مدیرعامل GoDaddy متون نوشتهشده با هوش مصنوعی را نمیخواند؛ روش او برای شناسایی نوشتههای ماشینی
مدیرعامل شرکت GoDaddy اعلام کرد اگر کارمندی برای نوشتن گزارشهای خود وقت نگذارد، او نیز وقتی برای خواندن آنها نخواهد گذاشت. او با وضع قاعدهای سختگیرانه علیه نگارش متون با هوش مصنوعی، نشانههایی چون لحن بیشازحد بینقص یا متون طولانی را راهکار شناسایی این محتواها میداند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- مدیرعامل GoDaddy اعلام کرده است هر سندی را که با هوش مصنوعی نوشته شده باشد بلافاصله کنار میگذارد و نمیخواند.
- به باور مدیران فناوری، نوشتن بازتابدهنده شیوه تفکر افراد است و اتکای کامل به ابزارهای هوش مصنوعی مانع پرورش ایدههای اصیل میشود.
- زبان بیشازحد بینقص و طولانی بودن نامتعارف از نشانههای کلیدی برای تشخیص گزارشهای نگارشیافته با هوش مصنوعی بهشمار میروند.
امان بوتانی (Aman Bhutani)، مدیرعامل GoDaddy، برای خود قاعدهای سختگیرانه درباره هوش مصنوعی دارد؛ او هرگز از هوش مصنوعی برای نوشتن استفاده نمیکند و انتظار دارد کارمندانش نیز همین شیوه را در پیش بگیرند.
بوتانی در این زمینه توضیح میدهد: «اگر کسی برای من سندی ارسال کند و خیلی زود تشخیص دهم که با هوش مصنوعی نوشته شده است، اصلاً آن را نمیخوانم؛ زیرا اگر آن شخص حاضر نبوده برای نوشتن سند وقت صرف کند، من هم قطعاً نباید برای خواندنش وقت بگذارم.»
مدیرعامل GoDaddy اشاره میکند که کارکنان میتوانند از هوش مصنوعی برای اموری مانند درک بهتر یک واژه یا عبارت کمک بگیرند، اما از آنها انتظار میرود بتوانند ایدههای خود را در قالب روایتهایی قابل فهم برای دیگران بیان کنند. او معتقد است این مهارت اهمیت فراوانی دارد؛ چراکه به افراد اجازه میدهد «هنر بازنگری و اصلاح مداوم» را تمرین کرده و کیفیت کار خود را پیوسته ارتقا دهند.
او میگوید: «آنچه من واقعاً به دنبالش هستم این است: مشاهده اولیه شما چه بوده؟ فرضیه نخستین چه بوده است؟ چه چیزی توجه شما را به این ایده جلب کرد و چرا فکر میکنید این موضوع اهمیت دارد؟ واقعیت این است که هوش مصنوعی تنها چیزهایی را میداند که پیشتر روی اینترنت منتشر شدهاند. این ابزارها از آنچه در درون ذهن ما میگذرد بیخبرند، در حالی که ما مدام ایدههای نو و درونی خلق میکنیم.»
بوتانی تنها مدیر ارشدی نیست که با استفاده کارمندان از هوش مصنوعی برای نگارش متون کاری مخالف است.
اوایل سال جاری میلادی، وارون آناند (Varun Anand)، همبنیانگذار استارتاپ بازاریابی و فروش Clay، دستورالعمل نگارش با هوش مصنوعی شرکت خود را در لینکدین به اشتراک گذاشت. این دستورالعمل که توسط یکی از مهندسان این شرکت به نام سوفی آلپرت (Sophie Alpert) تدوین شده است، تأکید دارد که «نوشتن همان فکر کردن است» و کارکنان باید بتوانند تکتک خطوط نوشتههای خود را توضیح دهند.
دیلن فیلد (Dylan Field)، مدیرعامل پلتفرم Figma، نیز در ماه سپتامبر با انتشار پستی در شبکه اجتماعی ایکس اعلام کرد مجموعه او کارکنان را ملزم میکند در صورت بهرهگیری از هوش مصنوعی در روند نگارش، عبارت «نوشتهشده با هوش مصنوعی» را بهصورت شفاف در ابتدای متن قید کنند.
مدیرعامل GoDaddy به چند نشانه مشخص اشاره میکند که به او در تشخیص متنهای تولیدشده با هوش مصنوعی کمک میکنند. او میگوید با همکارانی با پیشینههای متنوع کار میکند که انگلیسی زبان مادری اغلب آنها نیست.
بنابراین، اگر لحن و گرامر متن بیشازحد بینقص و دستوری باشد، میتواند یکی از نشانههای اصلی کار با هوش مصنوعی باشد. نشانه دیگر از نظر بوتانی، طول نوشته است؛ اگر متنی بیشازاندازه طولانی و کشدار باشد، معمولاً نشاندهنده استفاده از ابزارهای ماشینی است، در حالی که متون نوشتهشده توسط انسانها اغلب کوتاهتر، رسا و کوبندهتر هستند.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

تولید سریع کد و بحران بازبینی؛ چرا ایجنتهای هوش مصنوعی هنوز بازدهی مهندسان را متحول نکردهاند؟
ایجنتهای هوش مصنوعی میتوانند در عرض چند دقیقه حجم انبوهی از کد تولید کنند، اما فهمیدن، بازبینی و خطایابی این کدها به گلوگاهی فرسایشی برای مهندسان نرمافزار تبدیل شده است. پژوهشها نشان میدهد بدون درک رفتار برنامه در زمان اجرا، افزایش سرعت تولید کد تنها فشار کاری تیمهای فنی را دوچندان میکند.

هشدار جفری هینتون درباره خطرات آینده هوش مصنوعی؛ شاید مهار این فناوری به یک فاجعه بزرگ نیاز داشته باشد
جفری هینتون، دانشمند برجسته علوم کامپیوتر و برنده جایزه نوبل، بار دیگر درباره خطرات مهارنشدنی هوش مصنوعی هشدار داد. او معتقد است شرکتهای بزرگ بدون توجه به پیامدهای اجتماعی و امنیتی در حال رقابت هستند و شاید جهان تا پیش از وقوع یک فاجعه بزرگ، ضرورت قانونگذاری جدی را درک نکند.

حل یک معمای چند دههای در ریاضیات؛ الگوریتم FMS-DS دادههای پرت را مهار میکند
محققان با ارتقای الگوریتم حداقل مربعات، موفق به حل یک چالش ریاضی دیرینه در استخراج الگوهای پنهان داده شدند. این روش نوین با مهار دادههای پرت و نامعتبر، بازیابی دقیق اطلاعات را حتی در شرایط آلودگی شدید مجموعهدادهها تضمین میکند. این دستاورد یک تضمین نظری محکم برای تحلیل دادهها در یادگیری ماشین بههمراه دارد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.