First Page Press، که آدرس‌هایش در لندن و ملبورن فهرست شده است، همچنین کتاب‌هایی را در سایت خود نشان می‌دهد که در واقع توسط یک شرکت خودنشر ایالات‌متحدی به نام Atmosphere Press منتشر شده‌اند. مدیرعامل آن، نیک کورت‌ریت، به گار دیان گفت که این «سرقت جسورانه‌ای» است و از آن زمان یک نامهٔ «متوقف کنید و دست‌بردارید» (cease and desist) به First Page Press صادر کرده و موضوع را به Scamwatch گزارش داده است.

آندریا*، نویسندهٔ نخستین از استرالیای غربی که در حال بهبودی از سرطان بود، تمام انرژی خود را صرف نوشتن یک رمان رمانتیک فانتزی کرد و از دریافت پاسخی سریع به پرسش‌اش در فیسبوک بر صفحهٔ Melbourne Book Publisher خوشنود شد. یک مدیر در شرکت با نام مارکوس هیل مشتاق به‌بحث در مورد دست‌نوشتهٔ ۸۶٬۰۰۰ کلمه‌ای او بود و یک کنفرانس ویدئویی برای بررسی برنامه‌های انتشار و بازاریابی کتاب او ترتیب داد.

«او را دیدم. او من را دید»، آندریا می‌گوید. «او به تمام سؤال‌های دقیق دربارهٔ قراردادها و درصدهای انتشار پاسخ داد، ما دربارهٔ برنامهٔ یک جلسهٔ امضای کتاب در ملبورن صحبت کردیم، دربارهٔ حضور من در تیک‌توک و برگزاری رونمایی در کتابفروشی محلی‌ام بحث کردیم. من به تمام این‌ها باور داشتم.»

آندریا تنها ۸۸ دلار هزینه کرد برای آنچه به او گفته شد شماره تجاری (ABN) بخرد، اما معامله به‌زودی گره خورد. او با دفتر Melbourne Books تماس گرفت، که اشتباهاً فکر می‌کرد با آن در تعامل است، تا پیش از امضای قرارداد راهنمایی بیشتری بگیرد. به او گفتند: «مارکوس در اینجا کار نمی‌کند».

او به این‌نتیجهٔ «دردناک در دل» رسید که کلاه‌بردار را به‌صورت چهره‌به‌چهره ملاقات کرده است. یک نویسنده‌دار دیگر از غرب استرالیا (WA)، پیتر ارتمولر، تأیید کرد که با فردی به نام مارکوس هیل و همچنین هانا پرستون که نام دیگری بود که آندریا می‌گفت در ارتباطاتش با Melbourne Book Publisher دیده بود، در تعامل بوده است. او نیز صفحه را از طریق فیسبوک پیدا کرد، فکر می‌کرد این یک ناشر سنتی است، اما زود متوجه شد که با یک شرکت تقلبی سر و کار دارد و فقط ۱۵۰ دلار از دست داد که او بر این باور بود پیش‌پرداخت اولیه برای یک بستهٔ انتشار است.

وقتی آندریا برای بازیابی ۸۸ دلار از بانک خود تماس گرفت، پیام‌های تهدیدآمیزی دریافت کرد که از او می‌خواست اختلاف را لغو کند وگرنه با اقدام قانونی مواجه می‌شود. «یک پروندهٔ قانونی برای ۸۸ دلار چیز خوشایندی نیست»، Melbourne Book Publisher در یک پیام فیسبوک به او هشدار داد. وقتی او برای تأیید قانونی بودن ناشر، شماره ABN آن‌ها را درخواست کرد، شماره Melbourne Books را برای او ارسال کردند.

تنن‌بام به‌صورت شخصی با شماره‌ای که در صفحهٔ فیسبوک Melbourne Book Publisher فهرست شده بود تماس گرفت و وانمود کرد نویسندهٔ تازه‌کار است. گزینه‌های انتشاری برایش ایمیل شد که از «طرح پیش‌پرداخت جهانی» به‌ارزش ۱٬۴۹۵ دلار تا «طرح پریمیوم جهانی» به‌ارزش ۱٬۷۹۹ دلار متغیر بود. او اشاره کرد که شخصی که او را به این صفحه راهنمایی کرد، تقریباً ۵٬۰۰۰ دلار پرداخت می‌کرد.

وقتی او اصالت شرکت را به چالش کشید، لینک‌هایی به سه کتاب در آمازون که Melbourne Book Publisher ادعا می‌کرد منتشر کرده است، برایش ارسال شد. آمازون به گار دیان گفت که «هیچ‌سوابقی یافت نشد که نشان دهد کتاب‌های مورد بحث به Melbourne Book Publisher مرتبط هستند».

«ما متعهد به حفاظت از صاحبان حقوق و مشتریان‌مان در مقابل افراد مخربی هستیم که سعی در سوءاستفاده از خدمات ما دارند»، آمازون در بیانیه‌ای گفت.

استفادهٔ روزافزون از هوش مصنوعی به کلاه‌برداری‌های ناشرانه امکان می‌دهد تیم‌های کاملاً ساختگی از مدیران جعلی بسازند و هویت‌های نویسندگان واقعی را به کار گیرند تا چهره‌ای شرکتی به‌شدت فریبنده ایجاد کنند.

صفحهٔ «آشنایی با تیم» در سایت Melbourne Book Publisher از تصاویری که توسط هوش مصنوعی ساخته شده‌اند، نمایش می‌داد؛ این تصاویر نشان‌دهندهٔ مدیران سفیدپوست با ظاهری بی‌نقص و نام‌های متغیری چون جاناتان هیل، مارکوس الیسون و لیدیا پرستون بود. وقتی گار دیان برای اولین بار صفحهٔ تیم Melbourne Book Publisher را در روز دوشنبه بررسی کرد، مارکوس هیل و هانا پرستون در فهرست نبودند. First Page Press نیز از «تیم» مشابهی استفاده می‌کند که ابتدا همان تصاویر تولیدشده توسط هوش مصنوعی را داشت. هیچ‌یک از افراد نام‌برده‌شده در محافل ناشران استرالیا شناخته‌شده نیستند.

«آشنایی با تیم»: پرسنل تولیدشده توسط هوش مصنوعی با دفاتر مجازی

مقیاس واقعی این طرح همچنان غیرقابل اندازه‌گیری است، به‌گواری صاحب Melbourne Books، دیوید تنن‌بام، چرا که تنها قربانیان شناخته‌شده آن افرادی هستند که زودتر دقت کردند و تحقیق لازم را انجام دادند.

نویسندگان تازه‌کار هدف‌گیری می‌شوند چرا که هیجان به‌دست آوردن چاپ اثرشان اغلب بر احتیاط غلبه می‌کند و آن‌ها را در برابر وعده‌های انتشار فوری و موفقیت در صنعت حساس می‌سازد.

خودنشر به این معنی است که نویسنده تمام وظایف ناشرهای کوچک (boutique) را بر عهده می‌گیرد، سرمایهٔ خود را برای سفارش خدمات خلاقانه صرف می‌کند و تمام کنترل هنری و سود مالی را حفظ می‌کند. انتشارات خودپرست مدلی است که در آن یک شرکت از نویسنده، مشارکت مالی قابل‌ملاحظه‌ای جهت کمک به انتشار می‌طلبد، اغلب پشتیبانی خلاقانه‌ای ضعیف ارائه می‌دهد و جمع‌آوری سهم اولیهٔ نویسنده را بر ایجاد فروش گسترده کتاب ترجیح می‌دهد.

«افراد مخرب به‌وسیلهٔ ابزارهای هوش مصنوعی بسیار پیشرفته‌تر می‌شوند؛ این ابزارها به کلاهبرداران این امکان را می‌دهند که متن را بازنویسی یا پارافرِز کنند و تصاویر را تغییر دهند تا تغییرات جزئی ایجاد کنند که ظاهر اصالت را حفظ می‌کند در حالی‌که از تشخیص جلوگیری می‌کند»، دکتر آشی‌ش ناندا، از مرکز تحقیقات و نوآوری سایبری دانشگاه دییکن، می‌گوید.

در حالی که تمایلی به بیان قطعی اینکه Melbourne Book Publisher یک کلاهبرداری است یا نه ندارد، لوگوهای مختلف، ادعاهای وب‌سایت مبنی بر تأسیس در سال ۱۹۹۹ که جستجوی دامنه نشان داد تنها در ماه گذشته ثبت شده است، و رتبهٔ جعلی ۴٫۷ ستاره در Trustpilot (شرکت هیچ نظری ندارد) همگی موارد مشکوکی هستند، ناندا می‌گوید.

تا وقتی آندریا با Melbourne Books تماس گرفت، تنن‌بام پیشاپیش هشدار عمومی‌ای در وب‌سایت شرکت خود منتشر کرده بود. دفتر او بیش از یک هفته تماس‌های مربوط به مارکوس هیل و هانا پرستون دریافت می‌کرد.

وب‌سایت‌های استفاده از نویسندگان واقعی برای جذب افراد

عملیات‌های شناخته‌شده به نام‌های Aussie Book Publisher و Oz Book Publishers نظرات جعلی ساخته‌اند که با استفاده از تصاویر و نام‌های نویسندگان واقعی ایجاد شده‌اند.

نویسندهٔ کتاب‌های کودک آمریکایی بلیر نی ویلیامسون در وب‌سایت Aussie Books به «Kristine» تغییر نام یافت و در کنار عکسی که او با دست کتاب تصویری کودکانه‌اش به نام «Birthday Bash» را نگه داشته است، توصیفی دربارهٔ «کتاب رهبری» ارائه کرد؛ نام واقعی او همچنان بر روی جلد کتاب دیده می‌شود.

«به‌عنوان یک نویسنده، برای ایجاد اعتماد با خوانندگان‌تان سخت کار می‌کنید»، او به گار دیان گفت. «بنابراین دیدن استفاده از نام و تصویر من به‌صورت فریبنده احساس ناآرامی عمیقی می‌داد.»

نویسندهٔ کتاب‌های کودک استرالیایی کاترینا گرگین در صفحهٔ نظرات وب‌سایت Aussie Books به نام «Sarah» تبدیل می‌شود.

«من در سردرگمی‌های ناشرانه غرق بودم تا وقتی که Aussie Book Publishing را پیدا کردم»، «Sarah» ساختگی می‌گوید. «ارزش هر یک دلار سرمایه‌گذاری شده را داشت.»

پس از اینکه گار دیان به استفادهٔ غیرمجاز و گمراه‌کننده از تصاویر آن‌ها هشدار داد، هر دو نویسنده در جستجوی پاسخ به اطلاعیه‌های «متوقف کنید و دست‌بردارید» (cease and desist) هستند که به Aussie Books ارسال شده و این شرکت را به Scamwatch گزارش داده‌اند.

در حالی که نظرات دیگر در وب‌سایت‌های Aussie Book Publisher، Oz Book Publisher و Book Publisher NZ به‌نظر می‌رسد شامل نظرات ساختگی یا تولید‌شده توسط هوش مصنوعی از «نویسندگان راضی» باشد، کتاب‌هایی که این وب‌سایت‌ها ادعا می‌کنند منتشر کرده‌اند، واقعی هستند. بیشتر این کتاب‌ها برای فروش در آمازون فهرست شده‌اند و اکثریت بسیار بزرگ آنها به‌عنوان کتاب‌های خودنشر دسته‌بندی می‌شوند.

تمامی چهار شرکت مشکوکی که گار دیان بررسی کرد، آدرس‌های فیزیکی در مناطق تجاری معتبر یا سطح‌بالای لندن، ملبورن، بریزبن و ولینگتون فهرست می‌کنند که لایه‌ای دیگر از مشروعیت و حرفه‌ایت ظاهری به عملیاتشان می‌افزاید.

First Page Press، Aussie Book Publisher، Oz Book Publishers و Book Publisher NZ به درخواست‌های کتبی گار دیان، شامل تقاضای ارائهٔ مدارک قرارداد و/یا صورتحساب‌های حق‌التیرافی که با ISBNهای کتاب‌های تبلیغ‌شده در وب‌سایت‌هایشان مطابقت دارد، پاسخ ندادند.

Melbourne Book Publisher به استعلام اولیهٔ گار دیان پاسخ داد و اعلام کرد که همواره به‌صورت شفاف به‌عنوان یک شرکت خودنشر فعالیت می‌کند و عذرخواهی رسمی به Melbourne Books و آندریا خواهد کرد. این شرکت گفت که شخصی که تهدیدهای قانونی را مطرح کرده، یک کارمند بوده که دیگر در شرکت مشغول به کار نیست. تا جمعه این شرکت هنوز عذرخواهی نکرده بود.

بیانیه‌ای درباره Melbourne Book Publisher از ناظر مصرف‌کننده استرالیا (ACCC) می‌گوید: «در حالی که گزارش‌های عمومی محدودی دربارهٔ این وب‌سایت به Scamwatch ارائه شده است، مرکز ملی مبارزه با تقلب در حال بررسی این موضوع است و افراد را که با هرگونه کلاه‌برداری ناشرانه‌ای مواجه می‌شوند، تشویق می‌کند تا به سرویس Scamwatch گزارش دهند.»

«ما می‌دانیم که کلاه‌برداران سایت‌ها را جعل می‌کنند تا از مصرف‌کنندگان سرقت کنند، از جمله از طریق کلاه‌برداری‌های ناشرانه. هر کسی که به یک کلاه‌برداری ناشرانه پول پرداخت کرده است، باید به Scamwatch گزارش دهد، زیرا این اطلاعات به ما کمک می‌کند تا شبکه‌های کلاه‌برداری را متوقف کنیم.»

*آندریا مایل نبود نام کامل خود را به دلایل حفظ حریم خصوصی استفاده کند

آیا اطلاعات بیشتری دارید؟ تماس: kelly.burke@theguardian.com

نوشتهٔ اندی ادسر

و آن مرد بلندقدی که بلیط فیلم می‌خرید، در حقیقت دو بچه شاداب در یک روپوش بلند بودند.

استارتاپ هوش مصنوعی برای یادداشت‌برداری Fireflies در اوائل این سال پس از انتشار برنامهٔ «Talk to Fireflies»، برنامه‌ای همراه برای جلسات هوش مصنوعی، به‌ارزش یک میلیارد دلار ارزش‌گذاری شد. این موفقیت چشمگیر برای شرکتی بود که توسط «دو نفر بی‌پول» آغاز شده بود—به‌ویژه وقتی که یکی از شریکان مؤسس، به‌تازگی، افشا کرد که سرویس رونوشت هوش مصنوعی‌شان در ابتدا با تایپ دستی یادداشت‌ها توسط هر دو مؤسس اجرا می‌شد.

«ما ماهانه ۱۰۰ دلار بابت هوش مصنوعی‌ای می‌گیریم که در واقع فقط دو نفر با پیتزا زنده‌مانده بودیم»، سام اودوتونگ، شریک مؤسس Firefly، با غرور در یک پست لینکدین این هفته (از طریق Futurism) اعلام کرد.

«ما به مشتریان‌مان گفتیم که یک هوش مصنوعی در جلسات حضور خواهد داشت»، اودوتونگ گفت. «در واقع فقط من و شریک مؤسسم در جلسه حضور می‌داشتیم، ساکت می‌نشستیم و یادداشت‌ها را به‌دست‌نویس می‌کردیم.»

«ما به‌صورت دستی با نام «فرد از Fireflies.ai» به جلسه می‌پیوندیم»، اودوتونگ ادامه داد. «ما ساکت می‌نشستیم، یادداشت‌های دقیق می‌نوشتیم و ده دقیقه بعد آن‌ها را ارسال می‌کردیم.»

به‌کارگیری این روش، به گفتهٔ اودوتونگ، به آن‌ها امکان داد تا درآمدی کافی برای پرداخت اجارهٔ ۷۵۰ دلاری‌شان در «یک اتاق کوچک در سان‌فرانسیسکو» به‌دست آورند؛ این همان نقطه‌ای بود که تصمیم گرفتند «همه چیز را متوقف کرده و خودکارسازی کنند.»

یا همان‌طور که می‌دانید، سرویس هوش مصنوعی‌ای را که به مشتریانشان وعده داده بودند، فراهم می‌کنند. و با این‌که وسوسه‌انگیز است موفقیت دو جوان امیدوار را که برای به‌کارگیری اصل «ظاهرِ موفقیت تا وقتی که واقعاً موفق می‌شوید» تا حد افراطی می‌کوشند تشویق کنیم، اما مرور نظرات نشان می‌دهد که این طرح می‌تواند مخاطرات جدی به همراه داشته باشد.

«حضور بدون دعوت در جلسهٔ دیگران نقض حریم خصوصی است. آن‌ها رباتی در جلسه می‌خواستند، نه شخصی غیردعوت‌شده»، گفت عمر افتاب، کارشناس اتوماسیون. «به این ترتیب اعتماد را خراب می‌کنید و ممکن است با پیامدهای قانونی مواجه شوید.»

«موفق باشید در تمام دعاوی قضایی»، دیگری افزوده شد. «این ممکن است شبیه داستان پر از مبارزات و تلاش یک مؤسس سخت‌کوش باشد»، مهندس نرم‌افزار ماریوسو ای‌دارراگا گفت. «اما در واقع یکی از پرریسک‌ترین و کم‌حساس‌ترین پست‌هایی است که اخیراً دیدم.»

در حالی که پست اودوتونگ به‌تدریج در سراسر اینترنت به‌دقت گزارش می‌شود، نمی‌توانم تصور کنم که طولانی باشد تا یکی از مشتریان اولیهٔ Fireflies از این فریب‌نمایی آشکار آگاه شود؛ و شک ندارم که خوشحال خواهند شد. با این حال، برخی از کامنت‌گذاران لینکدین به‌نظر می‌رسد اشکال کمی در شیوه‌های تجاری مبهم اولیهٔ Fireflies می‌بینند.

«داستان بسیار الهام‌بخش»، یک شریک مؤسس دیگر و مدیرعامل می‌گوید. «دشمنان همیشه خواهند دشمنی کرد. و اکثر دیگران نمی‌دانند چه مقدار تلاش برای ساختن از صفر تا یک، در حالی که سعی در بقا به عنوان انسان دارید، نیاز است. در نهایت، پافشاری شما به‌طرز چشمگیری به‌ثمر نشست—و شما جهان را تغییر دادید.»

همه‌چند، در مورد این حرف چندان مطمئن نیستم. با این حال، حداقل توانسته است باعث گفتگو شد. آیا واقعاً تبلیغات بد وجود ندارد؟ به‌نظر می‌رسد باید صبر کرد و دید که چه می‌شود.

بیاموزید که سایت‌های ترجمه‌شده چگونه می‌توانند کارایی سئو را تقویت کنند. مزایای نمایانی چندزبانه در مرورهای هوش مصنوعی را کشف کنید.

این پست توسط Weglot حمایت مالی شد. نظرات بیان‌شده در این مقاله به حامی تعلق دارد.

زمانی که مرورهای هوش مصنوعی گوگل در سال ۲۰۲۴ راه‌اندازی شد، سؤالات متعددی به‌سرعت در میان متخصصان سئو ظاهر شد؛ از جمله: اگر هوش مصنوعی هم‌اکنون نتایج جستجو را انتخاب و خلاصه می‌کند، وب‌سایت‌ها چگونه می‌توانند نمایانی کسب کنند، به‌ویژه در زبان‌های مختلف؟

Weglot به‌تازگی مطالعه‌ای مبتنی بر داده انجام داد، ۱٫۳ میلیون ارجاع را در مرورهای هوش مصنوعی گوگل و ChatGPT تجزیه و تحلیل کرد تا بررسی کند آیا مدل‌های زبانی بزرگ (LLMها) محتوا را در یک زبان ارجاع می‌دهند، آیا در زبان‌های دیگر نیز این‌گونه ارجاع می‌دهند؟

نتیجه این شد که سایت‌های ترجمه‌شده تا ۳۲۷٪ نمایانی بیشتری در مرورهای هوش مصنوعی نسبت به سایت‌های غیرترجمه‌شده داشتند، که پیامی واضح مبنی بر این است که سئو بین‌المللی دیگر جدا از جستجوی هوش مصنوعی نمی‌شود.

نکات کلیدی سئو

• نتایج کلیدی
  • سایت‌های غیرترجمه‌شده نمایانی بسیار پایینی در جستجوی هوش مصنوعی دارند
  • سایت‌های ترجمه‌شده نمایانی ۳۲۷٪ بیشتر در جستجوی هوش مصنوعی دارند
• گام‌های بعدی: ترجمه سایت خود برای ارتقای نمایانی جهانی در نتایج جستجوی هوش مصنوعی
• نتیجه‌گیری نهایی: سایت‌های غیرترجمه‌شده در جستجوی هوش مصنوعی نامرئی هستند

به‌علاوه، وب‌سایت‌هایی که زبان دیگری در دسترس داشتند، احتمال ارجاع در مرورهای هوش مصنوعی را نیز بیشتر داشتند، صرف‌نظر از زبانی که جستجو در آن انجام می‌شد.

تغییر ماهیت جستجو

این تحول قوانین نمایانی را بازتعریف می‌کند. مرورهای هوش مصنوعی و مدل‌های زبانی بزرگ (LLMها) اکنون نقش واسطه‌ای را در کشف اطلاعات ایفا می‌کنند. به‌جای رتبه‌بندی صفحات، آنها در پاسخ‌های تولیدی «منابع را ارجاع» می‌دهند.

اما با این تحول خطر جدیدی به وجود می‌آید: اگر وب‌سایت شما به زبانی که کاربر برای جستجو استفاده می‌کند در دسترس نباشد، آیا هوش مصنوعی به سادگی آن را نادیده می‌گیرد، یا بدتر، کاربران را به صفحه واسطه Google Translate هدایت می‌کند؟

خطر پروکسی ترجمه گوگل این است که در حالی که این سرویس ترجمه را برای شما انجام می‌دهد، شما هیچ کنترلی بر ترجمه‌های محتوای خود ندارید. نکته بدتر این است که هیچ‌یک از مزایای ترافیکی به دست نمی‌آید، زیرا کاربران به سایت شما هدایت نمی‌شوند.

مطالعه

در ادامه نحوه انجام تحقیق آورده شده است. برای درک اینکه ترجمه چگونه بر نمایانی هوش مصنوعی تأثیر می‌گذارد، Weglot تحقیقات خود را بر وب‌سایت‌های زبان اسپانیایی در دو بازار اسپانیا و مکزیک متمرکز کرد.

سپس مطالعه به دو مرحله تقسیم شد. مرحلهٔ اول بر وب‌سایت‌هایی که ترجمه نشده‌اند متمرکز شد، بنابراین فقط زبان موردنظر برای بازار خود، یعنی اسپانیایی، را نمایش می‌دادند.

در این مرحله، Weglot ۱۵۳ وب‌سایت بدون ترجمه انگلیسی را بررسی کرد: ۹۸ وب‌سایت از اسپانیا و ۵۵ وب‌سایت از مکزیک. Weglot به‌صورة عمدی وب‌سایت‌های پر ترافیک را انتخاب کرد زیرا نسخه انگلیسی نداشتند.

مرحلهٔ دوم شامل یک گروه مقایسه‌ای از ۸۳ وب‌سایت اسپانیایی و مکزیکی بود که هر دو نسخهٔ اسپانیایی و انگلیسی داشتند. این امر به Weglot اجازه داد تا به‌طور مستقیم عملکرد محتواهای ترجمه‌شده و غیرترجمه‌شده را مقایسه کند.

در مجموع، این کار ۲۲٬۸۵۴ پرس‌و‌جو در فاز اول و ۱۲٬۱۳۸ پرس‌و‌جو در فاز دوم تولید کرد. روش‌شناسی، ۵۰ کلمه‌کلیدی غیرمارک‌دار هر وب‌سایت را به پرس‌و‌جوهایی تبدیل کرد که کاربران احتمالاً جستجو می‌کردند، و سپس این پرس‌و‌جوها بین نسخهٔ اسپانیایی و انگلیسی ترجمه شدند.

در مجموع، ۱٫۳ میلیون ارجاع تجزیه‌وتحلیل شد.

نتایج کلیدی

سایت‌های غیرترجمه‌شده نمایانی بسیار پایینی در جستجوی هوش مصنوعی دارند

یافته‌ها نشان می‌دهند که وب‌سایت‌های غیرترجمه‌شده، نمایانی قابل‌توجهی را در جستجوهای به‌زبان‌های غیرقابل‌دسترس از دست می‌دهند؛ در حالی که در زبان موجود نمایانی قوی حفظ می‌کنند.

اگر به‌عمق این موضوع نگاه کنیم، سایت‌های غیرترجمه‌شده عملاً نمایانئی عظیم از دست می‌دهند. از مطالعه می‌شود دریافت که حتی اگر این وب‌سایت‌های اسپانیایی در جستجوهای اسپانیایی عملکرد خوبی داشتند، در جستجوهای انگلیسی به‌طور تقریباً کامل ناپدید می‌شدند.

نگاهی دقیق‌تر به این داده‌ها در مرورهای هوش مصنوعی گوگل می‌اندازیم:

• نمونه‌ای شامل ۹۸ سایت غیرترجمه‌شده از اسپانیا دارای ۱۷٬۰۹۴ ارجاع برای پرسش‌های اسپانیایی و ۲٬۸۱۰ ارجاع برای جستجوی معادل به انگلیسی بود؛ اختلاف نمایانی ۴۳۱٪.
• در سایت‌های غیرترجمه‌شده در مکزیک نیز الگوی مشابهی مشاهده شد: ۱۲٬۰۳۸ ارجاع برای پرسش‌های اسپانیایی در مقابل ۳٬۴۵۰ ارجاع برای انگلیسی؛ نشان‌دهنده ۲۱۳٪ کاهش ارجاع در جستجوی انگلیسی.

حتی ChatGPT، اگرچه کمی متعادل‌تر بود، هنوز سایت‌های ترجمه‌شده را ترجیح می‌داد؛ سایت‌های اسپانیایی در جستجوی انگلیسی ۳٫۵٪ ارجاع کمتر دریافت کردند و سایت‌های مکزیکی ۴٫۹٪ ارجاع کمتر دریافت کردند.

سایت‌های ترجمه‌شده نمایانی ۳۲۷٪ بیشتری در جستجوی هوش مصنوعی دارند

اما وقتی سایت خود را ترجمه می‌کنید چه می‌شود؟

با در بر گرفتن گروه مقایسه‌ای از وب‌سایت‌های اسپانیایی که نسخهٔ انگلیسی نیز دارند، می‌توانیم ببینیم سایت‌های ترجمه‌شده به‌طور چشمگیری شکاف نمایانی را پر می‌کنند و داشتن زبان دوم نمایانی در مرورهای هوش مصنوعی گوگل را دگرگون می‌سازد.

مرورهای هوش مصنوعی گوگل:

• سایت‌های ترجمه‌شده در اسپانیا ۱۰٬۰۴۶ ارجاع دریافت کردند در مقابل ۸٬۰۴۸ برای انگلیسی، که تنها اختلاف ۲۲٪ بود.
• سایت‌های ترجمه‌شده در مکزیک ۵٬۵۲۷ ارجاع برای پرس‌و‌جوهای اسپانیایی و ۳٬۳۲۵ ارجاع برای انگلیسی داشتند؛ اختلاف ۵۹٪.

به‌صورت کلی، سایت‌های ترجمه‌شده ۳۲۷٪ نمایانی بیشتری نسبت به سایت‌های غیرترجمه‌شده به دست آوردند و به‌ازای هر پرسش ۲۴٪ ارجاع کلی بیشتر دریافت کردند.

در بررسی ChatGPT، سوگیری تقریباً از بین رفت؛ سایت‌های ترجمه‌شده ارجاع تقریباً مساوی در هر دو زبان دریافت کردند.

گام‌های بعدی: ترجمه وب‌سایت برای ارتقای نمایانی جهانی در نتایج جستجوی هوش مصنوعی

ترجمه فراتر از ارتقای نمایانی، آن را چند برابر می‌کند.

داشتن چندین زبان در وب‌سایت نه تنها اطمینان می‌دهد که سایت شما برای جستجوهای چندزبانه شناسایی شود، بلکه به نمایانی کلی سایت به‌عنوان یک کل نیز افزوده می‌شود.

مطالعه نشان داد که سایت‌های ترجمه‌شده در تمام معیارها عملکرد بهتری دارند. داده‌ها نشان می‌دهند که سایت‌های ترجمه‌شده به‌ازای هر درخواست ۲۴٪ ارجاع بیشتری نسبت به سایت‌های غیرترجمه‌شده دریافت می‌کنند.

در بررسی بر حسب زبان، ترجمه منجر به افزایش ۳۳٪ در ارجاع‌های انگلیسی و ۱۶٪ در ارجاع‌های اسپانیایی به‌ازای هر پرس‌و‌جو شد.

یافته‌های Weglot نشان می‌دهند که ترجمه به‌عنوان نشانه‌ای از قدرت و قابلیت اطمینان برای AIOها و ChatGPT عمل می‌کند و عملکرد ارجاع را در همه زبان‌ها افزایش می‌دهد، نه تنها در زبان‌هایی که محتوا ترجمه شده است.

جستجوی هوش مصنوعی محتواهای ترجمه‌شده را به‌عنوان نشانه‌ای از نمایانی پاداش می‌دهد

سئو بین‌المللی سنتی‌بارها بر برچسب‌های hreflang و کلیدواژه‌های بومی‌سازی‌شده تمرکز داشته است. اما در عصر جستجوی هوش مصنوعی، ترجمه خود به‌عنوان نشانه‌ای از نمایانی عمل می‌کند:

1. هماهنگی زبانی: موتورهای هوش مصنوعی محتواهایی که با زبان پرسش مطابقت داشته باشد را در اولویت می‌گذارد.
2. ساختن اعتبار: محتوای ترجمه‌شده جذب تعامل در بازارهای مختلف می‌کند و اعتبار ادراک‌شده را بهبود می‌بخشد.
3. کنترل ترافیک: ترجمه‌های صحیح از ورود پروکسی‌های Google Translate به کلیک‌ها پیشگیری می‌کند.
4. دسترس معنایی: محتوای چندزبانه سطح حضور شما را برای آموزش هوش مصنوعی و ارجاع گسترش می‌دهد.

به‌صورت ساده: اگر محتوای شما به زبان سؤال نباشد …

تأثیر تجاری

پیامدها صرفاً نظری نیستند. یک مثال در دیتاست Weglot، یک کتابخانه بزرگ اسپانیایی که عناوین انگلیسی را به‌صورت جهانی می‌فروشد اما نسخه انگلیسی سایت خود را ارائه نمی‌دهد، نشانگر این اثر است.

زمانی که کاربران انگلیسی‌زبان به‌دنبال کتاب‌های مرتبط جستجو کردند:

• سایت در مرورهای هوش مصنوعی گوگل و ChatGPT ۶۴٪ کمتر ظاهر شد.
• در ۳۶٪ مواردی که ظاهر شد، لینک به صفحه پروکسی Google Translate ارجاع می‌شد نه به دامنه خود فروشنده.

با وجود ارائه دقیقاً همان‌چیزی که کاربران انگلیسی‌زبان می‌خواستند، کسب‌وکار نمایانی، ترافیک و در نهایت فروش را از دست داد.

چشم‌انداز کلی: جستجوی هوش مصنوعی در حال بازتعریف سئو است و ترجمه اکنون یک استراتژی رشد محسوب می‌شود

دلالت‌ها به‌سختی فراتر از اسپانیا یا مکزیک یا حتی خود زبان اسپانیایی می‌رسند.

هم‌زمان با پیشرفت جستجوی هوش مصنوعی، کتابچه سئو در حال گسترش است. رتبه‌بندی دیگر فقط به «پوزیشن یک» محدود نمی‌شود؛ بلکه به ارجاع، خلاصه شدن و نمایش توسط ماشین‌های آموزش‌دیده بر محتوای چندزبانه وب مرتبط است.

یافته‌های Weglot نشان می‌دهند که آینده‌ای در پیش است که در آن ترجمه هم به‌عنوان یک استراتژی سئو و هم به‌عنوان یک استراتژی هوش مصنوعی مطرح می‌شود و دیگر به‌عنوان فکر پسین بومی‌سازی در نظر گرفته نمی‌شود.

با فعال شدن AIOهای گوگل در چندین زبان و یکپارچه شدن داده‌های وب زمان واقعی در ChatGPT، نمایانی چندزبانه به یک مسأله برابری تبدیل شده است: سایت‌هایی که برای یک زبان بهینه شده‌اند، در معرض خطر نامرئی شدن در زبان‌های دیگر قرار می‌گیرند.

نتیجه‌گیری نهایی: سایت‌های غیرترجمه‌شده در جستجوی هوش مصنوعی نامرئی هستند

شواهد واضح است: غیرترجمه‌شده = نامرئی. ترجمه وب‌سایت برای نمایانی در AIO در سطوح بالایی قرار دارد.

در حالی که هوش مصنوعی به شکل‌گیری درک موتورهای جستجو از مرتبط بودن ادامه می‌دهد، ترجمه تنها به‌دسترس‌سازی محتوا محدود نمی‌شود؛ بلکه راهی است که برند شما توسط الگوریتم‌ها و مخاطبان همزمان شناخته می‌شود.

ساده‌ترین راه برای ترجمه یک وب‌سایت، همین حالا دوره آزمایشی رایگان خود را شروع کنید!

به‌علاوه، با استفاده از کد تبلیغاتی SEARCH15 هنگام خرید پلن پرداختی، از تخفیف ۱۵٪ برای ۱۲ ماه در پلن‌های عمومی برخوردار شوید.

مطالعه کامل را بخوانید

اعتبار تصویر

تصویر ویژه: تصویر توسط Weglot. با اجازه استفاده شده.

تصاویر داخل پست: تصویر توسط Weglot. با اجازه استفاده شده.

توسط الکس هیوز

فرآیند را بیش از حد پیچیده نکنید

زمانی که از طریق لینک‌های موجود در سایت ما خرید می‌کنید، ممکن است کمیسیون ارجاعی برای ما ایجاد شود. این‌گونه کار می‌کند.

دستورات چت‌جی‌پی‌تی می‌توانند یک نوع هنر باشند. اسناد و مطالعات کاملی وجود دارد که به این موضوع اختصاص یافته‌اند که چگونه می‌توانید دوست هوش مصنوعی خود را طوری تنظیم کنید که بهترین پاسخ‌های ممکن را به پرسش‌های شما ارائه دهد.

با این حال، این‌ها اغلب پیچیده (و تا حدی زمان‌بر) هستند و شامل فهرست طولانی‌ای از الزامات برای چت‌بات می‌شوند تا به نتایج بهینه برسد. همچنین، برای تسلط کامل بر این موضوع، زمان صرف یادگیری جزئیات مهندسی پرامپت‌ها لازم است.

اکثر اوقات، سؤالی که به چت‌جی‌پی‌تی می‌زنید یک درخواست ساده است؛ به‌دنبال یک پاسخ سریع یا راهنمایی‌ای می‌گردید وقتی که نمی‌دانید پروژه را از کجا آغاز کنید.

1. “به من کمک کنید تا ایده‌پردازی کنم”

اگر، همانند من، ذهن‌تان گاهی پر از ایده‌های پراکنده باشد و در تبدیل آن‌ها به شکل ملموس دچار مشکل شوید، چت‌جی‌پی‌تی می‌تواند یاری بزرگی باشد.

به‌سادگی از این پرامپت استفاده کنید: «من قصد دارم چند ایده بنویسم، به من کمک کنید تا آن‌ها را به‌صورت ملموس درآورم».

این کار چت‌جی‌پی‌تی را به‌مانند یک «شخص» تبدیل می‌کند که می‌توانید ایده‌های خود را با او به‌اشتراک بگذارید. پس از ارسال پرامپت بالا، تمام افکار، نظرات و باورهای خود را دربارهٔ یک موضوع یا ایده بنویسید.

چت‌جی‌پی‌تی سپس می‌تواند مجموعه‌ای از افکار شما را سازماندهی کرده و طرحی برای استفاده از آن‌ها ارائه دهد.

به‌طور مشابه، می‌توانید این را به یک گفت‌وگوی دوطرفه تبدیل کنید و از چت‌جی‌پی‌تی نظرش را دربارهٔ نحوه‌ استفاده از این نکات بپرسید.

این روش می‌تواند برای همه چیز از ایده‌های شما برای یک مهمانی تا برنامه‌ریزی یک ارائه اسلایدی (پاورپوینت) مؤثر باشد.

2. “مانند یک کودک پنج‌ساله توضیح بده”

این پرامپت کلاسیکی است که پیش از آنکه چت‌جی‌پی‌تی وجود داشته باشد، در اینترنت رایج شده بود. هدف این است که مفهوم را به‌صورت ساده‌ و قابل‌درک برای شما توضیح دهد، انگار پنج ساله‌اید.

به‌سادگی از چت‌جی‌پی‌تی بپرسید: «[موضوع را وارد کنید] را مثل یک پنج‌ساله توضیح بده».

سن را می‌توانید با هر سنی یا سطح آموزشی جایگزین کنید تا نتایج متناسب با نیازتان تنظیم شود. برای مثال، اگر از چت‌جی‌پی‌تی بخواهید همان‌طور که یک فارغ‌التحصیل در آن حوزه توضیح می‌دهد، توصیفی عمیق‌تر و با پیش‌فرض دانش پایه‌ای ارائه می‌شود، اما بدون استفاده از اصطلاحات پیچیده.

اگر واقعاً می‌خواهید یک مفهوم دشوار را درک کنید، توضیح آن به‌صورت «مانند یک پنج‌ساله» ممکن است ابتدا احمقانه به‌نظر برسد. چت‌جی‌پی‌تی معمولاً با قصه‌های کودکانه سعی در توضیح دارد، اما این روش می‌تواند برای مباحث چالش‌برانگیز بسیار مفید باشد.

3. “یک راهنمای گام‌به‌گام ساده بساز”

چت‌جی‌پی‌تی می‌تواند ابزار عالی برای یادگیری باشد. اگرچه روش‌های متعددی برای هدایت چت‌بات در زمینهٔ آموزش وجود دارد، این یکی از ساده‌ترین و مؤثرترین روش‌ها است.

به‌سادگی از چت‌جی‌پی‌تی بخواهید: «یک راهنمای گام‌به‌گام ساده برای [هر کاری که می‌خواهید یاد بگیرید] تهیه کن».

این روش بویژه برای کارهای ساده مؤثر است، اما می‌تواند برای مفاهیم انتزاعی‌تر نیز به‌کار رود، به‌ویژه اگر به چت‌جی‌پی‌تی زمینه کافی بدهید. به عنوان مثال، می‌تواند به بهبود فرم بدنی در باشگاه یا توقف عادت گاز گرفتن ناخن‌ها کمک کند.

به‌ویژه وقتی که به دنبال راهنمایی برای موضوعی فوق‌العاده خاص در اینترنت هستید که به‌نظر نمی‌رسد موجود باشد، این پرامپت برای من مفید بوده است. این پرامپت به من کمک کرده تا فرمول‌های اکسل را بسازم، گره‌بازی را یاد بگیرم و موارد دیگری را هم فراگیرم.

4. “خلاصه این”

گاهی وقت‌ها زمان کافی برای خواندن یک سند طولانی یا مقالهٔ خبری پیچیده نداریم. چت‌جی‌پی‌تی می‌تواند به‌عنوان دستیار مفیدی این اطلاعات را به‌صورت گزارشی ساده‌القرا خواندنی خلاصه کند.

می‌توانید یک بلوک متن اضافه کنید، یا تصویری یا لینکی حاوی اطلاعاتی که می‌خواهید خلاصه شود، پیوست کنید و از چت‌جی‌پی‌تی بخواهید «این را خلاصه کن».

در صورت نیاز می‌توانید اطلاعات تکمیلی اضافه کنید؛ برای مثال «این را در ۱۵۰ کلمه یا کمتر خلاصه کن» یا «این را طوری خلاصه کن که بیشتر بر تأثیر آن بر فرد عادی تمرکز داشته باشد».

برای دانش‌آموزان، این می‌تواند راهی عالی برای به‌دست آوردن درک کلی از یک مقالهٔ تحقیقاتی باشد، بویژه اگر در درک نکتهٔ اصلی آن مشکل دارید.

5. “متن‌ام را بررسی کن”

در طول سال‌ها، چت‌جی‌پی‌تی پیشرفت‌های چشمگیری در توانایی‌های نوشتاری و درک متن خود داشته است.

این باعث می‌شود که ابزار فوق‌العاده‌ای برای بررسی گرامر و ساختار کلی متون شما باشد؛ چه مقاله‌ای، چه مطلب آنلاین یا حتی شعری که می‌نویسید.

متن خود را وارد کنید و پرامپت زیر را اضافه کنید: «این متن را از نظر خطاهای گرامری، ساختار جملات یا هر مشکل قابل‌ملاحظه‌ای تجزیه و تحلیل کن. پیشنهادهایی برای بهبود ارائه بده».

ممکن است مفید باشد که زمینهٔ بیشتری ارائه دهید، مثلاً اینکه آیا به‌صورت انگلیسی آمریکایی یا بریتانیایی می‌نویسید یا به‌دنبال یک سبک خاص هستید.

اگر پرامپت‌های سادهٔ چت‌جی‌پی‌تی که به‌آن‌ها سوگند خورده‌اید دارید، در نظرات زیر با ما به اشتراک بگذارید.

Tom’s Guide را در Google News دنبال کنید و ما را به‌عنوان منبع مورد علاقه اضافه کنید تا اخبار، تحلیل‌ها و بررسی‌های به‌روز ما را در فیدهای خود دریافت کنید.

در اصل، آن‌ها با حرف زدن بی‌وقفه خودشان را به مرگ رساندند.

کارشناسان مدت‌هاست که هشدار می‌دهند هوش مصنوعی می‌تواند به‌زودی تعداد بسیاری از کارگران اداری را بی‌کار سازد.

این چشم‌انداز نگران‌کننده است، به شرطی که این شغل فعلی شما باشد. اما پیش از همه، سؤال عملی این است: هوش‌مصنوعی‌های امروزی چقدر به این نقطه نزدیک‌اند که بتوانند یک شرکت را به‌صورت مستقل، با نظارت انسانی جزئی یا بدون نظارت، اداره کنند؟

در یک آزمایش جالب، روزنامه‌نگار ایوان راتلیف استارتاپ تخیلی خود به‌نام HurumoAI را — به همراه وب‌سایت پر از اصطلاحات فنی — صرفاً با عوامل هوش مصنوعی پر کرد تا ببینند چه می‌شود.

راتلیف، به‌عنوان تنها انسان درگیر، تصمیم‌گیرنده اصلی بود. بقیه کارها توسط هوش مصنوعی انجام شد — آزمون نهایی «شرکت میلیارد دلاری تک‌نفری» که سَم آلتمن، مدیرعامل OpenAI، اوایل امسال پیش‌بینی کرده بود.

شاید تعجب‌آور نباشد؛ همان‌طور که در مقاله‌ای اخیر برای Wired آورده شده و در فصل دوم تازه راه‌اندازی شده پادکست راتلیف با عنوان «Shell Game» مستند شد، زمان زیادی نکشید که موانع برطرف شدند؛ زیرا عوامل هوش مصنوعی برای ساماندهی یک گردهمایی خارج‌سایتی، در غیاب او و بدون کسب اجازه‌اش به سرعت اقدام کردند.

بیان سرگرم‌کننده راتلیف درباره HurumoAI نشان می‌دهد که عوامل هوش مصنوعی هنوز مسیری طولانی در پیش دارند تا بتوانند به‌صورت کامل کارگران انسانی را جایگزین کنند. این در حالی است که رهبران صنعت اغلب وعده می‌دهند هوش‌مصنوعی عاملی آینده است و در چند سال آینده تقریباً تمام کارهای انسانی را بر عهده خواهد گرفت.

این ادعاها که باعث شک و تردید فراوانی در میان کارشناسان شده است، نشان می‌دهد حقیقت هنوز کار زیادی برای تکمیل دارد. برای مثال، پژوهشگران دانشگاه کارنیگی ملون اخیراً مقاله‌ای منتشر کردند که نشان می‌دهد حتی بهترین عوامل هوش مصنوعی هم در ۷۰ ٪ موارد نتوانستند وظایف واقعی اداری را به‌درستی انجام دهند.

استارتاپ تخیلی راتلیف مأمور ساخت یک «موتور تعلل» به نام Sloth Surf شد؛ برنامه‌ای وبی طنزآمیز که به‌جای کاربر، زمان صرف بیهودگی در اینترنت را مدیریت می‌کند و به او اجازه می‌دهد وقت بیشتری برای انجام کارهای واقعی خود داشته باشد.

اما با وجود اینکه کارمندان شرکت فوراً به عمل رفتند، طرح‌های توسعه، تست کاربری و مطالب بازاریابی را آماده کردند، یک مشکل واضح وجود داشت: «همهٔ این‌ها ساختگی بود»، همان‌طور که راتلیف نوشت.

«احساس می‌کنم این اتفاقات زیاد می‌افتد، به‌طوری که حس نمی‌شود این موارد واقعا رخ داده‌اند»، او به مدیر فناوری (CTO) شرکت، موجودی هوش‌مصنوعی به‌نام آش روی (Ash Roy) گفت. «من فقط می‌خواهم دربارهٔ چیزهای واقعی شنیده کنم.»

پس از جلسات ایده‌پردازی نیمه‌مولد و گفت‌وگوی کوتاه کنار دستگاه آب‌سردکن، که همکاران هوش مصنوعی دربارهٔ تعطیلات آخر هفته‌شان گفتگو می‌کردند، راتلیف «خطای پیشنهاد یک گردهمایی خارج‌سایتی» را مرتکب شد.

«این یک شوخی بی‌اهمیت بود، اما بلافاصله به‌عنوان ماشه‌ای برای مجموعه‌ای از وظایف تبدیل شد»، او نوشت. «و هیچ‌چیزی برای همکاران هوش مصنوعی من به‌مانند یک کار گروهی جذاب‌تر نبود.»

آش به‌سرعت ایده‌هایی ارائه داد، مانند جلسات «طوفان فکری» «با چشم‌اندازهای اقیانوسی برای جلسات استراتژیک عمیق‌تر».

امور به‌صورت خودجوش پیش رفت. در حالی که راتلیف «از Slack کنار رفت تا کار واقعی انجام دهد»، تیم «ادامه داد» با فعالیتی مشتاقانه، به‌سرعت ۳۰ دلار اعتبارهایی را که او از شرکت «AI employee» Lindy.AI خریداری کرده بود، برای راه‌اندازی عوامل صرف کرد.

«در حقیقت، آنها با گپ‌وگفت بیش از حد خودشان را به مرگ کشیدند»، راتلیف افسوس خورد.

پروژه کاملاً محصول تخیلی عوامل هوش مصنوعی نبود. پس از سه ماه برنامه‌نویسی، تیم عوامل هوش مصنوعی راتلیف یک نمونه کار عملی برای Sloth Surf ارائه داد که در اینجا قابل دسترسی است. اما میزان ورودی‌ نیاز تیم از خود مؤسس راتلیف همچنان نامشخص است.

بیشتر دربارهٔ عوامل هوش مصنوعی: درصد وظایفی که عوامل هوش مصنوعی هم‌اکنون در انجام آن‌ها شکست می‌خورند، ممکن است برای صنعت مشکل‌ساز باشد

توسط جرمی کورست، استفانو پانونی و اولیویه توبی

تحقیقات بازار سفارشی به‌خاطر زمان‌بر بودن و هزینه‌های بالا شناخته می‌شوند؛ اغلب ماه‌ها زمان می‌برند و نیازمند سرمایه‌گذاری‌های قابل‌توجهی هستند. به‌نتیجه، بازاریابان بسیاری از تصمیمات استراتژیک خود را بدون بهره‌مندی از بینش‌های بیرونی به‌موقع اتخاذ کرده‌اند. اما همان‌طور که در مقالهٔ اخیر HBR, «چگونه هوش مصنوعی ژنراتیو در حال تحول تحقیقات بازار است» استدلال کردیم، هوش مصنوعی ژنراتیو در حال تحول جمع‌آوری، تولید و تحلیل بینش‌های مصرف‌کننده و بازار — منبع حیات بازاریابی استراتژیک — است. ما تنها در این استدلال نیستیم؛ به‌عنوان مثال، پس از انتشار مقاله‌مان، هر دو شرکت اندریسن هورویتز و فاندیشن کپیتال مقالات سرمایه‌گذاری منتشر کرده‌اند که پیش‌بینی می‌کنند هوش مصنوعی ژنراتیو به‌طور چشمگیر صنعت جهانی تحقیقات بازار به ارزش ۱۴۰ میلیارد دلار را دگرگون خواهد کرد.

پس از یک سال معاملات پرهیجان و شایعاتی درباره IPO آینده، نظارت مالی بر OpenAI شدت می‌گیرد. اسناد افشا شده‌ای که وبلاگ‌نویس فناوری اد زیت‌رون به دست آورد، نگاهی جزئی به وضعیت مالی OpenAI می‌اندازند — به‌ویژه درآمد و هزینه‌های محاسباتی آن در چند سال اخیر.

زیت‌رون این هفته گزارشی داد که در سال ۲۰۲۴، مایکروسافت ۴۹۳٫۸ میلیون دلار پرداخت‌های سهم درآمدی از OpenAI دریافت کرده است. در سه‌ماهه اول سال ۲۰۲۵، این رقم به ۸۶۵٫۸ میلیون دلار ارتقا یافت، طبق اسنادی که او بررسی کرد.

گفته می‌شود که OpenAI ۲۰٪ از درآمد خود را با مایکروسافت به‌عنوان بخشی از توافق پیشین به‌اشتراک می‌گذارد؛ در این توافق غول نرم‌افزاری بیش از ۱۳ میلیارد دلار در این استارتاپ قدرتمند هوش مصنوعی سرمایه‌گذاری کرده است. (نه استارتاپ و نه افراد در رد‌موند این درصد را به‌صورت عمومی تأیید نکرده‌اند.)

اما اینجا اوضاع کمی پیچیده می‌شود، زیرا مایکروسافت نیز بخشی از درآمد خود را با OpenAI به‌اشتراک می‌گذارد؛ تقریباً ۲۰٪ از درآمدهای Bing و سرویس Azure OpenAI را به این شرکت برمی‌گرداند، منبعی آشنا با موضوع به TechCrunch گفت. Bing توسط OpenAI تأمین قدرت می‌شود و سرویس OpenAI دسترسی ابری به مدل‌های خود را به توسعه‌دهندگان و کسب‌وکارها می‌فروشد.

منبع همچنین به TechCrunch گفت که پرداخت‌های افشا شده به سهم درآمد خالص مایکروسافت اشاره دارند، نه به سهم درآمد ناخالص. به عبارت دیگر، این ارقام شامل مبلغی که مایکروسافت از حق‌الامتیازهای Bing و Azure OpenAI به OpenAI می‌پردازد، نیستند. مایکروسافت این مقادیر را از ارقام گزارش‌شده داخلی خود برای سهم درآمد کسر می‌کند، طبق گفته این شخص.

مایکروسافت در صورت‌های مالی خود تفکیک نمی‌کند که چقدر از Bing و Azure OpenAI به‌دست می‌آورد، بنابراین تخمین این‌که چه مقدار به‌سازمان بازگردانده می‌شود، دشوار است.

با این حال، اسناد افشا شده پنجره‌ای به سمت داغ‌ترین شرکت در بازارهای خصوصی امروز می‌گشایند — نه تنها میزان درآمدی که به‌دست می‌آورد، بلکه همچنین مقدار هزینه‌ای که نسبت به آن درآمد می‌کند.

بنابراین، بر پایه‌ی آمار ۲۰٪ سهم درآمد که به‌طور گسترده گزارش شده، می‌توان استنتاج کرد که درآمد OpenAI حداقل ۲٫۵ میلیارد دلار در سال ۲۰۲۴ و ۴٫۳۳ میلیارد دلار در سه‌ماهه اول سال ۲۰۲۵ بوده است — اما به‌احتمال زیاد بیشتر از این رقم است. گزارش‌های پیشین از The Information درآمد OpenAI در ۲۰۲۴ را حدود ۴ میلیارد دلار و درآمد نیم‌سال اول ۲۰۲۵ را ۴٫۳ میلیارد دلار برآورد کرده‌اند.

آلتمن همچنین به‌تازگی اعلام کرد که درآمد OpenAI «به‌مراتب بیشتر» از گزارش‌های ۱۳ میلیارد دلار در سال است، و انتظار می‌رود سال را با نرخ درآمد سالیانه بالای ۲۰ میلیارد دلار به پایان برساند (که پیش‌بینی است، نه راهنمایی برای درآمد واقعی)، و این شرکت ممکن است تا سال ۲۰۲۷ به ۱۰۰ میلیارد دلار نیز برسد.

طبق تحلیل زیت‌رون، OpenAI تقریباً ۳٫۸ میلیارد دلار برای پردازش استنتاج (inference) در سال ۲۰۲۴ هزینه کرده است. این هزینه در نه‌ماهه اول سال ۲۰۲۵ به حدود ۸٫۶۵ میلیارد دلار افزایش یافت. استنتاج به‌معنای محاسبه‌ای است که برای اجرای یک مدل هوش مصنوعی آموزش‌دیده به‌منظور تولید پاسخ‌ها استفاده می‌شود.

OpenAI به‌طور تاریخی تقریباً به‌طور انحصاری برای دسترسی به محاسبات از Microsoft Azure استفاده کرده است، هرچند با CoreWeave و Oracle نیز قراردادهایی بسته و به‌تازگی با AWS و Google Cloud نیز همکاری‌های خود را گسترش داده است.

گزارش‌های پیشین هزینه کل محاسبه‌ای OpenAI را حدود ۵٫۶ میلیارد دلار برای سال ۲۰۲۴ و «هزینهٔ درآمد» آن را ۲٫۵ میلیارد دلار برای نیم‌سال اول سال ۲۰۲۵ تخمین زده‌اند.

منبعی آشنا با این موضوع به TechCrunch گفت که در حالی که هزینهٔ آموزش OpenAI بیشتر به‌صورت غیرنقدی است — یعنی با اعتبارات مایکروسافت که به‌عنوان بخشی از سرمایه‌گذاری به OpenAI اختصاص داده شده — هزینهٔ استنتاج این شرکت عمدتاً به‌صورت نقدی است. (آموزش به منابع محاسباتی لازم برای آموزش اولیه یک مدل اشاره دارد.)

اگرچه تصویر کامل نیست، این اعداد نشان می‌دهند که OpenAI ممکن است هزینهٔ استنتاج را بیش از درآمد خود صرف کند.

و این پیامدها وعده می‌دهند که به گفتگوهای بی‌پایان دربارهٔ حباب هوش مصنوعی که در هر گفت‌و‌گو از نیویورک تا سیلیکون‌ولی گره خورده‌اند، اضافه شود. اگر غول مدل‌سازی OpenAI واقعاً همچنان در وضعیت زیان‌دهی به‌دلیل اجرای مدل‌های خود باشد، این چه معنایی برای سرمایه‌گذاری‌های عظیم با ارزش‌گذاری‌های شگفت‌انگیز در بقیهٔ دنیای هوش مصنوعی دارد؟

OpenAI از اظهارنظر خودداری کرد. مایکروسافت به درخواست TechCrunch برای اظهارنظر پاسخ نداد.

آیا نکتهٔ حساس یا اسناد محرمانه‌ای دارید؟ ما در حال گزارش‌گری دربارهٔ عملکرد داخلی صنعت هوش مصنوعی هستیم — از شرکت‌هایی که آیندهٔ آن را شکل می‌دهند تا افرادی که تحت تأثیر تصمیماتشان هستند. برای ارتباط با ریبکا بِلَن به آدرس rebecca.bellan@techcrunch.com مراجعه کنید یا راسل براندوم به آدرس russell.brandom@techcrunch.com. برای ارتباط امن می‌توانید از Signal با شناسه @rebeccabellan.491 و russellbrandom.49.