تُظهر أبحاث جديدة أن شركات الذكاء الاصطناعي تعتمد على ناشرين متميزين للحصول على بيانات التدريب

تعتمد شركات التكنولوجيا الكبرى، بما في ذلك OpenAI وGoogle وMeta وAnthropic، على مواد عالية الجودة ومحمية بحقوق النشر من الناشرين البارزين لتدريب نماذج اللغات الكبيرة (LLMs). 

وذلك وفقًا لدراسة أجرتها Ziff Davis، الشركة الأم لـ CNET وIGN وMashable، والتي تظهر الدور الأساسي الذي تلعبه المحتوى عالي الجودة في تدريب هذه النماذج الذكية. تظهر الدراسة أن المصادر الموثوقة تفضلها شركات الذكاء الاصطناعي لبيانات التدريب لتعزيز أداء النموذج، لكن مساهمة هذه المصادر غالبًا ما يتم إهمالها.

في البحث، ادعى جورج ووكوسون، المحامي الذكي لشركة Ziff Davis، والرئيس التنفيذي للتكنولوجيا جوي فورونا أن شركات الذكاء الاصطناعي تختار بيانات التدريب بناءً على ترتيب المواقع الموثوقة ذات الترتيب العالي في محركات البحث. تم اختيار المواقع عالية الجودة والشعبية لتحسين النماذج لأنها تتمتع بسمعة جيدة. وهي استراتيجية تتيح، وفقًا للدراسة، لمطوري الذكاء الاصطناعي ضبط النموذج اللغوي بدقة.

أشارت Ziff Davis إلى أن مقدمي المحتوى من الطراز الأول مثل Axel Springer وFuture PLC وHearst وNews Corp وThe New York Times، من بين آخرين، ساهموا في تطوير مجموعات بيانات التدريب. على وجه التحديد، تم تحديد أن 12.04% من OpenWebText2، الذي استخدم لإنشاء GPT-3 من OpenAI، جاء من هذه الناشرين الموثوقين.

كما شارك مارك زوكربيرغ في النقاش المستمر حول استخدام المحتوى في تدريب الذكاء الاصطناعي. في مقابلة حديثة مع The Verge، أقر زوكربيرغ بأن كشط البيانات للذكاء الاصطناعي أمر صعب، لكنه أشار أيضًا إلى أن محتوى المبدعين الأفراد أو الناشرين قد لا يكون مؤثرًا جدًا. صرح ، "أعتقد أن المبدعين الأفراد أو الناشرين يميلون إلى المبالغة في تقدير قيمة محتواهم المحدد في المخطط العام لهذا."

الناشرون يرفعون دعاوى قضائية ضد شركات الذكاء الاصطناعي

أثار الغموض حول مصادر بيانات التدريب مخاوف بين الناشرين والمستهلكين على حد سواء. رفعت صحيفة نيويورك تايمز ووال ستريت جورنال مؤخرًا دعاوى قضائية ضد شركات الذكاء الاصطناعي، قائلة إنها انتهكت قوانين حقوق النشر باستخدام محتواها. 

بينما بذلت OpenAI جهودًا متقدمة للحصول على ترخيص المحتوى من المؤسسات الإعلامية مثل فاينانشال تايمز وDotDash Meredith، لا تزال العديد من شركات الذكاء الاصطناعي تعمل دون ترخيص مناسب. يذكر التقرير أيضًا أن "المطورين الرئيسيين لنماذج اللغات الكبيرة (LLMs) لم يعودوا يكشفون عن بيانات التدريب الخاصة بهم كما كانوا يفعلون من قبل."

بينما ترتفع قيم شركات الذكاء الاصطناعي، يظل الفجوة بين عمالقة التكنولوجيا وشركات الإعلام التقليدية واسعة. لا تزال عمالقة التكنولوجيا مثل Google وMeta، اللذين تقدر قيمتهما بحوالي 2.2 تريليون دولار و1.5 تريليون دولار على التوالي، في طليعة الذكاء الاصطناعي التوليدي، بينما تقدر شركات مثل OpenAI وAnthropic بـ 157 مليار دولار و40 مليار دولار على التوالي. 

 من ناحية أخرى، لا يزال الناشر يتعامل مع تسريحات الوظائف وإعادة الهيكلة، وهو ما يُعد دليلاً على الضغوط المالية الناتجة عن التكيف مع بيئة تتسم بشكل متزايد بالذكاء الاصطناعي. ونتيجةً للمنافسة مع المحتوى الذي ينشئه المستخدمون والمحتوى القائم على الذكاء الاصطناعي، تواجه العديد من دور النشر تحديات تتعلق بخفض التكاليف والكوادر البشرية.