Думаете, музыка больше всего пострадала от халтуры? Искусственный интеллект также сильно загрязнил подкасты.

      Digital Trends может получать комиссию, когда вы покупаете через ссылки на нашем сайте. Почему стоит нам доверять?

      

      

       AI подкасты превращают аудиоплатформы в фабрики мусора

      

      

      

      

      

      

      

      

       Молодая женщина слушает подкаст

      

      

       Google Gemini / Google

      

      

      

       AI мусор уже заполнил видеопотоки, дебаты по играм, программный код и результаты поиска. Теперь тот же низкокачественный контент, созданный машиной, переходит в подкасты.

      Музыка обычно доминирует в дебатах о AI мусоре, но проблема подкастов может быть труднее заметить и труднее исправить. AI инструменты теперь могут создавать, загружать и даже монетизировать целые шоу гораздо быстрее, чем традиционные подкаст-студии.

      Сгенерированное AI изображение подкаста. Gemini / Nano Banana слева John Brandon / Digital Trends

      `

      Становится ли подкастинг следующей фабрикой мусора?

      Отчет Bloomberg указывает на то, как быстро это распространяется. Согласно Podcast Index, за примерно девять дней было создано 10,871 новых подкаст-каналов, и около 4,243 из них, или 39%, вероятно, были сгенерированы AI. Один стартап подкастов теперь утверждает, что у него более 10,000 активных шоу и он опубликовал 877 новых шоу всего за 48 часов.

      Подкастинг становится особенно уязвимым в таком масштабе, потому что открытие работает иначе, чем в музыке. Низкокачественную AI песню можно пропустить за секунды, но подкасты сильно зависят от поиска, рекомендаций и доверия. Если каналы заполнены шоу, созданными машиной, слушателям может потребоваться больше усилий, чтобы найти настоящих ведущих, оригинальные репортажи или реальные разговоры.

      Apple

      Этот шаблон уже виден в других форматах, пострадавших от AI. Видеоплатформы пытаются справиться с низкокачественными AI загрузками, одновременно продвигая AI инструменты для создателей. Игровая индустрия столкнулась с негативной реакцией на визуальные эффекты с поддержкой AI, некоторые игроки называют определенные функции AI графики мусором. Кодирование также имеет аналогичную проблему. AI может помочь разработчикам писать больше кода быстрее, но это также означает больше ошибок, слабых исправлений, рисков безопасности и дополнительной работы по проверке. В подкастах проблема заключается не только в объеме, но и в том, насколько легко этот объем можно превратить в деньги.

      Кто выигрывает, когда подкасты становятся автоматизированными?

      Легкая монетизация делает подкастный мусор больше, чем просто проблема качества. Некоторые хостинг-сервисы позволяют бесплатным подкастам присоединяться к рекламным рынкам с очень немногими проверками, так что шоу, созданные AI, все равно могут зарабатывать деньги на загрузках, даже если контент слабый или едва проверенный. Одна платформа делит 60% рекламных доходов с создателями, в то время как другая говорит, что может приостановить рекламу или удалить шоу, если они окажутся мусором.

      Apple Podcasts, по крайней мере, начала просить создателей раскрывать, когда значительная часть шоу использует AI. Spotify, с другой стороны, полагается на более широкие правила против вводящего в заблуждение контента и пока не выпустила конкретную политику по AI подкастам. Это оставляет слушателей и рекламодателей с проблемой доверия, потому что AI сделал аудио легче в производстве и труднее в проверке.

      

      

      

      

      

      

      

      

      

      

      

       У меня около 4 лет опыта, в основном в освещении игр, ПК-аппаратуры и смартфонов. В свободное время мне нравится…

      

      

      

      

      

      

       Политики в области здравоохранения, основанные на AI, лишают нуждающихся в одной из самых бедных стран мира

      

       Ошибочная AI система увеличивает медицинские расходы для самых бедных семей Кении

      

       Кения обещала более широкий доступ к более доступному здравоохранению. Но новое расследование показало, что ее алгоритмическая система усложняет жизнь людям, которым она должна была помочь больше всего. Согласно отчетам The Guardian, Africa Uncensored и Lighthouse Reports, новая система Социального здравоохранения Кении использует предсказательный алгоритм машинного обучения, чтобы оценить, сколько люди должны платить за государственное медицинское страхование.

      Система была впервые запущена в октябре 2024 года в рамках обещания президента Уильяма Руту расширить доступ к здравоохранению для большой неформальной рабочей силы Кении.

      

       Читать далее

      

      

      

       Легендарная лаборатория Oak Ridge только что разработала портативное устройство, которое обнаруживает GPS-спуфинг в реальном времени

      

       Воры могут захватить ваш GPS и сделать так, чтобы все выглядело совершенно нормально. Ученые только что создали решение.

      

       Мы доверяем GPS так же, как доверяем гравитации. Он просто работает и доставляет нас туда, куда мы хотим. Но что, если кто-то сможет обмануть его, заставив солгать вам, и вы не будете иметь об этом ни малейшего представления?

      В отличие от глушения, которое заполняет ваш GPS шумом и по крайней мере дает вам знать, что что-то не так, спуфинг отправляет поддельные сигналы, которые выглядят совершенно легитимно. Вы можете отслеживать свой автомобиль или груз и думать, что все в порядке, когда на самом деле груз был перенаправлен в другое место, и вы об этом даже не догадываетесь. 

      

       Читать далее

      

      

      

       Я использую AI каждый день — вот 3 причины, почему я заплатил за Claude вместо ChatGPT

      

       Я использую AI каждый день, поэтому мне нужно было что-то, на что я действительно мог бы положиться, а не просто время от времени заглядывать. В какой-то момент стало ясно, что если я хочу такую последовательность, мне придется за это заплатить. Настоящая путаница началась, когда мне нужно было выбрать. Это свелось к ChatGPT и Claude. Я долго использовал ChatGPT, и он уже понимает, как я думаю и что мне нужно, что сделало его удобным выбором. Но чем больше я изучал, что может сделать Claude, тем сложнее становилось это решение. Это уже не был очевидный выбор.

      Я колебался некоторое время, взвешивая знакомство против возможностей. В конце концов, я решил выбрать Claude. И оглядываясь назад, я нисколько не жалею об этом выборе.

       Читать далее