再不分辨和克制某些AI文章，某些搜索引擎将死
很多网站有创作收益，抑或是网站为了引流，有大量的AI文章，被搜索引擎获取后没有及时分辨，给了很高的权重。包括但不限于各种技术问题，软件使用问题，前几搜索结果基本都是AI文章伪装的。
特别是软件使用、设置问题，这是重灾区，AI基本不会给出正确答案，它根本不知道软件里有哪些设置，但会编的头头是道，基本上现在不配图的文章已经没有必要去分辨是否是AI回答了。 话说技术上能检查内容是否为AI生成？ 横槊赋诗 发表于 2024-3-6 13:54
话说技术上能检查内容是否为AI生成？
按照1楼说的很简单，无图即AI。
但其实AI也会造图，而且会造视频。只不过那些网站目前没用这功能。
AI的算法就是生成算法，它并不是根据固定算法计算，而是不断改变生成参数。这样你就很难编出固定算法来检测AI。
能检测AI的算法，其实还是AI。chatgpt是动态的AI，检测chatgpt的是另一个动态的AI，就可以了。
这几年AI发展迅速，很多人觉得“以后做假新闻就更方便了”﹑“以后都很难分辨真假了”。
端传媒前几周采访了一个事实查核专家讨论了相关问题，他觉得事实上要制造假新闻﹑假片，根本不必用上深伪﹑Sora这类的高端技术。最容易受这种假新闻影响的人，立场本来就很极端。假新闻传播的重点在于需求，而不在于供应－－而对于有固定需求的受众，假新闻的质素其实并没那么重要。
社会对于新科技对新闻真相的影响，似乎一直都是有点过份夸大的。我们可以回到人相信假新闻的原因上：这是因为他们对某些事物有恐惧，或者特别想要一些特定的事物。例如白人可能恐惧非白人﹑新移民﹑罪犯等等。假新闻的传播，一直都仰赖一个完整的叙事框架，针对性触及特定目标群体的恐惧与欲望。技术的进步从来都不是重点。
Sora在制造和传播假信息上的影响，更多是提供了一个新的工具，而不是彻底改变游戏规则。假新闻的成功并不仅仅依赖于技术的进步，而是需要有一个完整的叙事，针对性地触及人们的恐惧和欲望，比如对黑人﹑新移民的偏见，或者对失业的恐惧。单一的短片或文章往往效果有限。
制造和传播假新闻是两个很不同的过程。在数字时代，每天有数以亿计的消息在流通，让一则消息病毒式传播的因素不仅仅是它的内容有多么引人注目，更重要的是人们为什么会选择分享它。
当然，有了像Sora这样的技术，揭露﹑辨识假片肯定更加困难，尤其是对于资源有限的事实核查机构而言。但老实说，我并不认为揭露假新闻完全是事实查核机构的问题－－更多是制造AI工具的科技大厂的问题。现在白宫发放的片段有新增加密签名技术，帮助验证内容的真实性；未来新闻摄影等领域也可能需要引入类似技术，以确保图像真实。
百度那些搜索引擎和死了又有何区别呢？ gongqi 发表于 2024-3-6 14:40
按照1楼说的很简单，无图即AI。
但其实AI也会造图，而且会造视频。只不过那些网站目前没用这功能。
ai造出的东西，虽然会变，但还是有一定规律的。比如有些帖子，我们一看，直觉就能感到(虽然不能百分之百确定)多半是ai生成的。
如果用计算语言学和语料库语言学的理论，加上机器强大的统计功能，应该能更精确地定量分析出ai文本的特点。虽然大概也不能百分之百确定，但应该能确定一个可能性，比如80%，90%等。
agent124 发表于 2024-3-6 21:15
ai造出的东西，虽然会变，但还是有一定规律的。比如有些帖子，我们一看，直觉就能感到(虽然不能百分之百 ...
但是偏偏“感觉”是最难给出传统意义上的算法的。
比如说，判断色情图片，感觉上很容易，但要根据这个感觉做出算法来，基本不太可能。所以传统算法会绕过感觉，找可以量化的量，例如可能就是统计颜色比例来判断是不是够黄。
反过来，AI就很容易。你给AI看几十万张图片，AI的感觉就会跟你差不多，还不会遗漏。
目前的环境哪能大量使用ChatGpt，大部分人也只能试试手而已。 本帖最后由 agent124 于 2024-3-6 22:48 编辑
gongqi 发表于 2024-3-6 21:33
但是偏偏“感觉”是最难给出传统意义上的算法的。
比如说，判断色情图片，感觉上很容易，但要根据这个感觉 ...
除了给ai“看”大量图片，也就是统计，还有数学建模和算法，有些出错可能也是因为建模和算法上的问题。就是说，材料是足够的，但如何去interpret 这些材料，就是建模和算法的问题。
记得好像检测带色图片的ai程序出错，把某些正常的图片识别为黄图。当然也可能是因为那时的技术还不成熟，出错率更高
我对ai的理解很浅薄，所以基本上只能臆想，说的话心里没有底
agent124 发表于 2024-3-6 22:45
除了给ai“看”大量图片，也就是统计，还有数学建模和算法，有些出错可能也是因为建模和算法上的问题。就 ...
interpret 多了一个e agent124 发表于 2024-3-6 22:45
除了给ai“看”大量图片，也就是统计，还有数学建模和算法，有些出错可能也是因为建模和算法上的问题。就 ...
建模应该是传统的算法。AI的模型应该很简单，就是神经网络的海量参数，然后通过training data自动调整这些参数。
不过说实话，我也没实操过AI的软件，也没训练过图像和视频。驾校时同车的一个哥们是玩图像AI的，听他说也是这么回事。
我自己熟悉的也是传统建模的思路。传统模型虽然也有参数可以手工调，但模型算法本身要重要的多。比如做过一个银行的模型，碰到了顶尖的精算师都搞不明白的金融算法，没办法也必须搞明白。如果是AI，应该根本不需要搞明白算法，只要训练数据够自然结果就会出来。
优胜劣汰，无需限制什么。大家既然选择就有道理，我们需要分析的是产生的“作品”是否有价值。
页:
[1]