Slop Mop — ღია კოდის Chrome-ის გაფართოება LinkedIn-ის ლენტს წმენდს

ამ კვირაში AI-ის მოყვარულმა, ავტორმა და ბიზნეს-კონსულტანტმა Tom Frazier-მა უფასო, ღია კოდის Chrome-ის გაფართოება Slop Mop გამოუშვა — ის LinkedIn-ის ლენტში დაბალი ღირებულების პოსტებს აღნიშნავს. კოდი GitHub-ზეა გამოქვეყნებული და რეგისტრაცია არ საჭიროებს.

ცხრა ნიშანი და სამი კითხვა

გაფართოება პოსტებს ცხრა ნიშნით აფასებს — ისინი SEO კომპანია Graphite Growth-ის კვლევიდან მოდის, სადაც AI-ის ტექსტებში არაპროპორციულად ხშირი ნიმუშები შეისწავლეს: პოსტი ერთი სტრიქონით და ცარიელი ადგილით იწყება, რომელიც მკითხველს ტექსტის გაშლისკენ უბიძგებს; ჰაიპ-სიტყვების სიმრავლე; დაპირებები პირობის გარეშე; აყვავებული ენა; საეჭვოდ მოწესრიგებული გაკვეთილი; engagement-ის სატყუარა; ცარიელი ქება; ცნებების კონტრასტით განსაზღვრა და ხისტი ფორმულირებები.

სამი დამატებითი კითხვა ცრუ დადებითებისგან იცავს: ტექსტი კონკრეტული ადამიანის ხმას ჰგავს თუ არა და აქვს თუ არა მკითხველისთვის რაიმე სასარგებლო — ორივე მხოლოდ ქულას ამცირებს. მეთორმეტე კითხვა აფასებს, რამდენად სავარაუდოა, რომ პოსტი მოდელს დაეწერა, თუმცა, Frazier-ის განმარტებით, ისიც მხოლოდ ქულას ამცირებს და მარტო ამის გამო პოსტი ვერ აღინიშნება.

ადამიანური „სლოპიც“ ითვლება

Frazier Slop Mop-ს AI-ის დეტექტორად კი არა, ინტერნეტის ნაგვის ფილტრად აღწერს — მნიშვნელობა არ აქვს, ადამიანმა დაწერა თუ მოდელმა. „Slop Mop ცუდ ადამიანურ კონტენტს ისევე აღნიშნავს, როგორც ცუდ AI კონტენტს, — განუცხადა მან The Register-ს. — ვფიქრობ, ეს სწორი გადაწყვეტილებაა, რადგან AI-ის ტექსტი კარგიც შეიძლება იყოს, ადამიანის ტექსტი კი ცუდიც.“

პრობლემა რეალურია: AI-ის ტექსტის ამომცნობი Pangram-ის მონაცემებით, მის ნიმუშში 250 სიტყვაზე გრძელი LinkedIn-ის პოსტების 41% სრულად AI-ის დაწერილი იყო; ამ რიცხვში ის პოსტები არ შედის, რომლებიც მათმა ავტორებმა AI-ით გააუმჯობესეს. LinkedIn-მა ახლახან ღილაკიც დაამატა, რომლითაც პოსტის დარეპორტება „Seems Like AI Slop“-ის მიზეზით შეიძლება. Slop Mop-ის ზღვარს გადაცილებული პოსტები ლოკალურად აღინიშნება ან იმალება და პლატფორმიდან არ იშლება.

Jev-ის გამოცდა

ავტორის თქმით, მთავარი მოტივაცია ლენტზე გაღიზიანება არ იყო, არამედ სურვილი, გამოეცადა Jev — TypeSafe-ის ალბათური გადაწყვეტილების მოდელი, რომელიც ერთი კვირით ადრე გამოვიდა. Jev ჩატბოტი არ არის: ის API-ის მეშვეობით სხვა პროგრამებისთვის გადაწყვეტილებებს იღებს და დეველოპერებმა მისთვის არაერთი გამოყენება მოიძიეს.

რადგან Slop Mop Frazier-ის საკუთარ Jev ანგარიშზე მუშაობს, ავტორმა ლიმიტი დააწესა: დღეში 250 გაანალიზებული პოსტი ერთ ინსტალაციაზე. ადრეულ მომხმარებლებზე დაკვირვებით, ერთი მომხმარებელი მას დღეში დაახლოებით 0,005 დოლარი უჯდება. „თუ პროექტი ვირუსულად გავრცელდა, შესაძლოა უფასო სერვისის ნაწილი გადავამუშაო, მაგრამ ახლა მზად ვარ, ეს ხარჯები თავად ვიტვირთო, რომ დაყენების პარამეტრები გავიგო და მონაცემთა ნაკრები შევქმნა.“ Frazier-ის შეფასებით, Jev „AI ინფრასტრუქტურის ახალი კლასია და დარჩება“, ხოლო კონტექსტის გათვალისწინება ნდობის ქულასთან ერთად „საწარმოო სამუშაო პროცესებისთვის იმაზე მეტს გააკეთებს, ვიდრე LLM-ებმა დღემდე“.