"AI స్లాప్"లా అనిపించే పోస్టులను నివేదించడానికి LinkedIn ఒక బటన్‌ను జోడించింది

“AI స్లాప్”లా అనిపించే పోస్టులను నివేదించడానికి LinkedIn వినియోగదారులను అనుమతించడం ప్రారంభించింది

LinkedIn, కృత్రిమ మేధస్సు ద్వారా రూపొందించబడ్డాయని మరియు తక్కువ నాణ్యతగా లేదా అసలుదనం లేనట్టుగా అనిపించే పోస్టులను వినియోగదారులు నేరుగా గుర్తించడానికి ఒక కొత్త రిపోర్టింగ్ ఎంపికను విడుదల చేస్తోంది. కంపెనీ ఈ ఎంపికను పోస్టుల మూడు-డాట్ మెనూలో ఉంచింది, అక్కడ వినియోగదారులు ఇప్పుడు కంటెంట్‌ను “Seems like AI slop”గా గుర్తించవచ్చు.

ఈ మార్పు రెండు కారణాల వల్ల ముఖ్యమైనది. మొదట, ప్రొఫెషనల్ సామాజిక వేదికలపై మరింత స్పష్టంగా కనిపిస్తున్న సమస్యకు ఇది ఒక ప్రత్యేక, వినియోగదారుకు ఎదురుగా ఉండే విధానాన్ని జోడిస్తుంది: సాధారణ, ఫార్ములా-ఆధారిత, AI-సహాయంతో చేసే పోస్టింగ్, ఇది ఫీడ్లను ముంచెత్తగలదు. రెండవది, LinkedIn ఈ సమస్యను చిన్న moderation సవరణగా చూడటం లేదు. కంపెనీ chief product officer Hari Srinivasan ప్రకారం, “AI slop”ను తగ్గించడం ప్రధాన ప్రాధాన్యం, మరియు కొత్త రిపోర్టింగ్ ఫ్లో వేదిక కంటెంట్‌ను ఎలా గుర్తిస్తుంది, ర్యాంక్ చేస్తుంది, మరియు చూపిస్తుంది అన్నదాన్ని సర్దుబాటు చేసే విస్తృత ప్రయత్నంలో భాగం.

ప్రొఫెషనల్ గుర్తింపు, ప్రతిష్ఠ, మరియు పరిశ్రమ సంభాషణ చుట్టూ నిర్మితమైన నెట్‌వర్క్‌కు, పోస్టుల నాణ్యత సాధారణ engagement పరిమాణం కంటే ఎక్కువ ప్రాముఖ్యం కలిగి ఉంటుంది. LinkedIn సమస్య కొన్ని వినియోగదారులు AI రచనా సాధనాలను ప్రయోగిస్తున్నారు అన్నదే కాదు. పెద్ద మొత్తంలో కంటెంట్ ఒకేలా, యాంత్రికంగా వాక్యరూపం పొందినట్టు, మరియు నిజమైన అనుభవం నుండి వేరుపడినట్టు అనిపించడం మొదలవుతోంది. అది విస్తృత స్థాయిలో జరిగితే, ప్రొఫెషనల్ networking‌ను మొదట ఉపయోగకరంగా 만든 నమ్మకాన్ని వేదిక బలహీనపరిచే ప్రమాదం ఉంది.

అసలుదనం లేని కంటెంట్‌కు వినియోగదారు సంకేతం

కొత్తగా జోడించిన రిపోర్ట్ బటన్ వినియోగదారులు మరియు LinkedIn ర్యాంకింగ్ వ్యవస్థల మధ్య ఒక feedback loop‌ను సృష్టిస్తుంది. మూల పదార్థంలో వివరించిన పరీక్షల్లో, ఆ ఎంపికపై క్లిక్ చేయడం పోస్టును దాచడంతో పాటు ధన్యవాద సందేశాన్ని చూపింది, దీని ద్వారా LinkedIn కేవలం automated detection మీద మాత్రమే ఆధారపడకుండా స్పష్టమైన feedbackను సేకరిస్తోందని తెలుస్తోంది.

ఈ సంకేతం కంపెనీకి “our models”ను tune చేసి “better feeds” చేయడంలో సహాయపడుతుందని Srinivasan అన్నారు. అంటే, LinkedIn ఈ ఫీచర్‌ను కేవలం వ్యక్తిగత పోస్టులను తొలగించడానికి లేదా దిగువ ర్యాంక్ ఇవ్వడానికి మాత్రమే కాకుండా, వినియోగదారులు ఏమిని అసలుదనం లేనిదిగా లేదా తక్కువ విలువైనదిగా భావిస్తున్నారో తెలుసుకునే విస్తృత అవగాహనను మెరుగుపరచడానికి ఉపయోగిస్తోంది.

ఇది ముఖ్యమైనది, ఎందుకంటే కంటెంట్-నాణ్యత సమస్యలను ఒకే నియమంతో పరిష్కరించడం కష్టం. కొంత AI సహాయంతో రాసిన పోస్ట్ తప్పుదారి పట్టించేలా లేదా పనికిరానిదిగా ఉండాల్సిన అవసరం లేదు, అదే సమయంలో పూర్తిగా మనుషులే రాసిన పోస్ట్ కూడా spamలా ఉండొచ్చు. LinkedIn ఎక్కువగా ప్రవర్తన-ఆధారిత విధానాన్ని లక్ష్యంగా పెట్టుకున్నట్టు కనిపిస్తోంది: వినియోగదారు feedbackను తక్కువ-నాణ్యత కంటెంట్‌తో సంబంధం ఉన్న నమూనాలను చూసే classifiers‌తో కలపడం.

LinkedIn ఎందుకు ఇప్పుడు కదులుతోంది

AI-ఉత్పత్తి చేసిన రచన LinkedInలో సాధారణమైందని పెరుగుతున్న ఆధారాల మధ్య ఈ rollout వస్తోంది. మూల పాఠ్యంలో AI detector Pangram కనుగొన్న అంశాలను, 404 Media నివేదించినట్లుగా, ఉటంకించారు; పొడవైన LinkedIn పోస్టులలో 41 శాతం పూర్తిగా AI ద్వారా రూపొందించబడ్డవిగా గుర్తించబడ్డాయని అది తెలిపింది. AI detection సాధనాలకు సంబంధించిన సాధారణ హెచ్చరికలు ఉన్నప్పటికీ, ఆ సంఖ్య కంపెనీ ఎందుకు మరింత దూకుడుగా కదులుతోందో వివరిస్తుంది.

వేదిక ఎదుర్కొంటున్న సవాలు కొన్ని అల్లకల్లోలమైన పోస్టుల కంటే పెద్దది. LinkedIn పని ప్రకటనలు, hiring narratives, management advice, మరియు personal-brand storytelling అన్నీ బలంగా ప్రోత్సహించబడే స్థలంగా మారింది. Generative AI ఆ వాతావరణానికి దాదాపు మరీ బాగా సరిపోతుంది: అది ఇప్పటికే వేదిక ప్రోత్సహించే ఫార్మాట్లలో మెరుగైన, ఆత్మవిశ్వాసంగా వినిపించే టెక్స్ట్‌ను త్వరగా తయారు చేయగలదు. ఫలితంగా, ఫీడ్ చురుకుగా మరియు బాగా తయారైనట్టుగా కనిపించినా, తక్కువ వ్యక్తిగతంగా మరియు తక్కువ నమ్మదగినట్టుగా అనిపించవచ్చు.

ఈ అసలుదనం క్షీణించడం ప్రత్యేకంగా స్పష్టంగా కనిపించే సమస్యగా మారింది, ఎందుకంటే LinkedIn గుర్తింపు నిజమైన పేర్లు, career histories, మరియు professional standingతో ముడిపడి ఉంది. పోస్టులు సాధారణంగా నిజమైన దృక్కోణం, అనుభవం, లేదా నైపుణ్యాన్ని ప్రతిబింబిస్తాయని వినియోగదారులు ఆశిస్తారు. ఫీడ్లు సాధారణ AI రచనతో నిండటం మొదలైనప్పుడు, వేదిక యొక్క ప్రధాన value proposition మీద ఒత్తిడి పెరుగుతుంది.

రిపోర్ట్ బటన్ కంటే ఎక్కువ

LinkedIn స్పందన వినియోగదారు నివేదికలకే పరిమితం కాదు. ఒక పోస్ట్ “AI-slop or generally low-quality content” కాదో గుర్తించడానికి కొత్త classifiers‌ను పెంచుతున్నామని Srinivasan చెప్పారు. లక్ష్యం, సూచించిన పోస్టులలో మరియు వినియోగదారి నెట్‌వర్క్ వెలుపల ఉన్న కంటెంట్‌లో ఇలాంటి పదార్థాల పరిమాణాన్ని తగ్గించడం.

ఆ భాష ముఖ్యమైనది. అది moderation మాత్రమే కాకుండా distribution‌ను సూచిస్తుంది. వినియోగదారు అనుభవాన్ని మార్చడానికి LinkedInకు ప్రతి బలహీన లేదా AI-భారీ పోస్ట్‌ను తప్పనిసరిగా తొలగించాల్సిన అవసరం లేదు. recommendation systems‌లో amplificationను తగ్గించగలిగితే, ప్రతి borderline కేసును takedown నిర్ణయంగా మార్చకుండా ఫీడ్లు మరింత సంబంధితంగా అనిపించేలా చేయవచ్చు.

ఇతర వినియోగదారులు వారి పోస్టులు అసలుదనం లేనివిగా కనిపిస్తున్నాయని లేదా AIపై ఎక్కువగా ఆధారపడుతున్నాయని ప్రజలకు చూపించే మార్గాన్ని కూడా కంపెనీ పరీక్షిస్తోంది. అది విస్తరితే, ఆ ఫీచర్ వేదికను కనిపించని algorithmic ranking నుండి దూరంగా, కనిపించే సామాజిక feedback వైపు తీసుకెళ్తుంది. అటువంటి అడుగు పోస్టింగ్ ప్రవర్తనను మార్చవచ్చు, ముఖ్యంగా perception మరియు credibility career outcomes‌తో దగ్గరగా సంబంధించిన నెట్‌వర్క్‌లో.

అదే సమయంలో, LinkedIn పోస్టులను “enhance” చేయడానికి AIని ఉపయోగించిన ఒక ఫీచర్‌ను తొలగిస్తోంది. అది వాడుకరి స్వరాన్ని మార్చకుండా వారి పదాలను proofread చేసే సాధనంతో భర్తీ చేయాలని యోచిస్తోంది. ఇది అర్థవంతమైన product మార్పు. వినియోగదారులు మరింత మెరుగైన platform-native కంటెంట్‌ను సృష్టించడానికి సహాయపడటానికి బదులుగా, LinkedIn అసలు వ్యక్తీకరణను కాపాడుతూనే తేలికపాటి సహాయాన్ని ఇవ్వాలని అంటోంది.

పెద్ద వేదిక సమస్య

LinkedIn తీసుకున్న ఈ చర్య generative AI యుగంలో digital platforms ఎదుర్కొంటున్న విస్తృత ఉద్రిక్తతను ప్రతిబింబిస్తుంది. AI సాధనాలు ప్రచురణ ఖర్చును గణనీయంగా తగ్గించగలవు, కానీ ప్రచురితమైన దాని సగటు సమాచార విలువను కూడా తగ్గించగలవు. recommendation systems‌ను త్వరగా సర్దుబాటు చేయకపోతే, ఫీడ్లు పునరావృతమయ్యే, నమ్మదగినట్టుగా వినిపించే కానీ సామాజికంగా ఖాళీగా ఉన్న పదార్థంతో నిండిపోవచ్చు.

వినోదం కంటే సంకేతాలపై ఎక్కువ ఆసక్తి ఉన్నందున, ప్రొఫెషనల్ platforms‌లో ఈ ఒత్తిడి ఇతరులకంటే ముందే కనిపించవచ్చు: hiring trends, market shifts, technical expertise, project updates, మరియు నిజమైన operational lessons. మెరుగ్గా కనిపించినా చాలా తక్కువ చెప్పే కంటెంట్ ఆ వాతావరణంలో ప్రత్యేకంగా హానికరం.

Content authenticity ఇప్పుడు ఒక cultural complaint మాత్రమే కాకుండా product మరియు ranking సమస్య అని LinkedIn వాస్తవానికి అంగీకరిస్తోంది. అసాధారణంగా స్పష్టమైన భాషలో ఒక report categoryను సృష్టించడం, automated classifiers‌ను విస్తరించడం, feedback signals‌తో ప్రయోగించడం, మరియు కనీసం ఒక AI-writing ఫీచర్‌ను తొలగించడం ద్వారా, synthetic professional posting ప్రవాహానికి ఎదురుగా తన్ను తిరిగి స్థాపించడానికి ప్రయత్నిస్తోంది.

ఆ ప్రయత్నం విజయవంతమవుతుందా లేదా అనేది అమలుపై ఆధారపడి ఉంటుంది. వినియోగదారు నివేదికలు శబ్దభరితంగా ఉండొచ్చు. automated systems శైలిని spamగా తప్పుగా అర్థం చేసుకోవచ్చు. కొంతమంది నిజమైన వినియోగదారులు AI drafting tools‌పై ఆధారపడుతూనే ఉంటారు, మరియు editing assistanceకు, mass-produced లేదా మోసపూరిత కంటెంట్‌కు మధ్య LinkedIn తేడాను గుర్తించాలి. కానీ వ్యూహాత్మక దిశ స్పష్టంగా ఉంది: AI-ఉత్పత్తి అయిన filler feed qualityని దెబ్బతీస్తోందని కంపెనీ నమ్ముతోంది, మరియు ఇప్పుడు వినియోగదారులు వెంటనే అర్థం చేసుకునే product పదజాలంలో అది చెప్పడానికి సిద్ధంగా ఉంది.

దాంతో ఈ rollout ఒక విచిత్రమైన కొత్త menu option కంటే ఎక్కువ అవుతుంది. ఇది ఒక ప్రధాన వేదిక తన interface, ranking systems, మరియు writing tools లో ఒకేసారి స్పష్టమైన anti-slop నియంత్రణలను నిర్మిస్తున్న ప్రారంభ ఉదాహరణ. వినియోగదారుల కోసం, ఇది అసలుదనం లేని కంటెంట్‌పై ప్రత్యక్షంగా ప్రతిఘటించడానికి ఒక మార్గాన్ని అందిస్తుంది. వేదిక కోసం, generative text చౌకగా మరియు విస్తృతంగా మారుతున్నప్పుడు సామాజిక నెట్‌వర్క్‌లు నమ్మకాన్ని కాపాడగలవా అనే పరీక్ష ఇది.

ఈ వ్యాసం The Verge నివేదికపై ఆధారపడి ఉంది. అసలు వ్యాసాన్ని చదవండి.