האם ויקיפדיה משפרת את הנראות בבינה מלאכותית?
כן, בעקיפין ובהסתברות, לא בערבות. ויקיפדיה ו-Wikidata הן בין התיאורים הציבוריים המובנים והמגובים ביותר במקורות של העולם, ולכן הן מזינות כמה חלקים בצנרת של הבינה המלאכותית בו-זמנית. קרן ויקימדיה הצהירה שכל מודל שפה גדול מאומן על תוכן ויקיפדיה, והיא כמעט תמיד מקור נתוני האימון הגדול ביותר שלהם. זו קביעה על חשיבות אסטרטגית. היא אינה הבטחה שהוספת דף אחד תשנה תשובה מסוימת.
מה שנותן לוויקיפדיה את משקלה הוא ספר החוקים שלה, לא הפופולריות. ערך שורד רק אם הוא נשען על מקורות עצמאיים ואמינים. לפי הנחיית הבולטות הכללית, נושא נחשב ראוי לערך משלו כשיש עליו סיקור משמעותי במקורות אמינים שאינם תלויים בנושא עצמו. "נחשב" הוא הנחה, לא ערובה. המשמעת הזו היא הסיבה שמודל שאומן על ויקיפדיה יורש איתות נקי יחסית, והיא גם הסיבה שדף עם בסיס מקורות דל הוא נטל ולא נכס.
מה ההבדל בין ויקיפדיה ל-Wikidata עבור בינה מלאכותית?
ויקיפדיה מספרת סיפור לקורא אנושי; Wikidata מוסרת למכונה סט של עובדות מוגדרות סוג. לכל ישות בולטת יכול להיות פריט ב-Wikidata עם מזהה יציב (מספר Q) והצהרות כמו שנת הקמה: 2010, מטה: קייב, אתר רשמי, וכל אחת מהן רצוי שתגובה בהפניה.
זה משנה לנראות בבינה מלאכותית משלוש סיבות:
- מכונות מעדיפות מבנה. מערכות אחזור ומקשרי ישויות קוראות שדה מוגדר של "תאריך הקמה" בפחות עמימות מאותה עובדה קבורה בפסקה.
- Wikidata מזינה את ה-Knowledge Graph. ה-Knowledge Graph של Google, שעומד מאחורי לוחות ידע ומשפיע על AI Overviews, שואב גם מוויקיפדיה וגם מ-Wikidata. לעיתים קרובות Wikidata היא שמכריעה לאיזו חברה בשם "X" הכוונה.
- הפער נפוץ. למותג יכול להיות סיקור עיתונאי איתן ורשומה חלשה או מיושנת ב-Wikidata שסותרת את האתר שלו. ל-Wikidata יש קריטריוני הכללה משלה, והיא אינה דרך לעקוף את דרישת הבולטות.
פירוט נוסף על הדרך מ-Wikidata ל-Knowledge Graph יש במאמר שלנו על Wikidata וה-Knowledge Graph של Google ובדף השירות Wikidata ו-Knowledge Graph.
באילו מנגנונים ויקיפדיה משפיעה על תשובות של בינה מלאכותית?
חמישה מנגנונים שונים, וערבוב ביניהם הוא הדרך הנפוצה ביותר לבזבז תקציב. לוח 1 מפריד ביניהם.
| # | מנגנון | משמעות | האם הבינה המלאכותית יכולה לצטט אותו בזמן אמת? | השליטה האמיתית שלכם |
|---|---|---|---|---|
| 1 | נתוני אימון | המודל קלט עובדות מוויקיפדיה ומהרשת הפתוחה בזמן האימון המקדים | לא, לידע שנלמד אין הערת שוליים חיה | נמוכה ועקיפה: אי אפשר לערוך סט אימון מוקפא, רק את הנוכחות העתידית שלכם |
| 2 | אחזור וציטוט מוטמע | במצב חיפוש או גלישה המנוע שולף דפים חיים ויכול לקשר אליהם | כן, משם מגיעים הציטוטים הגלויים | בינונית: לשמור על דפים ציבוריים מדויקים, מאונדקסים ועקביים |
| 3 | זיהוי ישויות | המערכת מבררת איזה דבר אמיתי עומד מאחורי השם שלכם | בעקיפין | בינונית עד גבוהה: פריט Wikidata נקי ושם אחד עקבי בכל מקום |
| 4 | השפעת Knowledge Graph | עובדות מובנות מעצבות לוחות, סקירות ומסגור | לעיתים רחוקות גלויה כהערת שוליים | בינונית: דרך נכסים מובנים, לא באמצעות "לבקש" מהבינה המלאכותית |
| 5 | הגברה של מקורות עצמאיים | הסיקור העיתונאי שערך בוויקיפדיה מצטט קריא בעצמו לבינה מלאכותית | כן, אפשר לצטט ישירות את כתבות המקור | נרכשת בעבודה, לא בכסף |
לצורכי תקצוב, שורה 5 היא החשובה ביותר. המקורות העצמאיים שערך בוויקיפדיה חייב להיבנות עליהם הם עצמם נכסים שבינה מלאכותית יכולה לקרוא. לכן ספק רציני מתחיל במחקר מקורות ולא בכתיבה: מקורות חלשים נכשלים בוויקיפדיה לפי אימות, שם נטל ההוכחה מוטל על העורך שמוסיף את החומר, והם גם משאירים לבינה המלאכותית משהו מהימן לאחזר.
איך ChatGPT, Gemini ו-Perplexity משתמשים במקורות ציבוריים?
כל אחד משלב ידע שנלמד עם אחזור חי בדרכו שלו, וכולם משתנים בין גרסאות, ולכן התיאור שלהלן הוא מנגנון ולא הצהרה על גרסה נוכחית של מוצר כלשהו.
- ChatGPT משלב ידע מזמן האימון עם אחזור חי במצבי גלישה או חיפוש, שבהם הוא יכול למצוא דפי אינטרנט ולקשר אליהם, כולל ויקיפדיה והאתר שלכם. בלי אחזור הוא עונה מתוך האימון, שבו ויקיפדיה הייתה מקור מרכזי אך אינה מיוחסת בנפרד.
- Gemini קשור הדוק למערך החיפוש של Google ול-Knowledge Graph, ולכן איתותים מובנים ואנציקלופדיים שמעצבים את ההבנה של Google לגבי ישות יכולים לעצב את האופן שבו Gemini נותן לה שם ומזהה אותה.
- Perplexity בנוי סביב אחזור חי וציטוטים גלויים, ולעיתים קרובות הוא מציג את ויקיפדיה ומקורות רשת ראשוניים כהערות שוליים כשהם ההתאמה החזקה ביותר שזמינה.
הדפוס המשותף לשלושתם: ככל שהפרופיל הציבורי שלכם אמין, נגיש, מובנה ועקבי יותר, כך גדל הסיכוי שהמערכת תתאר אתכם נכון ושבמקום שבו היא מצטטת, היא תצטט אתכם. קריאה קשורה: למה ויקיפדיה היא לעיתים קרובות המקור המוביל של ChatGPT.
איך בודקים את הנראות שלי בבינה מלאכותית? מפת משטחי הציטוט
מפו כל משטח ציבורי וקריא למכונה שבינה מלאכותית יכולה לקרוא עליכם, ודרגו כל אחד. מפת משטחי הציטוט (Citation Surface Map) היא רשימת בדיקה לעבודה עצמית: היא מראה איזה משטח הוא החוליה החלשה שלכם, במקום להניח שרק ויקיפדיה חשובה.
השרשרת בדרך כלל נראית כך: סיקור תקשורתי עצמאי, אחר כך ערך בוויקיפדיה, אחר כך פריט ב-Wikidata, אחר כך ה-Knowledge Graph של Google, אחר כך האתר שלכם והנתונים המובנים, אחר כך סט האימון ואינדקס האחזור של הבינה המלאכותית, ולבסוף התשובה. דרגו כל משטח 0 (חסר), 1 (קיים אך חלש או לא עקבי) או 2 (חזק, מדויק, נגיש):
- סיקור תקשורתי עצמאי. כמה פריטי סיקור משמעותיים, עצמאיים ואמינים עליכם, לא הודעות לעיתונות. זה היסוד לכל מה שבא אחריו.
- ערך בוויקיפדיה. קיים, ניטרלי, מגובה היטב במקורות, וללא תגיות מחיקה או קידום.
- פריט Wikidata. קיים, שדות המפתח מלאים ומגובים בהפניות, ושום דבר בו לא סותר משטחים אחרים.
- לוח הידע של Google. מופיע עבור השם המדויק שלכם עם נתונים נכונים. הוא בדרך כלל תוצאה של שורות 1 עד 3, ולכן תקנו אותן ולא את הלוח.
- נתונים מובנים באתר שלכם. סכמת Organization או Person תקינה ועקבית עם כל משטח אחר.
- עקביות בין המשטחים. שם, תאריך הקמה, מטה והנהגה זהים בכל מקום. סתירות מורידות את הביטחון של הבינה המלאכותית.
- נוכחות לפי שפה. במותגים מרובי שווקים, בולטות נבחנת בכל מהדורת שפה בנפרד ואינה עוברת ביניהן.
סכום קרוב ל-14 אומר שהחוליה החלשה שלכם היא כנראה עקביות או נתונים מובנים, לא ויקיפדיה. סכום של 0 עד 4 עם סיקור תקשורתי ברמה 1 ומטה מעיד שערך בוויקיפדיה הוא מוקדם מדי, וכך גם רוב ההוצאה על נראות בבינה מלאכותית בשלב הזה: קודם להרוויח סיקור. זו אבחנה עצמית, לא פסק דין על זכאות; לשם כך נדרש שיפוט מקור אחר מקור. כדי לראות איפה עומדים תחומים שונים, השתמשו במדד הבולטות שלנו: בהערכות שלנו מ-2018 עד 2026, 98% ממותגי Crypto / Web3 דורגו בבולטות נמוכה, לעומת 19% ב-Finance / Fintech / Investment, כך שאותו מאמץ מניב תוצאות שונות מאוד לפי תחום.
האם אופטימיזציה לנראות בבינה מלאכותית היא תמרון?
לא. פרסום עובדות מדויקות, מאומתות באופן עצמאי וניטרליות ברשת הפתוחה הוא ההפך מתמרון של מודל: אתם לא נוגעים במשקולות, בפרומפטים או בדירוגים, אתם משפרים את איכות המידע הציבורי על ישות אמיתית ואת עקביותו.
מה שייחשב תמרון, ושאנחנו מסרבים לו: ניסיון להשפיע על עורכים או מפעילי מערכת בוויקיפדיה, שתילת מקורות מזויפים או תשלום לעיתונאים עבור סיקור, גיוס קולות או שימוש בחשבונות בובה בדיוני מחיקה, הסתרת עריכה בתשלום, או הנדסת תוכן בוויקיפדיה כדי להטעות מודל שפה. כמה מאלה פועלים נגד עצמם. מדיניות הגילוי של תרומות בתשלום בוויקיפדיה, שמיישמת את תנאי השימוש של קרן ויקימדיה, מחייבת עורכים בתשלום לגלות את המעסיק, הלקוח והזיקה שלהם. עריכה בתשלום ללא גילוי מובילה לחסימת חשבונות ולמחיקת ערכים, מה שמסיר את הנכס ששילמתם עליו. ציות הוא תנאי מוקדם לשמירה על הנראות. התמונה המלאה במדריך שלנו על עריכה בתשלום, ניגוד עניינים וגילוי נאות.
מה אף ספק לא יכול להבטיח?
אף ספק לא יכול להבטיח שערך בוויקיפדיה, פריט ב-Wikidata או כל קמפיין יגרמו ל-ChatGPT, Gemini או Perplexity לצטט אתכם או לומר דבר מסוים. מערכות בינה מלאכותית שוקלות מקורות רבים, משתנות בין גרסאות ועונות על אותה בקשה בתשובות שונות. מי שמבטיח תוצאה של בינה מלאכותית טועה, או מוכר לכם סיכון.
אנחנו גם לא טוענים לגישה מיוחדת או להשפעה על עורכים או מפעילי מערכת בוויקיפדיה; אין דבר כזה, והניסיון להשיג אותו אסור. הגנה על דפים נקבעת אך ורק על ידי מפעילי המערכת של ויקיפדיה. מה שאנחנו כן מתחייבים אליו הוא עבודה על הקלטים: הערכת בולטות כנה, מחקר מקורות אמיתי, עריכה ניטרלית ובגילוי מלא בשם WikiBusines, נתונים מובנים מדויקים, ו-90 ימי ניטור לאחר הפרסום. התוצאה נשארת בידי מערכות הבינה המלאכותית וקהילת ויקיפדיה.
גם ההנחיות של ויקיפדיה בנוגע למודלי שפה גדולים מגבילות ערכים שנכתבו בידי מכונה. הן משנות את האופן שבו ערכים נכתבים, לא את השאלה אם בינה מלאכותית קוראת את ויקיפדיה, והן סיבה נוספת להשתמש בתוכן שנכתב בידי אדם ומגובה כראוי במקורות.
כמה זה עולה?
העלות תלויה בחוזק המקורות, במהדורת השפה, במורכבות ובטיפול המתמשך, לא בתוצאה מובטחת של בינה מלאכותית. נקודות ייחוס לבעיה זו, ביורו:
| שלב | מחיר | מה מקבלים |
|---|---|---|
| ביקורת נראות בבינה מלאכותית | €490, 3 עד 5 ימים | מפה של המשטחים שבינה מלאכותית יכולה לקרוא עליכם והפערים. אינה מקוזזת מחבילה |
| ביקורת בולטות | החל מ-€490 | הערכה מקור אחר מקור; מקוזזת מדף אם מזמינים בתוך חודש |
| ישות Wikidata | החל מ-€680, שבוע עד שבועיים | רשומת ישות נקייה ומגובה בהפניות |
| חבילות נראות בבינה מלאכותית | החל מ-€800 (Starter) עד €3,500 (Enterprise) | עבודה מתואמת על פני המשטחים שלעיל |
| דף בוויקיפדיה האנגלית | החל מ-€2,400, 4 עד 5 שבועות | ערך ניטרלי, מגובה במקורות, בגילוי נאות |
פירוט מלא במדריך עלות הדף וב-/pricing. לגבי הערבות: לאחר הפרסום אנחנו מנטרים 90 ימים, ואם דף שפורסם לא ניתן להגנה לאחר שלושה ניסיונות בחלון הזה, אנחנו מחזירים 80%. זה החזר על מאמץ ההגנה, לא הבטחה לאישור או לכל פלט של בינה מלאכותית. התנאים ב-/guarantees.
איך WikiBusines עוזרת
אנחנו עובדים על הקלטים שמערכות בינה מלאכותית קוראות, בסדר הזה: מה נכון ומגובה במקורות, אחר כך מה מובנה, ואחר כך מה נמצא בוויקיפדיה.
- למצוא את החוליה החלשה. ביקורת הנראות בבינה מלאכותית (€490, 3 עד 5 ימים) ממפה את המשטחים שלכם. אם הפערים דורשים עבודה, חבילות נראות בבינה מלאכותית מתחילות ב-€800.
- לתקן את השכבה המובנית. ישות Wikidata החל מ-€680 היא לעיתים קרובות הצעד הבודד הזול ביותר, ואינה דורשת ערך בוויקיפדיה.
- לבדוק זכאות לפני דף. ביקורת הבולטות החל מ-€490 מקוזזת מיצירת דף החל מ-€2,400 לאנגלית, 4 עד 5 שבועות, אם מזמינים בתוך חודש. אם דף עדיין לא ריאלי, נגיד לכם את זה.
התחילו ברשימת התקשורת לעבודה עצמית ובמדד הבולטות, או דברו עם הצוות על הערכה כנה.
שאלות נפוצות
כן. קרן ויקימדיה מצהירה שלמעשה כל מודל שפה גדול מאומן על תוכן ויקיפדיה, ושהיא בדרך כלל המקור הבודד הגדול ביותר בסט האימון. במצבי אחזור חי, מנועים יכולים גם לשלוף דפי ויקיפדיה ולצטט אותם ישירות.
לא. דף יכול לשפר את הקלטים של כמה מנגנוני בינה מלאכותית בו-זמנית, מה שמעלה את ההסתברות לתיאור מדויק או לציטוט. אבל מערכות בינה מלאכותית שוקלות מקורות רבים ומשתנות בין גרסאות, ולכן אף אחד לא יכול להבטיח תשובה מסוימת.
ויקיפדיה היא פרוזה לבני אדם; Wikidata היא מסד נתונים של עובדות מוגדרות סוג ומגובות בהפניות, שמזין את ה-Knowledge Graph ועוזר למערכות להבחין בין ישויות. אפשר להיות חזקים באחת וחלשים או חסרים בשנייה.
לעיתים קרובות, כן. סיקור תקשורתי עצמאי, פריט Wikidata מגובה היטב ונתונים מובנים עקביים באתר שלכם כולם נחשבים. ויקיפדיה היא משטח חזק אחד, לא היחיד, ומפת משטחי הציטוט מראה איזה משטח הוא צוואר הבקבוק האמיתי שלכם.
בגדול, מערכות אחזור מעדיפות דפים ציבוריים, נגישים ואמינים שמתאימים לשאילתה, ומשתמשות באיתותי ישויות כדי להפריד בין ישויות דומות. ההתנהגות המדויקת שונה בין מוצרים ומשתנה לעיתים קרובות; ראו איך בינה מלאכותית מחליטה לאילו מותגים לצטט.
לא. פרסום עובדות מדויקות, ניטרליות ומגובות במקורות עצמאיים הוא ההפך מהשפעה על המשקולות או הפרומפטים של מודל. תמרון פירושו מקורות מזויפים, עריכה בתשלום ללא גילוי או לחץ על עורכים, ועריכה בתשלום ללא גילוי מובילה למחיקת ערכים.
הן יכולות, מהדורה אחר מהדורה: שאילתות בגרמנית נשענות על מקורות גרמניים ועל ויקיפדיה הגרמנית, וכן הלאה. בולטות צריכה להיקבע בנפרד בכל מהדורה ואינה עוברת הלאה. ראו את מדריך האסטרטגיה הרב-לשונית לוויקיפדיה.
בדרך כלל שניים: לתקן את הנתונים המובנים Organization או Person באתר שלכם ולהסיר סתירות בין משטחים, ואז לוודא שפריט ה-Wikidata שלכם מדויק ומגובה בהפניות. אף אחד מהם לא דורש ערך בוויקיפדיה, ושניהם נמצאים ברובם בשליטתכם.
כותבים ומדיניות עריכה
Bohdan Dubylovskyiמייסד שותף ומנהל פיתוח עסקי, WikiBusines→
Roman Melnykמייסד שותף ועורך ראשי, WikiBusines→המאמר נכתב על ידי מייסדי WikiBusines. אנחנו מוכרים שירותים בתשלום בוויקיפדיה, ולכן מצהירים על האינטרס הזה: עריכה בתשלום מוצהרת תמיד בוויקיפדיה בשם WikiBusines, והטענות על הכללים נתמכות בקישורים למקורות ראשוניים.
מדיניות עריכה: הצהרה על תשלום, ניגוד עניינים, מקורות Read in English