ਤੇਜ਼ੀ ਨਾਲ AI ਕੰਟੈਂਟ ਮੋਡਰੇਸ਼ਨ ਵਿੱਚ ਬਦਲਾਅ ਕਾਰਨ Meta ਨੂੰ ਅੰਦਰੂਨੀ ਵਿਰੋਧ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ

Meta ਆਪਣੀ ਕੰਟੈਂਟ ਮੋਡਰੇਸ਼ਨ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਤੋਂ ਹਟਾ ਕੇ ਤੇਜ਼ੀ ਨਾਲ Large Language Models (LLMs) ਵੱਲ ਲੈ ਜਾ ਰਿਹਾ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ 2025 ਦੇ ਅੰਤ ਤੱਕ ਖਾਸ ਕਿਸਮ ਦੇ ਕੰਟੈਂਟ ਦੇ 90% ਤੋਂ ਵੱਧ ਹਿੱਸੇ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨਾ ਹੈ। ਹਾਲਾਂਕਿ ਕੰਪਨੀ ਬੇਮਿਸਾਲ ਸ਼ੁੱਧਤਾ ਦਾ ਵਾਅਦਾ ਕਰ ਰਹੀ ਹੈ, ਪਰ ਅੰਦਰੂਨੀ ਚੇਤਾਵਨੀਆਂ ਸੁਝਾਅ ਦਿੰਦੀਆਂ ਹਨ ਕਿ ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਿਹਾ ਲਾਗੂਕਰਨ ਬਾਰੀਕੀਆਂ ਅਤੇ ਪਲੇਟਫਾਰਮ ਦੀ ਸੁਰੱਖਿਆ ਨਾਲ ਸਮਝੌਤਾ ਕਰ ਸਕਦਾ ਹੈ।

ਆਟੋਮੇਸ਼ਨ ਲਈ ਦਬਾਅ ਅਤੇ "Muse Spark" ਤਬਦੀਲੀ

Meta ਦੇ ਆਟੋਮੇਸ਼ਨ ਤਬਦੀਲੀ ਦਾ ਪੈਮਾਨਾ ਬਹੁਤ ਵੱਡਾ ਹੈ। 2025 ਦੇ ਸ਼ੁਰੂ ਤੱਕ, ਇਸ ਸੋਸ਼ਲ ਮੀਡੀਆ ਦਿੱਗਜ ਨੇ ਪਹਿਲਾਂ ਹੀ ਸਾਰੇ ਮਨੁੱਖੀ ਮੋਡਰੇਸ਼ਨ ਬੇਨਤੀਆਂ ਦੇ ਲਗਭਗ 50% ਹਿੱਸੇ ਨੂੰ AI ਮਾਡਲਾਂ ਨਾਲ ਬਦਲ ਦਿੱਤਾ ਹੈ। ਰਿਪੋਰਟਾਂ ਮੂਲ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਅੰਦਰੂਨੀ ਬਦਲਾਅ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀਆਂ ਹਨ: Meta ਮੋਡਰੇਸ਼ਨ ਅਤੇ ਸਹਾਇਤਾ ਕਾਰਜਾਂ ਲਈ Google ਦੇ Gemini ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਬਜਾਏ ਆਪਣੇ proprietary foundation model, Muse Spark ਦੀ ਵਰਤੋਂ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ।

Muse Spark ਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਰਿਵਿਊਅਰਾਂ ਦੁਆਰਾ ਲਏ ਗਏ ਪਿਛਲੇ ਫੈਸਲਿਆਂ ਵਾਲੇ ਇਤਿਹਾਸਕ ਡੇਟਾਸੈਟਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ। ਇਹ ਤਬਦੀਲੀ Meta ਦੇ AI ਸਟੈਕ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਇੱਕ ਵਿਆਪਕ ਰਣਨੀਤੀ ਦਾ ਹਿੱਸਾ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਬਾਹਰੀ ਪ੍ਰਦਾਤਾਵਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਆਪਣੀ ਮੋਡਰੇਸ਼ਨ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਸੁਧਾਰਨ ਲਈ ਫੈਸਲੇ ਲੈਣ ਵਾਲੇ ਡੇਟਾ ਦੇ ਆਪਣੇ ਵਿਸ਼ਾਲ ਭੰਡਾਰ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ।

ਕੁਸ਼ਲਤਾ ਬਨਾਮ ਸ਼ੁੱਧਤਾ: ਕਾਰਪੋਰੇਟ ਕਥਨ

ਕਾਰਪੋਰੇਟ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਇਸ ਕਦਮ ਨੂੰ ਸਿਰਫ਼ ਲਾਗਤ ਘਟਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਦੀ ਬਜਾਏ ਗੁਣਵੱਤਾ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਛਾਲ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ Financial Times ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਇਹ ਤਬਦੀਲੀ Meta ਦੇ ਸਾਲਾਨਾ ਅਰਬਾਂ ਡਾਲਰ ਬਚਾ ਸਕਦੀ ਹੈ, ਪਰ ਕੰਪਨੀ ਪ੍ਰਦਰਸ਼ਨ ਮਾਪਦੰਡਾਂ (performance metrics) 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ। ਮਾਰਚ ਤੋਂ, Meta ਨੇ ਦਾਅਵਾ ਕੀਤਾ ਹੈ ਕਿ ਉਸਦੇ LLMs ਦੋ ਮਹੱਤਵਪੂਰਨ ਖੇਤਰਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਮੋਡਰੇਟਰਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ: ਨੀਤੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਸਮੇਂ 13% ਘੱਟ ਗਲਤੀਆਂ ਕਰਨਾ ਅਤੇ 10% ਵਧੇਰੇ ਅਸਲ ਨੀਤੀ ਉਲੰਘਣਾਵਾਂ ਨੂੰ ਫੜਨਾ।

ਰਵਾਇਤੀ Machine Learning (ML) ਕਲਾਸੀਫਾਇਰਾਂ ਦੇ ਉਲਟ, ਜੋ ਅਕਸਰ ਵਿਅੰਗ (satire), ਸਲੈਂਗ (slang), ਜਾਂ ਬਦਲਦੇ ਭਾਸ਼ਾਈ ਰੁਝਾਨਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਵੇਲੇ ਅਸਫਲ ਰਹਿੰਦੇ ਹਨ, ਇਹ ਨਵੇਂ LLMs ਗੁੰਝਲਦਾਰ ਬਾਰੀਕੀਆਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਵਿਸ਼ਵ ਦੀਆਂ ਬਹੁਤ ਸਾਰੀਆਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਕੰਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ।

ਅੰਦਰੂਨੀ ਚੇਤਾਵਨੀਆਂ: ਮਨੁੱਖੀ ਲਾਗਤ ਅਤੇ ਗਲਤੀ ਦੀ ਮਾਰਜਿਨ

ਲੀਡਰਸ਼ਿਪ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਉਤਸ਼ਾਹਜਨਕ ਅੰਕੜਿਆਂ ਦੇ ਬਾਵਜੂਦ, Meta ਦੇ ਕਰਮਚਾਰੀ ਤੈਅਤਗੀ (deployment) ਦੀ ਰਫ਼ਤਾਰ ਬਾਰੇ ਚੇਤਾਵਨੀ ਦੇ ਰਹੇ ਹਨ। ਅੰਦਰੂਨੀ ਸੂਤਰਾਂ ਨੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਹੈ ਕਿ ਮਾਡਲ ਅਜੇ ਵੀ ਸੰਦਰਭ (context) ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਅਕਸਰ ਬਿਲਕੁਲ ਨਿਰਦੋਸ਼ ਕੰਟੈਂਟ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਜਾਂ "shadow-banning" ਦਾ ਸ਼ਿਕਾਰ ਬਣਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਸਟਾਫ ਵਿੱਚ ਮੁੱਖ ਚਿੰਤਾ ਇਹ ਹੈ ਕਿ ਜਿਵੇਂ-ਜਿਵੇਂ 'human-in-the-loop' ਤੱਤ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਹਟਾਇਆ ਜਾ ਰਿਹਾ ਹੈ, ਇਹਨਾਂ ਆਟੋਮੇਟਡ ਗਲਤੀਆਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਲੋੜੀਂਦੀ ਨਿਗਰਾਨੀ ਦੀ ਕਮੀ ਹੈ।

ਇਹ ਤਕਨੀਕੀ ਤਬਦੀਲੀ ਕੰਪਨੀ ਦੇ ਈਕੋਸਿਸਟਮ ਦੇ ਅੰਦਰ ਤੁਰੰਤ ਸਮਾਜਿਕ-ਆਰਥਿਕ ਪ੍ਰਭਾਵ ਵੀ ਪਾ ਰਹੀ ਹੈ। ਹਮਲਾਵਰ ਆਟੋਮੇਸ਼ਨ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਛਾਂਟੀਆਂ (layoffs) ਦਾ ਕਾਰਨ ਬਣ ਰਹੀ ਹੈ, ਖਾਸ ਕਰਕੇ ਬਾਹਰੀ ਠੇਕੇਦਾਰਾਂ ਦੇ ਵਿਸ਼ਾਲ ਕਰਮਚਾਰੀ ਬਲ ਵਿੱਚ, ਜੋ ਪਹਿਲਾਂ ਮੈਨੂਅਲ ਮੋਡਰੇਸ਼ਨ ਕਾਰਜਾਂ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਸੰਭਾਲਦੇ ਸਨ।

AI ਲੈਂਡਸਕੇਪ ਲਈ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

Meta ਦਾ ਇਹ ਪ੍ਰਯੋਗ ਪੂਰੀ ਤਕਨੀਕੀ ਉਦਯੋਗ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੰਕੇਤ (bellwether) ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਕੰਪਨੀਆਂ "AI-assisted" ਮੋਡਰੇਸ਼ਨ ਤੋਂ "AI-led" ਮੋਡਰੇਸ਼ਨ ਵੱਲ ਵਧ ਰਹੀਆਂ ਹਨ, ਉਦਯੋਗ ਨੂੰ ਪੈਮਾਨੇ (scalability) ਅਤੇ ਸੁਤੰਤਰ ਪ੍ਰਗਟਾਵੇ ਦੇ ਰੱਖ-ਰਖਾਅ ਵਿਚਕਾਰ ਤਣਾਅ ਨਾਲ ਨਜਿੱਠਣਾ ਪਵੇਗਾ। ਜੇਕਰ Muse Spark ਵਰਗਾ foundation model ਮਨੁੱਖੀ ਵਿਅੰਗ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਬਾਰੀਕੀਆਂ ਦੀਆਂ ਗੁੰਝਲਾਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਸੰਭਾਲ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਆਟੋਮੇਟਡ ਸ਼ਾਸਨ ਲਈ ਇੱਕ ਨਵਾਂ ਮਿਆਰ ਸਥਾਪਤ ਕਰੇਗਾ। ਹਾਲਾਂਕਿ, ਜੇਕਰ ਕਰਮਚਾਰੀਆਂ ਦੁਆਰਾ ਦੱਸੀਆਂ ਗਈਆਂ ਗਲਤੀਆਂ ਜਾਰੀ ਰਹਿੰਦੀਆਂ ਹਨ, ਤਾਂ ਇਹ ਸੰਕੇਤ ਹੋ ਸਕਦਾ ਹੈ ਕਿ LLMs ਅਜੇ ਸਮਾਜਿਕ ਚਰਚਾ ਦੀ ਨਿਗਰਾਨੀ ਦਾ ਪੂਰਾ ਭਾਰ ਚੁੱਕਣ ਲਈ ਤਿਆਰ ਨਹੀਂ ਹਨ।

ਮੁੱਖ ਗੱਲਾਂ

• ਵਿਸ਼ਾਲ ਆਟੋਮੇਸ਼ਨ ਪੈਮਾਨਾ: Meta ਦਾ ਟੀਚਾ 2025 ਦੇ ਅੰਤ ਤੱਕ ਕੁਝ ਖਾਸ ਕੰਟੈਂਟ ਮੋਡਰੇਸ਼ਨ ਕਾਰਜਾਂ ਦੇ 90% ਤੋਂ ਵੱਧ ਹਿੱਸੇ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨਾ ਹੈ, ਅਤੇ ਇਹ ਪਹਿਲਾਂ ਹੀ 50% ਬਦਲਾਅ ਦਰ ਤੱਕ ਪਹੁੰਚ ਚੁੱਕਾ ਹੈ।
• Proprietary ਤਬਦੀਲੀ: Meta Google ਦੇ Gemini ਨੂੰ ਆਪਣੇ foundation model, Muse Spark ਨਾਲ ਬਦਲ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਇਤਿਹਾਸਕ ਮਨੁੱਖੀ ਮੋਡਰੇਸ਼ਨ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਹੈ।
• ਕੁਸ਼ਲਤਾ ਬਨਾਮ ਭਰੋਸੇਯੋਗਤਾ ਵਿੱਚ ਪਾੜਾ: ਹਾਲਾਂਕਿ Meta ਗਲਤੀਆਂ ਵਿੱਚ 13% ਦੀ ਕਮੀ ਦਾ ਦਾਅਵਾ ਕਰਦਾ ਹੈ, ਪਰ ਕਰਮਚਾਰੀ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਹੇ ਲਾਗੂਕਰਨ ਦੌਰਾਨ ਬਹੁਤ ਜ਼ਿਆਦਾ shadow-banning ਅਤੇ ਨਾਕਾਫ਼ੀ ਨਿਗਰਾਨੀ ਬਾਰੇ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ।