رفتن به محتوای اصلی
تعدیل پلتفرمتوضیحات۲ شهریور ۱۴۰۵، ۳:۲۹· 5 دقیقه مطالعه· در فناوری

کاربران لینکدین یک میلیون پست «محتوای بی‌ارزش هوش مصنوعی» را گزارش کردند؛ کاهش ۴۰ درصدی بازدید محتوای کم‌مایه

ابزار جدید تعدیل محتوا که توسط کاربران هدایت می‌شود، به اعضای لینکدین اجازه داده است تا به شدت اسپم‌های تولید شده توسط هوش مصنوعی را فیلتر کنند، که این امر منجر به یک تغییر بزرگ الگوریتمی شده است که تخصص انسانی را بر حجم خودکار اولویت می‌دهد.

به قلم کاوان رامین

حامیان یکپارچگی پلتفرم 45%حامیان دسترسی 35%بازاریابان رشد 20%
حامیان یکپارچگی پلتفرم
استدلال می‌کنند که فیلترینگ تهاجمی برای نجات کارایی اصلی شبکه از نابودی توسط اسپم خودکار ضروری است.
حامیان دسترسی
نگرانند که افراد غیربومی که از هوش مصنوعی برای ترجمه و گرامر استفاده می‌کنند، به طور ناعادلانه‌ای توسط الگوریتم جریمه شوند.
بازاریابان رشد
از کاهش ناگهانی دسترسی ناامید شده‌اند و استدلال می‌کنند که قوانین جدید مبهم هستند و زمان‌بندی محتوای مشروع را جریمه می‌کنند.

چرا مهم است

برای هر کسی که از شبکه‌های حرفه‌ای برای یافتن شغل یا مشتری استفاده می‌کند، دوران رقابت با حساب‌های اسپم خودکار و پرحجم در حال پایان است. این تغییر الگوریتمی به جای تعارفات کلیشه‌ای تولید شده توسط هوش مصنوعی، به تخصص واقعی و دشوار برای جعل پاداش می‌دهد.

در طول دو سال گذشته، باز کردن فید شبکه‌های حرفه‌ای به معنای دست و پنجه نرم کردن با باتلاقی از تشویق‌های ساختگی بوده است. لیست‌های نقطه‌گذاری شده تولید شده توسط ChatGPT، تعارفات کلیشه‌ای درباره رهبری، و حکایات شخصی به طرز عجیبی صیقل‌یافته، به‌روزرسانی‌های شغلی واقعی را کنار زده‌اند. هزینه نهایی تولید محتوا به صفر رسید و فید پلتفرم قربانی کشت خودکار تعامل شد. اما به نظر می‌رسد دوران رشد سریع و بدون اصطکاک در حال برخورد با یک دیوار است.

لینکدین این هفته اعلام کرد که یک ابزار گزارش‌دهی جدید که به تازگی معرفی شده، در ماه اول فعالیت خود منجر به ثبت بیش از ۱ میلیون گزارش برای «تولید هوش مصنوعی کم‌مایه» شده است. به گفته این پلتفرم متعلق به مایکروسافت، این شورش گسترده کاربران یک جریمه الگوریتمی شدید را به دنبال داشته که قابلیت مشاهده جهانی این گونه پست‌ها را تا ۴۰٪ کاهش داده است.[1]

مکانیسم پشت این تغییر ترکیبی از برون‌سپاری جمعی (Crowdsourcing) و یادگیری ماشین است. هنگامی که کاربران روی منوی «علاقه‌مند نیستم» در یک پست کلیک می‌کنند، اکنون یک گزینه خاص برای علامت‌گذاری «اسپم تولید شده توسط هوش مصنوعی» مشاهده می‌کنند. تیم مهندسی لینکدین اظهار می‌دارد که این گزارش‌ها صرفاً پست را برای کاربر فردی پنهان نمی‌کنند؛ بلکه مستقیماً به یک طبقه‌بندی‌کننده بلادرنگ وارد می‌شوند که دسترسی کلی نویسنده در شبکه را کاهش می‌دهد.[2]

با این حال، چارچوب‌بندی شرکت نیاز به بررسی شکاکانه دارد. لینکدین در واقع متن هوش مصنوعی را با دقت کامل تشخیص نمی‌دهد – موفقیتی که از نظر فناوری برای هیچ شرکت نرم‌افزاری هنوز ممکن نیست. در عوض، آنها در حال اندازه‌گیری خستگی کاربر هستند. این سیستم نشانه‌های ساختاری «محتوای بی‌ارزش» را جریمه می‌کند: قالب‌بندی قابل پیش‌بینی، فقدان بینش صنعتی خاص، و نرخ پرش بالا از سوی خوانندگانی که در عرض چند میلی‌ثانیه از آن عبور می‌کنند.

پس از معرفی ابزار علامت‌گذاری توسط کاربران، دسترسی الگوریتمی پست‌های پربسامد و کم‌مایه به شدت کاهش یافت.

کاهش ۴۰ درصدی بازدیدها به طور خاص حساب‌هایی را هدف قرار می‌دهد که بیش از سه بار در روز با استفاده از ابزارهای زمان‌بندی خودکار پست می‌گذارند. اکنون الگوریتم یک آستانه سختگیرانه برای «نظرات معنادار» اعمال می‌کند. اگر پستی لایک‌های خودکار دریافت کند اما پاسخ‌های چند جمله‌ای و اساسی از سوی ارتباطات درجه اول نداشته باشد، توزیع آن بلافاصله محدود می‌شود.

کاهش ۴۰ درصدی بازدیدها به طور خاص حساب‌هایی را هدف قرار می‌دهد که بیش از سه بار در روز با استفاده از ابزارهای زمان‌بندی خودکار پست می‌گذارند.

برای درک اهمیت این موضوع، باید به صنعت کوچک و خانگی که این مشکل را ایجاد کرد، نگاه کنیم. از اواخر سال ۲۰۲۲، بازاریابان دیجیتال دوره‌های پرسودی را در مورد استفاده از مدل‌های زبان برای تولید محتوای لینکدین به مدت چند ماه در عرض چند دقیقه فروخته‌اند. هدف هرگز به اشتراک گذاشتن دانش نبود، بلکه دستکاری ترجیح تاریخی الگوریتم برای متن‌های طولانی و مکرر بود تا مخاطبان بالای قیف فروش را بسازند.

این تغییر الگوریتمی در حال حاضر بازاریابان مذکور را مجبور به یک چرخش سخت کرده است. «پادهای تعاملی» (Engagement pods) – گروه‌هایی از کاربران که به طور خودکار پست‌های یکدیگر را لایک می‌کنند تا حس ویروسی شدن را شبیه‌سازی کنند – متوجه شده‌اند که محتوای ساختگی‌شان عملاً «سایه‌بن» (Shadowbanned) شده است. تغییر پلتفرم، توزیع «مبتنی بر دانش» را اولویت می‌دهد، به این معنی که یک پست باید حاوی تخصص خاص و قابل تأیید باشد تا بتواند از دایره فوری کاربر خارج شود.

خسارت جانبی این فیلترینگ تهاجمی همچنان یک سؤال باز است. افراد غیربومی انگلیسی‌زبان که از ابزارهای هوش مصنوعی برای بهبود گرامر یا ترجمه افکار خود استفاده می‌کنند، ابراز نگرانی کرده‌اند که ممکن است پست‌هایشان در این میان گرفتار شوند. مرز بین «ویرایش به کمک هوش مصنوعی» و «محتوای بی‌ارزش هوش مصنوعی» بسیار ذهنی است و اجرای الگوریتمی به ندرت ظریف و دقیق است.

تیم مهندسی لینکدین از گزارش‌های کاربران برای آموزش یک طبقه‌بندی‌کننده بلادرنگ استفاده می‌کند که رتبه حساب‌های اسپم را کاهش می‌دهد.

در پاسخ به این نگرانی‌ها، لینکدین ادعا می‌کند که طبقه‌بندی‌کننده آن به دنبال «محتوا به جای ساختار» است. وبلاگ مهندسی پلتفرم توضیح می‌دهد که پستی که کاملاً توسط انسان نوشته شده اما حاوی هیچ اطلاعات جدیدی نیست، به همان اندازه یک تعارف کلیشه‌ای تولید شده توسط ربات جریمه خواهد شد. هدف، ارزش زیربنایی محتوا است، نه صرفاً منشأ دیجیتالی آن.[2]

این اقدام لینکدین را در خط مقدم یک حسابرسی گسترده‌تر در شبکه‌های اجتماعی قرار می‌دهد. از آنجایی که هوش مصنوعی مولد امکان تولید محتوای نامحدود را فراهم می‌کند، پلتفرم‌ها دیگر نمی‌توانند به حجم به عنوان معیاری برای کیفیت اعتماد کنند. تحلیلگران پیشنهاد می‌کنند که شبکه‌های دیگر، از جمله X و Threads متا، موفقیت این مدل گزارش‌دهی توسط کاربران را برای حل بحران‌های ربات خود به دقت زیر نظر دارند.[1]

در نهایت، ۱ میلیون گزارش کاربر نشان‌دهنده یک سیگنال واضح و غیرقابل انکار از بازار است: متخصصان فعالانه در حال رد تعاملات ساختگی هستند. در حالی که ابزارهای هوش مصنوعی به تکامل و ادغام در جریان‌های کاری ما ادامه خواهند داد، پلتفرم‌هایی که میزبان آنها هستند، سرانجام مجبور به ساخت سیستم‌های ایمنی لازم برای محافظت از توجه انسان می‌شوند.

برای کاربر عادی، نتیجه فوری یک فید آرام‌تر و کمی مرتبط‌تر است. پیامد بلندمدت، بازسازی اساسی اقتصاد تولیدکنندگان محتوای حرفه‌ای است – اقتصادی که در آن تخصص اصیل و به سختی به دست آمده، بار دیگر بر حجم خودکار برتری می‌یابد.

چگونه مکانیسم تعدیل جدید، نارضایتی فردی کاربران را به جریمه‌های الگوریتمی در سطح شبکه تبدیل می‌کند.

بررسی عمیق دیدگاه‌ها

حامیان یکپارچگی پلتفرم

طرفداران این به‌روزرسانی استدلال می‌کنند که این یک مکانیسم بقای ضروری برای شبکه است.

منتقدان دوران «رشد سریع» استدلال می‌کنند که لینکدین در آستانه از دست دادن کامل کارایی خود بود. با اجازه دادن به کاربران برای آموزش فعالانه الگوریتم در مورد آنچه «محتوای بی‌ارزش» محسوب می‌شود، پلتفرم در حال برون‌سپاری کنترل کیفیت خود است. این گروه معتقد است که بدون فیلترینگ تهاجمی، شبکه‌سازی حرفه‌ای واقعی به طور کامل توسط نویز ساختگی غرق می‌شد و پلتفرم برای توسعه شغلی واقعی بی‌فایده می‌شد.

بازاریابان رشد

بازاریابان دیجیتال استدلال می‌کنند که تغییر ناگهانی الگوریتمی، استراتژی‌های مشروع جذب مخاطب را از بین می‌برد.

برای آژانس‌ها و تولیدکنندگانی که کسب‌وکارهایی را حول محور پست‌گذاری با بسامد بالا ساخته بودند، این به‌روزرسانی به عنوان یک اصلاح بیش از حد تنبیهی تلقی می‌شود. آنها استدلال می‌کنند که قوانین مربوط به «محتوای کم‌مایه» مبهم است و الگوریتم به طور ناعادلانه‌ای حساب‌هایی را جریمه می‌کند که صرفاً از ابزارهای زمان‌بندی برای حفظ حضور ثابت استفاده می‌کنند. بسیاری در این گروه احساس می‌کنند که پلتفرم سال‌ها این رفتار را برای افزایش معیارهای تعامل خود تشویق کرده، اما زمانی که احساسات کاربران تغییر کرد، زیر پای آنها را خالی کرده است.

حامیان دسترسی

حامیان هشدار می‌دهند که این فیلتر ممکن است به طور نامتناسبی به افراد غیربومی انگلیسی‌زبان آسیب برساند.

نگرانی قابل توجهی وجود دارد که نشانه‌های ساختاری «محتوای بی‌ارزش هوش مصنوعی» – مانند عبارات بیش از حد رسمی یا لیست‌های نقطه‌گذاری شده قابل پیش‌بینی – همچنین نشانه‌های کاربرانی باشد که برای مشارکت در اقتصاد جهانی به ابزارهای ترجمه متکی هستند. این گروه هشدار می‌دهد که الگوریتمی که بر اساس آزار کاربران آموزش دیده، ممکن است به طور ناخواسته متخصصان بین‌المللی را جریمه کند و اتکای آنها به کمک گرامری هوش مصنوعی را با کشت تعامل مخرب اشتباه بگیرد.

نکات کلیدی

  1. کاربران لینکدین از زمان معرفی ابزار جدید گزارش‌دهی، بیش از ۱ میلیون پست را به عنوان «اسپم تولید شده توسط هوش مصنوعی» علامت‌گذاری کرده‌اند.
  2. در پی این اقدام، الگوریتم پلتفرم بازدید محتوای کم‌مایه را تا ۴۰٪ کاهش داده است.
  3. این سیستم صرفاً بر تشخیص متن هوش مصنوعی متکی نیست، بلکه بر معیارهای خستگی کاربر و نرخ پرش (bounce rate) استوار است.
  4. حساب‌هایی که بیش از ۳ بار در روز با ابزارهای خودکار پست می‌گذارند، با شدیدترین جریمه‌ها مواجه هستند.
  5. لینکدین تأکید می‌کند که این فیلتر «محتوا را بر ساختار» هدف قرار می‌دهد و قصد دارد از کاربرانی که از هوش مصنوعی برای ویرایش‌های اولیه استفاده می‌کنند، محافظت کند.

اصطلاحات کلیدی

AI Slop (محتوای بی‌ارزش هوش مصنوعی)
محتوای کم‌کیفیت و انبوه تولید شده توسط هوش مصنوعی، که صرفاً برای دستکاری الگوریتم‌ها و نه ارائه ارزش طراحی شده است.
Engagement Farming (کشت تعامل)
عمل ارسال محتوای تحریک‌آمیز، کلیشه‌ای یا با قالب‌بندی بالا، صرفاً برای جمع‌آوری لایک و کامنت و افزایش معیارهای حساب کاربری.
Shadowbanning (سایه‌بن)
تاکتیک تعدیلی که در آن یک پلتفرم به طور مخفیانه قابلیت مشاهده محتوای کاربر را بدون اطلاع دادن به او محدود می‌کند.
Zero-Click Content (محتوای بدون کلیک)
پست‌هایی که طراحی شده‌اند تا به طور کامل در فید مصرف شوند و نیازی به کلیک کاربر بر روی لینک نداشته باشند، که از نظر تاریخی مورد علاقه الگوریتم‌های رسانه‌های اجتماعی بوده‌اند.

منابع

پوشش منابع

2 منبع

3 دیدگاه شناسایی‌شده

حامیان یکپارچگی پلتفرم 45%حامیان دسترسی 35%بازاریابان رشد 20%
  1. [1]Bloombergبازاریابان رشد

    Microsoft's LinkedIn Tweaks Algorithm After 1 Million AI Spam Complaints

    مطالعه در Bloomberg
  2. [2]LinkedIn Engineeringحامیان دسترسی

    Improving feed quality through member-driven AI classification

    مطالعه در LinkedIn Engineering

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

دریافت فناوری اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.