• Szef News Corp Robert Thomson ostrzega, że zalew niskiej jakości materiałów w internecie może w długim terminie zaszkodzić rozwojowi AI.
  • Badania opublikowane w „Nature” wykazały, że trenowanie kolejnych modeli na treściach tworzonych przez poprzednie generacje może prowadzić do utraty informacji.
  • Wraz ze wzrostem ilości treści generowanych automatycznie coraz cenniejsze mogą stawać się dane pochodzące bezpośrednio od ludzi i ze zweryfikowanych źródeł.

Szef News Corp ostrzega przed zalewem treści AI

Do problemu wrócił Robert Thomson, prezes News Corp, jednego z największych koncernów medialnych na świecie. W rozmowie z japońskim „Yomiuri Shimbun”, opisanej 1 listopada przez PAP za pośrednictwem Bankier.pl, przekonywał, że rola treści tworzonych i weryfikowanych przez ludzi będzie rosła wraz ze zwiększaniem się liczby niesprawdzonych materiałów publikowanych w sieci.

„Zasadniczo AI jest wyrafinowaną siecią dystrybucji” – stwierdził Thomson. W jego ocenie sztuczna inteligencja potrafi bardzo skutecznie przetwarzać i rozpowszechniać istniejące informacje, ale ma charakter retrospektywny. Nie zastępuje reportera, który dociera na miejsce wydarzenia, zdobywa nową informację i bierze odpowiedzialność za jej publikację.

Podobne stanowisko Thomson przedstawił w raporcie rocznym News Corp za 2026 rok. Podkreślił w nim, że sztuczna inteligencja jest tylko tak użyteczna i wiarygodna, jak jakość oraz integralność danych, z których korzysta. News Corp jednocześnie współpracuje z firmami technologicznymi, w tym OpenAI i Meta, oraz walczy o ochronę praw do własnych treści.

Treści AI w internecie mogą „zatruwać” dane treningowe

Problem nie sprowadza się jednak wyłącznie do sporu wydawców z firmami technologicznymi. Istnieje także ryzyko techniczne. Naukowcy z brytyjskich uczelni opisali je jako „model collapse”, czyli proces stopniowej degeneracji modeli uczonych na danych wytwarzanych przez wcześniejsze generacje sztucznej inteligencji.

W badaniu opublikowanym w „Nature” naukowcy wykazali, że niekontrolowane wykorzystywanie treści generowanych przez modele do szkolenia ich następców może powodować utratę części informacji zawartych w pierwotnych danych. Najpierw znikają mniej typowe i rzadziej występujące elementy, a wraz z kolejnymi generacjami model może coraz gorzej odwzorowywać rzeczywisty rozkład danych.

Nie oznacza to, że każda porcja syntetycznych danych automatycznie pogarsza sztuczną inteligencję. Takie dane mogą być użyteczne, jeśli ich pochodzenie jest znane, a proces treningowy jest odpowiednio kontrolowany. Problem pojawia się w sytuacji, gdy model pobiera z internetu ogromne ilości materiałów, nie wiedząc, które zostały napisane przez ludzi, a które są produktem innych modeli.

Coraz ważniejsze będzie pochodzenie informacji

To właśnie dlatego autorzy badania wskazują na rosnącą wartość danych dokumentujących rzeczywiste ludzkie zachowania, wypowiedzi i interakcje. Jeżeli coraz większa część internetu będzie składała się z tekstów, obrazów czy nagrań tworzonych automatycznie, oddzielenie materiałów pierwotnych od syntetycznych stanie się trudniejsze.

Dla firm rozwijających duże modele językowe oznacza to konieczność dokładniejszego selekcjonowania zbiorów treningowych. Może również zwiększać wartość umów z wydawcami, instytucjami posiadającymi specjalistyczne bazy danych oraz podmiotami tworzącymi oryginalne materiały.

News Corp właśnie na tym opiera swoją strategię. Koncern argumentuje, że wiadomości, raporty i specjalistyczne informacje powstające każdego dnia są dla producentów AI wartościowym zasobem, ponieważ nie można ich odtworzyć wyłącznie na podstawie starych danych.

AI potrzebuje internetu, którego sama nie stworzyła

W długiej perspektywie stawką jest jakość całego ekosystemu informacyjnego. Automatyczne generowanie tekstów znacząco obniżyło koszt produkcji treści. Jednocześnie pozwala tworzyć ogromne ilości materiałów bez tradycyjnego procesu redakcyjnego, weryfikacji źródeł czy odpowiedzialności konkretnego autora.

Im więcej takich materiałów trafi do sieci, tym ważniejsze będzie rozpoznawanie ich pochodzenia. Problem dotyczy zarówno użytkowników, wyszukiwarek i mediów, jak i firm rozwijających kolejne generacje sztucznej inteligencji.

Paradoks polega więc na tym, że AI może zwiększać podaż treści szybciej niż kiedykolwiek wcześniej, ale jednocześnie potrzebuje stałego dopływu nowych, wiarygodnych danych pochodzących spoza własnego ekosystemu. Bez nich ryzyko kopiowania błędów, upraszczania informacji i stopniowej utraty różnorodności danych będzie rosło.

Czytaj także:

Polacy zaczęli mocno oszczędzać. Odkładają już ponad 10 proc. dochodów

Dług Polski rośnie najszybciej w UE. Europa jest już prawie 100 bln dolarów „pod kreską”

AI rozstrzygnie, czy zasługujesz na podwyżkę. To już się dzieje