Büyüme Danışmanı Kevin Indig tarafından 1,2 milyon AI yanıtı ve 18.012 doğrulanmış alıntının analizine göre ChatGPT, alıntıları seçerken içeriğin üst kısmını büyük ölçüde tercih ediyor.
Neden önemsiyoruz?. Geleneksel arama, derinliği ve gecikmeli getiriyi ödüllendirdi. Yapay zeka anında sınıflandırmayı destekler; net varlıklar ve doğrudan yanıtlar. Maddeniz erken ortaya çıkmazsa, yapay zeka cevaplarında görünme olasılığı daha düşük olur.
Sayılara göre. Indig'in ekibi, rastgele doğrulama gruplarında geçerli olan tutarlı bir "kayak rampası" alıntı modeli buldu. Sonuçların istatistiksel olarak tartışılmaz olduğunu söyledi:
- Atıfların %44,2'si içeriğin ilk %30'undan geliyor.
- %31,1'i orta kesimden geliyor (%30-70).
- %24,7'si son üçte birlik kısımdan geliyor ve alt bilgiye yakın keskin bir düşüş var.
Paragraf düzeyinde AI daha derinlemesine okur:
- Atıfların %53’ü paragraf ortasından geliyor.
- %24,5'i ilk cümlelerden geliyor.
- %22,5'i son cümlelerden geliyor.
Büyük paket servisi. Makale düzeyinde temel bilgileri önden yükleyin. Paragraflarda, zorunlu ilk cümleler yerine netlik ve bilgi yoğunluğuna öncelik verin.
Bu neden oluyor?. Büyük dil modelleri, gazetecilik ve "en alt satırda" yapısını takip eden akademik yazılar üzerine eğitilir. Model, erken çerçevelemeye daha fazla ağırlık veriyor gibi görünüyor, ardından geri kalanını bu mercek aracılığıyla yorumluyor.
- Modern modeller çok büyük token pencerelerini işleyebilir ancak verimliliğe öncelik verir ve bağlamı hızlı bir şekilde oluşturur.
Nelerden alıntı yapılıyor. Indig, yüksek oranda alıntı yapılan içeriğin beş özelliğini belirledi:
- Tanımlayıcı dil: Atıf yapılan pasajlarda net tanımlar kullanma olasılığı neredeyse iki kat daha fazlaydı (“X şudur”, “X kastetmektedir”). Doğrudan özne-fiil-nesne ifadeleri belirsiz çerçevelemeden daha iyi performans gösterir.
- Konuşmaya dayalı Soru-Cevap yapısı: Alıntılanan içeriğin soru işareti içerme olasılığı 2 kat daha fazlaydı. Sorulara yapılan alıntıların %78,4'ü başlıklardan geldi. Yapay zeka genellikle H2'leri ipucu olarak ve aşağıdaki paragrafı da yanıt olarak ele alır.
- Varlık zenginliği: Tipik İngilizce metin %5 ila %8 oranında özel isim içerir. Yoğun alıntı yapılan metinlerin ortalama oranı %20,6'dır. Belirli markalar, araçlar ve kişiler yanıtları sabitler ve belirsizliği azaltır.
- Dengeli duygu: Atıf yapılan metin 0,47'lik bir öznellik puanı etrafında toplanmıştır; ne kuru gerçek ne de duygusal görüş. Tercih edilen üslup analist yorumunu andırıyor: gerçek artı yorum.
- İş düzeyinde netlik: Kazanan içeriğin ortalama Flesch-Kincaid not düzeyi 16 iken, daha düşük performans gösteren içerik için 19,1 oldu. Daha kısa cümleler ve sade yapı, yoğun akademik düzyazıyı yener.
Veriler hakkında. Indig, yapay zekanın içeriği nereye ve neden çektiğini incelemek için 18.012 doğrulanmış alıntıyı izole ederek 3 milyon ChatGPT yanıtını ve 30 milyon alıntıyı analiz etti. Ekibi, yanıtları belirli kaynak cümlelerle eşleştirmek için cümle dönüştürücü yerleştirmeleri kullandı, ardından sayfa konumlarını ve tanımlar, varlık yoğunluğu ve duygu gibi dilsel özellikleri ölçtü.
Sonuç olarak.Anlatısal "nihai kılavuz" yazımı, yapay zeka erişiminde düşük performans gösterebilir. Yapılandırılmış, brifing tarzı içerik daha iyi performans gösterir.
- Indig, bunun bir "açıklık vergisi" yarattığını savunuyor. Yazarlar tanımları, varlıkları ve sonuçları erkenden yüzeye çıkarmalıdır; bunları sona saklamamalıdır.
