60% TikTok फीड्स आणि 21% YouTube आता AI स्लॉप आहेत: अहवाल

कच्चा व्यक्तिमत्व, अनोखा कलात्मक दृष्टीकोन आणि सेंद्रिय सामुदायिक परस्परसंवाद दर्शवणारे, सोशल मीडिया क्रांतीचे वचन मानवी संबंधात खोलवर रुजलेले होते. तथापि, मास-मार्केट जनरेटिव्ह आर्टिफिशियल इंटेलिजन्सच्या वाढीमुळे ऑनलाइन मीडिया निर्मितीचे मूलभूत अर्थशास्त्र मूलभूतपणे बदलले आहे. स्क्रिप्ट्स लिहिणे, फुटेज संपादित करणे आणि आवाज रेकॉर्ड करण्यात तास घालवण्याऐवजी, डिजिटल ऑपरेटर उच्च-व्हॉल्यूम, कमी-प्रयत्न व्हिडिओ क्लिप व्युत्पन्न करण्यासाठी स्वयंचलित सॉफ्टवेअर साधने वाढवत आहेत. द्वारे हायलाइट केलेल्या धक्कादायक अहवालानुसार 9 ते 5 मॅकडिजिटल लँडस्केपने एक निश्चित उंबरठा ओलांडला आहे: अगदी नवीन वापरकर्ता फीडला दिलेले जवळपास 60% TikTok व्हिडिओ AI स्लॉप म्हणून पात्र आहेत, तर YouTube वरील 21% शिफारसींसाठी हेच खरे आहे.

या सामग्रीचा स्फोट संपूर्ण लक्ष अर्थव्यवस्थेवर मोठ्या प्रमाणात गुणवत्ता संकटाचे प्रतिनिधित्व करतो. व्हिडिओ क्रिएशन प्लॅटफॉर्म Kapwing द्वारे आयोजित केलेल्या सर्वसमावेशक अभ्यासात, 20 भिन्न सामग्री श्रेणींमध्ये 10,742 TikTok व्हिडिओंचे विश्लेषण करण्यात आले आहे, ज्यामध्ये पाहण्याचा इतिहास नसलेल्या वापरकर्त्याला शिफारस केलेल्या पहिल्या 500 व्हिडिओंचे परीक्षण करण्यासाठी समर्पित फ्रेश-खाते चाचणी केली आहे. निष्कर्ष आधुनिक अल्गोरिदमिक क्युरेशनचे गडद चित्र रंगवतात, हे सिद्ध करतात की कमी-गुणवत्तेचे, सिंथेटिक माध्यम मानवी सर्जनशीलतेला सक्रियपणे विस्थापित करत आहे. या अचानक वाढीमागील डेटा एक्सप्लोर केल्याने, हे स्पष्ट होते की या प्रमुख प्लॅटफॉर्मचे व्यवसाय मॉडेल सध्या वास्तविक मानवी पदार्थापेक्षा वेगवान रोबोटिक व्हॉल्यूमला अनुकूल करण्यासाठी अनुकूल केले गेले आहेत.

स्लॉपचे प्रमाण: प्लॅटफॉर्मची तुलना करणे

कपविंग अहवाल दोन प्रबळ शॉर्ट-फॉर्म व्हिडिओ नेटवर्कमधील सामग्रीच्या गुणवत्तेमध्ये तीव्र फरक ठळक करतो, हे उघड करतो की TikTok चे डीफॉल्ट फीड YouTube Shorts पेक्षा तिप्पट AI स्लॉपची शिफारस करते. ताज्या-खाते चाचणी दरम्यान, TikTok च्या तुमच्यासाठी पृष्ठाने आश्चर्यकारकपणे 294 ऑटोमेटेड व्हिडिओ 5 पैकी 294 व्हिडिओ सादर केले. दुसरीकडे, YouTube च्या फीडने 500 पैकी 104 सिंथेटिक व्हिडिओंची शिफारस केली आहे. YouTube अजूनही मोठ्या सामग्री गुणवत्तेच्या समस्येशी लढत असताना, त्याचा कमी संपृक्तता दर प्लॅटफॉर्मच्या कठोर मुद्रीकरण धोरणांच्या सक्रिय अंमलबजावणीमुळे आणि कमी-प्रयत्न, मोठ्या प्रमाणात-उत्पादित चॅनेलचे विमुद्रीकरण करण्यासाठी डिझाइन केलेल्या लवकर बॅकएंड शोध प्रणालीमुळे उद्भवते.

असुरक्षित लक्ष्ये: लहान मुलांची सामग्री संकट

मुलांसाठी स्पष्टपणे लक्ष्यित केलेल्या सामग्रीवरील संशोधन केंद्रांमधील सर्वात चिंताजनक शोध. TikTok च्या किड्स कॅटेगरीमध्ये विश्लेषित केलेल्या 2,000 व्हिडिओंपैकी, 57% पूर्ण बहुमत मशीन-व्युत्पन्न जंक म्हणून ध्वजांकित केले गेले.

उच्च-जोखीम हॅशटॅगमध्ये AI संपृक्तता

विशिष्ट मुलांचे टॅग पाहताना सिंथेटिक व्हिडिओंची एकाग्रता एकूण संपृक्ततेपर्यंत पोहोचते:

• #CartoonKids: सर्व वैशिष्ट्यीकृत व्हिडिओंपैकी 97% मशीन-व्युत्पन्न होते, 100 पैकी फक्त तीन मानवी-निर्मित क्लिप सोडल्या.
• #cartoons: सर्व सामग्रीपैकी 83% स्वयंचलित जंकसाठी निकष पूर्ण करतात.
• #babysong: 83% क्लिपमध्ये रोबोटिक टेम्प्लेट्स आणि व्हॉइसओव्हर आहेत.
• #forkids: 79% फीड कमी-प्रयत्न सिंथेटिक स्क्रिप्टवर तयार केले गेले.

बालरोग तज्ञ या औद्योगिक-स्केल स्वयंचलित सामग्री पाइपलाइनवर मोठ्या अलार्म वाढवत आहेत. कारण लहान मुलांमध्ये विकृत AI ॲनिमेशन, सिंथेटिक व्हॉईस आणि चुकीच्या क्रमाने संख्या दर्शविणारे धडे मोजणे यासारख्या तथ्यात्मक त्रुटी शोधण्यासाठी संदर्भित जागरूकता नसल्यामुळे ते या आकर्षक परंतु अर्थहीन लूपसाठी अत्यंत असुरक्षित असतात.

वर्ग विश्लेषण: जिथे मानवी निर्मिती रेषा धरते

संशोधनात असे दिसून आले आहे की ज्या श्रेणींमध्ये थेट ऑन-कॅमेरा उपस्थिती किंवा भौतिक प्रात्यक्षिक आवश्यक आहे ते स्वयंचलित लहरींच्या विरूद्ध अत्यंत लवचिक असतात. याउलट, स्टॉक इमेजरी आणि व्हॉइसओव्हर कथन यावर अवलंबून असलेले विषय पूर्णपणे ओव्हररन केले गेले आहेत.

प्रमुख सामग्री श्रेणींमध्ये AI स्लॉप घनता

फीड प्रशिक्षण: मशीन कसे टाळावे

ही आकडेवारी त्रासदायक असली तरी, अभ्यासात असे लक्षात येते की ही उच्च टक्केवारी सर्वात वाईट परिस्थिती दर्शवते: ऐतिहासिक घड्याळाचा डेटा नसलेले रिक्त-स्लेट खाते. कारण सोशल मीडिया शिफारस प्रणाली पाहण्याच्या वेळेला प्राधान्य देतात, स्वयंचलित व्हिडिओंपासून दूर क्लिक करून, “स्वारस्य नाही” निवडण्यासाठी जास्त वेळ दाबून किंवा मानवी निर्मात्यांना थेट शोधणे तुमचे फीड साफ करण्यासाठी अल्गोरिदमला वेगाने प्रशिक्षित करेल.

दोन्ही नेटवर्क वापरकर्त्याच्या प्रतिक्रियेला प्रतिसाद देत आहेत; TikTok ने यापूर्वी AI शिफारशी मर्यादित करण्यासाठी वापरकर्ता-फेसिंग नियंत्रणे लाँच केली होती आणि YouTube ने कठोर लेबलिंग आदेश जारी करणे सुरू ठेवले आहे. तथापि, जोपर्यंत निर्माते पेआउट सिस्टम रॉ अपलोड व्हॉल्यूमला ठोस गुणवत्तेवर बक्षीस देतात, तोपर्यंत सोशल मीडिया फीड्स मानवी अस्सल अभिव्यक्ती आणि अंतहीन स्वयंचलित आवाज यांच्यातील चढ-उताराचे मैदान राहील.