Trabalhando como escritor para uma IA: um olhar para o futuro do jornalismo e da escrita

Para 🌛 algumas horas por semana, escrevo para uma empresa de tecnologia avaliada como fazer betboo bilhões de dólares. À minha volta, há novelistas 🌛 publicados, acadêmicos como fazer betboo ascensão e vários outros jornalistas freelancers. A carga de trabalho é flexível, a remuneração é melhor do 🌛 que estamos acostumados e as tarefas nunca acabam. Mas o que escrevemos nunca será lido por ninguém fora da empresa. 🌛

Isso porque não estamos escrevendo para pessoas. Estamos escrevendo para uma IA.

🌛 Modelos de linguagem de grande porte (LLMs) como o ChatGPT tornaram possível automatizar vastas áreas da vida linguística, 🌛 desde resumir qualquer quantidade de texto até redigir e-mails, ensaios e mesmo romances inteiros. Essas ferramentas parecem tão boas como fazer betboo 🌛 escrever que se tornaram sinônimos da própria ideia de inteligência artificial.

Mas antes que eles 🌛 corram o risco de levar a uma superinteligência divina ou a um desemprego maciço devastador, eles precisam de treinamento. Em 🌛 vez de usar esses chatbots grandiloquentes para nos automatizar fora de nossas profissões, as empresas de tecnologia estão contratando-nos para 🌛 ajudar a treinar seus modelos.

Treinando modelos de linguagem de grande porte

Além de fornecer à 🌛 nossa modelo "material-padrão-ouro", ajudamos a tentar evitar que ela "alucine" – contar mentiras

A parte 🌛 central do trabalho é escrever respostas falsas para perguntas hipotéticas de chatbot. Esses são os dados de treinamento que a 🌛 modelo precisa receber. A "IA" precisa de um exemplo do que "bom" se parece antes de tentar produzir "bom" escrita. 🌛

Além de fornecer à nossa modelo tal "material-padrão-ouro", também estamos ajudando a tentar evitar que 🌛 ela "alucine" – um termo poético para contar mentiras. Fazemos isso fornecendo-lhe exemplos que usam um motor de pesquisa e 🌛 citam fontes. Sem ver escrita que faça isso, ela não pode aprender a fazê-lo sozinha.

🌛 Sem melhores dados linguísticos, esses modelos de linguagem simplesmente não podem melhorar. Seu mundo é nossa palavra.

O fim 🌛 da palavra

E se os modelos forem treinados como fazer betboo dados sintéticos? Nossa internet ciborgue – co-autora por 🌛 nós e nossas máquinas de palavras – poderia então crescer indefinidamente.

Infelizmente, não é tão 🌛 simples. Treinar nossos atuais grandes modelos de linguagem como fazer betboo como fazer betboo própria saída não funciona. "Aprender indiscriminadamente de dados produzidos por 🌛 outros modelos causa 'colapso de modelo' – um processo degenerativo como fazer betboo que, ao longo do tempo, os modelos esquecem a 🌛 distribuição de dados subjacente verdadeira", escrevem Ilia Shumailov e colegas na Nature. Em outras palavras, eles saem dos trilhos e 🌛 tendem a produzir besteiras. Alimentar algo com como fazer betboo própria excreção leva à atrofia. Quem teria pensado?

🌛 Shumailov explicou a mim que cada vez que um modelo é treinado como fazer betboo dados sintéticos, ele perde consciência da 🌛 cauda longa de "dados minoritários" com os quais foi originalmente treinado (palavras raras, fatos incomuns, etc.). O conhecimento é erodido 🌛 e substituído apenas pelos pontos de dados mais prováveis – os LLMs são, à como fazer betboo essência, máquinas de predição de 🌛 texto sofisticadas. Portanto, quando os dados originais digitais são já tendenciosos – muito inglês, como fazer betboo grande parte centrados nos EUA 🌛 e cheios de postagens de fóruns pouco confiáveis – essa tendência será repetida.

Se os 🌛 dados sintéticos, produzidos por IAs, forem insuficientes para ajudar a melhorar os modelos, então eles precisarão de algo mais. Isso 🌛 é especialmente verdade à medida que as preocupações se espalham de que os modelos muito aclamados deixarão de ser capazes 🌛 de melhorar antes de eles sequer se tornarem úteis. As empresas de capital de risco precisarão preencher uma lacuna de 🌛 receita de R$500 bilhões até o final deste ano para agradar aos investidores. As máquinas de palavras podem ter fome; 🌛 o capital por trás delas também tem um apetite.

A OpenAI, o protetorado trillion-dollar da 🌛 Microsoft por trás do ChatGPT, assinou acordos de licenciamento – potencialmente valendo centenas de milhões de dólares – com muitas 🌛 das principais organizações de mídia do mundo, do News Corp ao Financial Times.

Mas não 🌛 é apenas uma questão de acumular mais dados originais. Essas empresas precisam do tipo de escrita que o modelo tentará 🌛 emular, não apenas absorver.

O papel dos anotadores humanos

Isso é onde os anotadores humanos entram 🌛 como fazer betboo cena.