Pinker odrzuca debatę o zagładzie z AI, gdy ruch z wyszukiwarek wydawców spada

List Pinkera, o którym 28 września poinformował The Decoder, adresowany był do psychiatry i blogera technologicznego Scotta Alexandra, który wyzwał go na debatę. Pinker nazwał takie wydarzenia „sportem widokowym”. Ten timing stawia długotrwały spór o ryzyko AI obok bardziej mierzalnego problemu: załamania odsyłek z wyszukiwarek, które wydawcy dokumentują od początku roku.

Tego samego dnia Vespper uruchomiło swoje narzędzie DOCX MCP, twierdząc, że jest trzy razy szybsze i dwa razy tańsze niż istniejące sposoby edycji dokumentów Word przez agentów AI. Firma poinformowała, że rozmawiała z dziesiątkami inżynierów oprogramowania, głównie z branży legal tech i ochrony zdrowia, którzy opisali tygodnie lub miesiące spędzone na strojeniu własnych pipeline’ów dokumentów. To wąski, nieefektowny problem. To też tam, gdzie trafia wiele pieniędzy na wdrożenia AI.

Strukturalne sygnały, nie słownictwo

Artykuł złożony na arXiv 14 września i zrewidowany 17 września oferuje mniej komfortowy wniosek dla każdego publikującego treści webowe. Jochen Madler z Sitefire odtworzył metodę StoryScope na treści komercyjne: 2 250 ludzkich postów blogowych sprzed ChatGPT z 268 domen firmowych przeciw 11 250 lustrzanych kopii AI z pięciu modeli frontowych. Instrument z 214 cechami, zastosowany przez LLM i zwalidowany w sesji anotacji ludzkiej z kappą człowiek-człowiek 0.928, wykrył posty AI wyłącznie na podstawie 187 cech strukturalnych z wynikiem 98.0 macro-F1 na firmach testowych. Wynik pozostał na poziomie 98.1, gdy każdy post AI został przepisany przez własny model. Posty AI zostały przypisane do prawidłowego źródła w 79.3 procentu przypadków, przy losowym poziomie 16.7 procenta.

Chodzi nie o to, że detektory łapią przepisywanie. Chodzi o to, że treści komercyjne generowane przez AI mają kształt, a ten kształt jest teraz mierzalny. Ludzkie posty, jak mówi artykuł, zajmują rzadkie konfiguracje strukturalne. Jeśli to się potwierdzi, wolumen stron pisanych przez maszyny konkurujących o uwagę wyszukiwarek nie jest nie tylko większy niż wcześniej; jest bardziej jednolity i łatwiejszy do zidentyfikowania w agregacji.

Infrastruktura wyszukiwania się zmienia

Wydawcy infrastruktury nie czekają na rozstrzygnięcie debaty o ruchu. PlanetScale opublikował 27 września wyjaśnienie, w jaki sposób odwrócone indeksy napędzają wyszukiwanie pełnotekstowe w Postgresie, kontrastując b-drzewa ze słownikami terminów i listami pozycji. Luxir, otwartosource’owy silnik wyszukiwania hybrydowego, pozycjonuje się wokół wyszukiwania pełnotekstowego, wektorowego i fasetowanego z jednego silnika, z rankingiem BM25 i przycinaniem blok-max. Argumentem w obu przypadkach jest efektywność: mniej rdzeni, mniej bajtów, mniejszy koszt. Wyszukiwanie jest przebudowywane, gdy ekonomia otwartego webu jest renegocjonowana.

Pinker pisze, że tym, co działa na niebezpieczeństwa, które bierze poważnie, jest trzeźwe inżynieria bezpieczeństwa oparta na niezależnym nadzorze, odpowiedzialności i kontroli ludzkiej.

Był wcześniej optymistą w kwestii AI, zauważa The Decoder, ale teraz przyznaje, że niedoszacował, jak zdolne staną się duże modele językowe i jak lekkomyślnie firmy AI będą wydawać swoje produkty. Alexander, który opisał swoje stanowisko na blogu w czerwcu, szacuje prawdopodobieństwo wyginięcia ludzkości przez AI na 20 procent i chce zarówno lepszych badań nad bezpieczeństwem, jak i umów międzynarodowych spowalniających rozwój. Dwaj mężczyźni nie zgadzają się w kwestii prawdopodobieństwa, nie w kwestii istnienia ryzyka.

Gdzie indziej w dossier, inne wydania tego tygodnia są mniejsze. GPU-font, opublikowany na Hacker News 28 września, dopasowuje czcionki w obrazie używając WebGPU i małej sieci neuronowej wytrenowanej w PyTorch na Google Fonts renderowanych przez Pillow i Chromium. ParkourNote, również opublikowany 28 września, to przestrzeń badawcza zbudowana solo w miesiąc z Claude, importująca artykuły, książki i wideo oraz udostępniająca bibliotekę Claude, ChatGPT lub Codex przez MCP. Agents2AgentsAI opublikowało zoptymalizowane runtime’y dla trzech modeli wizyjno-językowo-działania na NVIDIA Jetson AGX Thor, z latencjami w zakresie od 32.4 ms dla ABC-VLA do 113.4 ms dla MolmoAct2.

Żadne z tych narzędzi nie rozwiązuje bezpośrednio załamania odsyłek. Ale pokazują, dokąd idzie uwaga inżynieryjna: agenci czytający i piszący dokumenty, modele klasyfikujące treści po strukturze i silniki wyszukiwania zoptymalizowane, by robić więcej na maszynę. Dla wydawców, artykuł o detekcji strukturalnej może być najkonsekwentniejszą pozycją tygodnia. Sugeruje, że powódź treści AI nie jest nierozróżnialna od pracy ludzkiej. Jest po prostu tańsza w produkcji.