До 1991 года в значительном объёме научных статей на русском языке (особенно гуманитарных) присутствовал Ленин и отсутствовал интернет. Как вы боролись с подобного рода ложными корреляциями?
У многих научных сообществ стиль написания статей кодифицирован. В то время как публицистика, а тем более худ.лит. более свободны в выборе литературных приёмов. Ваши мат.методы позволяли отличить именно LLM-статьи от неLLM-статей? Или же они позволяли отличать научные статьи от ненаучных?
Как ваши методы работали на не совсем "чистых" случаях, например, если план статьи и абзацев набросала LLM, а текст был вписан человеком? Откуда брались образцы частично LLM-ных статей?
зачастую видно какой моделью пользуется человек
Как работали ваши методы, если для написания LLM-статьи применялось сразу две нейросети?
Когда всё вокруг выглядит «экспертно», отличить реальную экспертизу от пустой оболочки становится всё сложнее.
У меня есть пока не до конца проработанная гипотеза, что все беды web2.0 - текущие и грядущие - от неуёмного бегания за читателем. И последующего возведения его на пьедестал.
"Ах бедняжка читатель, как же он не получит нашу экспертную экспертность с прямо с первой строчки поисковой выдачи?!"
А должен?
У меня есть дежурный пример: официальный форум САПР Altium Designer находится... за пейволом! Т.е. компания-разработчик как бы говорит "Спиратил наше крутое ПО? Молодец. За советами иди теперь к Васянам с сайтов вроде "1000 рефератов".
Это что касается бизнеса. Но. Следует разделять интересы бизнеса, интересы контент-маркетологов и нереализованные юношеские амбиции CEO.
Ваш корп.блог на Хабре публикует в среднем по 2,5 статьи в месяц. При том, что стоимость кор.аккаунта по самому дешёвому тарифному план Хабра составляет 200тыс.руб/мес., у вас затраты на 1 статью оказываются под, а может и за сотку. С учётом, что у вас в корп.блоге есть статьи с количеством менее 1к просмотров, я бы сказал, что ведение этого корп.блога с точки зрения CEO имеет не коммерческие цели :)
А вот контент-маркетологам развитие ИИ может весьма знатно подгадить, обесценив то, за что им платили последние лет 20. Но на мой взгляд и для них ситуация не безнадёжна. Есть ряд интересных вариантов как им переосмыслить своё место в медиа и остаться как бы даже почти "при своих".
если я напишу статью с итогами 2024 года или о технологиях, которые появились в 2025 году, то ваш детектор будет считать мою статью сгенерированной ИИ?
Не совсем так. Мой алгоритм будет считать её сгенерированной с 50% вероятностью.
Вы можете сказать, что на ваш взгляд это достаточно высокий уровень неопределённости. А я скажу, что это субъективно и ни один алгоритм выявления генеративного контента не работает со 100% гарантией.
Например, по данным приведённого мною исследования система Originality в 2022 году распознавала до 10% статей в интернете как заведомо и почти полностью нейросгенерированные. А в настоящее время она даёт противоречивые результаты для 40% статей.
Возможно мой алгоритм не столь точен. Но зато он на много порядков менее требователен к ресурсам.
Вероятность 50%, это как если бы вы на любой вопрос отвечали: Да и нет одновременно.
Нет. Не на любой. Если в статье указана дата публикации "2021 год", алгоритм произведёт совсем иную оценку.
методика заведомо несовершенна. Было бы странно если бы график был идеальным.
Отдельные точки плюс аппроксимирующая гладкая кривая выглядели бы, на мой взгляд, куда честнее. Потому, что сейчас вид как будто...
...попросили ИИ сделать график покрасивее, а он пририсовал себе несколько процентов...
...туда, несколько процентов сюда. Чтоб выглядело типа научно.
В какой-то момент замедление должно было произойти, когда начали принимать меры по фильтрации контента.
А может- наоборот, чекеры начали "сдавать", а реально AI-контента куда больше. А может - что угодно ещё. Но как будто данное исследование делалось не для выяснения этих любопытных подробностей :)
Странно что процент сходится к 50%. Сложно представить наличие какого-то балансирующего механизма.
Выберите себе обидное прозвище, которым я буду вас называть, если я попробую и у меня получится запустить его на мегагерце. Тогда продолжим дискуссию :))
То, что я плохой-нехороший и у вас с этого бомбит - понятно. Но тут дело не в мотивации моих вопросов, а в аргументации ваших ответов.
Исходники условной Ubuntu есть смысл держать у себя локально. Не зависимо от того, есть ли у Canonical деньги на их собственные серверы или нет. Просто потому, что условная Ubuntu самоценна.
Держать чужие дикпики потому, что "децентрализованная интернет-свобода", а у автора дикпиков нет своего компа - ну как бы, а зачем?
У вас на этот вопрос нет аргументированного ответа - лишь заезженное "вы просто завидуете, сперва добейтесь, революция победит".
Я с вами по-взрослому, а вы на фальцет переходите.
Не было мыслей сделать управляющую плату на RV1103, на BCM2835 или на AllWinner H3?
Про зону .su я в курсе. И тем не менее.
До 1991 года в значительном объёме научных статей на русском языке (особенно гуманитарных) присутствовал Ленин и отсутствовал интернет. Как вы боролись с подобного рода ложными корреляциями?
У многих научных сообществ стиль написания статей кодифицирован. В то время как публицистика, а тем более худ.лит. более свободны в выборе литературных приёмов. Ваши мат.методы позволяли отличить именно LLM-статьи от неLLM-статей? Или же они позволяли отличать научные статьи от ненаучных?
Как ваши методы работали на не совсем "чистых" случаях, например, если план статьи и абзацев набросала LLM, а текст был вписан человеком? Откуда брались образцы частично LLM-ных статей?
Как работали ваши методы, если для написания LLM-статьи применялось сразу две нейросети?
Что брали за образец не-LLM текстов?
Нет-нет, что вы! Так можно перетяжелить ненужными операциями и без того эффективный алгоритм.
Во-первых, будте внимательнее, речь о web-страницах.
Во-вторых, присмотритесь. Например вот здесь.
Подсказка
Виноват. Я посмотрел прайс-лист для не-резедентов.
Для резедентов самый дешёвый корп.аккаунт обойдётся в 67,1тыс.руб/мес. (при покупке 12 месяцев). Или 26,8тыс.руб/статья без учёта стоимости контента.
35...40тыс. это не так много как 100тыс., но порядок цен тот же.
У меня есть пока не до конца проработанная гипотеза, что все беды web2.0 - текущие и грядущие - от неуёмного бегания за читателем. И последующего возведения его на пьедестал.
"Ах бедняжка читатель, как же он не получит нашу экспертную экспертность с прямо с первой строчки поисковой выдачи?!"
А должен?
У меня есть дежурный пример: официальный форум САПР Altium Designer находится... за пейволом! Т.е. компания-разработчик как бы говорит "Спиратил наше крутое ПО? Молодец. За советами иди теперь к Васянам с сайтов вроде "1000 рефератов".
Это что касается бизнеса. Но. Следует разделять интересы бизнеса, интересы контент-маркетологов и нереализованные юношеские амбиции CEO.
Ваш корп.блог на Хабре публикует в среднем по 2,5 статьи в месяц. При том, что стоимость кор.аккаунта по самому дешёвому тарифному план Хабра составляет 200тыс.руб/мес., у вас затраты на 1 статью оказываются под, а может и за сотку. С учётом, что у вас в корп.блоге есть статьи с количеством менее 1к просмотров, я бы сказал, что ведение этого корп.блога с точки зрения CEO имеет не коммерческие цели :)
А вот контент-маркетологам развитие ИИ может весьма знатно подгадить, обесценив то, за что им платили последние лет 20. Но на мой взгляд и для них ситуация не безнадёжна. Есть ряд интересных вариантов как им переосмыслить своё место в медиа и остаться как бы даже почти "при своих".
Я даже алгоритм на основе этого исследования разработал. И позавчера опубликовал.
И то правда :)
Ого! Вы нашли слабое место алгоритма!
Замечу, правда, что все AI-чекеры в той или иной мере уязыимы. Пример уязыимости Originality буквально веткой выше.
Ну вот! А мой алгоритм имеет куда меньший углеродный след. При его использовании не нужно будет кочегарить десятки и сотни GPU.
Не совсем так. Мой алгоритм будет считать её сгенерированной с 50% вероятностью.
Вы можете сказать, что на ваш взгляд это достаточно высокий уровень неопределённости. А я скажу, что это субъективно и ни один алгоритм выявления генеративного контента не работает со 100% гарантией.
Например, по данным приведённого мною исследования система Originality в 2022 году распознавала до 10% статей в интернете как заведомо и почти полностью нейросгенерированные. А в настоящее время она даёт противоречивые результаты для 40% статей.
Возможно мой алгоритм не столь точен. Но зато он на много порядков менее требователен к ресурсам.
Нет. Не на любой. Если в статье указана дата публикации "2021 год", алгоритм произведёт совсем иную оценку.
Проверяли моим алгоритмом, я надеюсь? :)
Я брал график именно из оригинала статьи.
Отдельные точки плюс аппроксимирующая гладкая кривая выглядели бы, на мой взгляд, куда честнее. Потому, что сейчас вид как будто...
...туда, несколько процентов сюда. Чтоб выглядело типа научно.
А может- наоборот, чекеры начали "сдавать", а реально AI-контента куда больше. А может - что угодно ещё. Но как будто данное исследование делалось не для выяснения этих любопытных подробностей :)
О да! И не только это странно :)
Отгавк снова не засчитан.
Выберите себе обидное прозвище, которым я буду вас называть, если я попробую и у меня получится запустить его на мегагерце. Тогда продолжим дискуссию :))
Зачем его заставлять? Он сам их считает.
В статье нет ни слова про RTC.
То, что я плохой-нехороший и у вас с этого бомбит - понятно. Но тут дело не в мотивации моих вопросов, а в аргументации ваших ответов.
Исходники условной Ubuntu есть смысл держать у себя локально. Не зависимо от того, есть ли у Canonical деньги на их собственные серверы или нет. Просто потому, что условная Ubuntu самоценна.
Держать чужие дикпики потому, что "децентрализованная интернет-свобода", а у автора дикпиков нет своего компа - ну как бы, а зачем?
У вас на этот вопрос нет аргументированного ответа - лишь заезженное "вы просто завидуете, сперва добейтесь, революция победит".
Я с вами по-взрослому, а вы на фальцет переходите.
А чем вам не нравится модуль RTC с субсекундным разрешением, который встроен во все STM32?