AI kan bokstavelig talt ikke eksistere uten Wikipedia – Wikimedia Foundation har nettopp bekreftet dette. Hva er implikasjonene?

Jeg jobber med ML-trening. La meg forklare hvorfor dette er teknisk viktig.

Hvorfor Wikipedia er uerstattelig:

1. Kvalitetskontroll i stor skala – Milliarder av mennesketimer med redigering
2. Krav til kildehenvisning – Påstander må ha pålitelige kilder
3. Nøytralt synspunkt – Ingen promotering eller skjevhet
4. Strukturert data – Infobokser, kategorier, konsistent formatering
5. Flerspråklig – 300+ språk, morsmålsbrukere

Hva skjer uten Wikipedia:

Vi testet modeller trent uten Wikipedia:

• 23% reduksjon i faktuell nøyaktighet
• Økt hallusinasjonsrate
• Dårligere ytelse på ulike emner
• Mer kulturell/språklig skjevhet

Den økonomiske virkeligheten:

Å bygge noe som Wikipedia fra bunnen av ville kostet milliarder. AI-selskaper fikk det gratis. Nå er infrastrukturen presset.

Dette er et klassisk “tragedy of the commons” i sanntid.

Jeg forsker på modellkollaps. La meg forklare hvorfor Wikipedia er avgjørende for AIs fremtid.

Modellkollaps enkelt forklart:

Når AI trenes på AI-generert innhold:

• Feil forsterkes
• Skjevheter øker
• Kvaliteten forringes
• Til slutt: søppel inn, søppel ut

Nature-studien (2024):

Viste at rekursiv AI-trening fører til “irreversibel glemsel” av originalt innhold. Hver generasjon av AI blir dårligere.

Hvorfor Wikipedia forhindrer dette:

Wikipedia er KUN menneskekurert:

• Ingen AI-generert innhold tillatt
• Aktiv håndheving
• Kontinuerlig menneskelig verifisering

Den strategiske betydningen:

Etter hvert som AI-generert innhold flommer over internett, blir Wikipedia MER verdifull, ikke mindre. Det er sannhetsankeret i et hav av syntetisk innhold.

Merkevarer som blir riktig representert på Wikipedia vil ha fordel etter hvert som AI stadig oftere stoler på verifiserbare kilder.

Driver et AI-selskap. Her er forretningsrealiteten:

Den ubehagelige sannheten:

Vi er helt avhengige av Wikipedia. Kvaliteten på modellen vår er direkte knyttet til kvaliteten på Wikipedia. Vi bør betale for det.

Hva vi gjør:

1. Bruker Wikimedia Enterprise (betalt tilgang)
2. Donerer til Wikimedia Foundation
3. Korrekt attribusjon i våre svar
4. Bærekraftig crawling-praksis

Hvorfor flere selskaper bør gjøre dette:

• Bærekraftig Wikipedia = bærekraftig AI
• Det er det riktige å gjøre
• Lisenskrav kommer uansett
• Tidlig etterlevelse = konkurransefordel

Kostnaden:

Mindre enn 0,1 % av våre beregningskostnader. Ubetydelig.

Risikoen ved å ikke betale:

Hvis Wikipedia begrenser tilgang eller forringes i kvalitet, lider våre modeller. Det er risikohåndtering, ikke veldedighet.

La oss snakke om praktiske implikasjoner for merkevarer:

Treningsdata-hierarkiet:

Strategiske konsekvenser:

1. Wikipedia er viktigst, men du har minst kontroll

   • Fokuser på å generere dekning Wikipedia kan sitere
   • Bygg notabilitet over tid

2. Eget nettsted betyr mindre for AI

   • Men fortsatt viktig for direkte trafikk
   • Bruk som kilde for tredjepartsinnhold

3. Nyheter og autoritative kilder er nøkkelen

   • Skap nyhetsverdige hendelser
   • Bygg relasjoner med bransjemedier

Am I Cited-vinklingen:

Overvåk hvordan AI syntetiserer informasjon om din merkevare på tvers av alle kilder. Resultatet viser hvilke innspill som fungerer.

Jeg forhandler datalisensavtaler. Her er hva som kommer:

Lisenslandskapet:

• Google betaler allerede Wikimedia (avtale fra 2022)
• Andre AI-selskaper i aktive forhandlinger
• Prismodeller utvikles
• Håndhevingsmekanismer på vei

Forventet prismodell:

Avgift per crawl (for trening)
+ Avgift per forespørsel (for RAG/forankring)
+ Grunnleggende tilgangsavgift
= Bærekraftig finansiering av Wikipedia

Hva dette betyr for AI-produkter:

Kostnadene vil øke. Men det er fortsatt billigere enn:

• Å bygge egen kunnskapsbase
• Å håndtere forringet modellkvalitet
• Juridiske/omdømmerisikoer

Hva dette betyr for merkevarer:

Når AI-tilgang til Wikipedia blir mer formalisert:

• Attribusjon vil forbedres
• Kvaliteten forblir høy
• Din Wikipedia-tilstedeværelse blir mer verdifull
• Overvåking blir viktigere

Perspektivet fra åpen kildekode/allmenningen:

CC-BY-SA-lisensen krever:

• Attribusjon
• Del på samme vilkår (deriverte verk må bruke samme lisens)

AI-selskaper bryter dette, kanskje:

• Trening produserer deriverte verk
• Attribusjon er inkonsekvent
• Inntekten deles ikke

Det filosofiske spørsmålet:

Wikipedia ble bygget for menneskelig kunnskapsdeling. Er trening av kommersiell AI det fellesskapet så for seg?

Mitt syn:

Lisensen tillater kommersiell bruk. Men ånden bak Wikipedia er åpen tilgang til kunnskap for mennesker. AI-selskaper bør bidra tilbake.

Hva merkevarer bør vite:

Innholdet ditt, om det siteres av Wikipedia, blir en del av allmenningen. Det kan være kraftfullt – men du mister kontrollen over hvordan AI-systemer bruker det.

Flerspråklig perspektiv:

Wikipedias 300+ språkversjoner betyr noe:

• AI-systemer trenes på flerspråklig Wikipedia
• Dette gir bedre ikke-engelske svar
• Lokale markeder har lokal Wikipedia-dekning

For globale merkevarer:

Din Wikipedia-tilstedeværelse på flere språk påvirker AI-svar på det språket.

Hva vi oppdaget:

Vår tyske Wikipedia-side var minimal. ChatGPTs tyske svar om vårt selskap var vage og noen ganger feil.

Løsningen:

Genererte mer tysk medieomtale → Tysk Wikipedia-side forbedret → Tyske ChatGPT-svar forbedret

Viktig innsikt:

Hvert språk er en egen AI-synlighetsutfordring. Overvåk på tvers av alle relevante markeder.

Ser 3–5 år frem i tid:

Sannsynlige utviklinger:

1. Obligatorisk lisensiering

   • AI-selskaper vil betale for Wikipedia-tilgang
   • Standardiserte prismodeller

2. Forbedret attribusjon

   • AI-svar vil sitere Wikipedia mer eksplisitt
   • Brukerne vil se kildelenker

3. Kvalitetskontrollmekanismer

   • Wikipedia kan verifisere hvordan AI bruker innholdet deres
   • Nøyaktighetsrevisjoner

4. Nye innholdstyper

   • Wikipedia kan lage AI-spesifikke datasett
   • Optimalisert for trening

Hva dette betyr for AI-synlighet:

Wikipedias betydning vil ØKE, ikke minke. Etter hvert som AI-tilgang blir formalisert:

• Verifisert innhold blir mer verdifullt
• Wikipedia-tilstedeværelse blir premium eiendom
• Merkevarer uten Wikipedia-dekning blir hengende etter

Begynn å bygge Wikipedia-verdig notabilitet nå. Det tar år.

Utmerket diskusjon. Her er min oppsummering:

Den grunnleggende realiteten:

Wikipedia er AI-infrastruktur. Ikke valgfritt – påkrevd. Wikimedia Foundations uttalelse er bokstavelig sann: “AI kan ikke eksistere uten Wikipedia.”

Hva dette betyr for AI-utvikling:

1. AI-selskaper må begynne å betale for tilgang
2. Lisenskrav kommer uansett
3. Wikipedia-kvalitet = AI-kvalitet (direkte sammenheng)
4. Forebygging av modellkollaps krever menneskelig kurering

Hva dette betyr for merkevarer:

1. Tilstedeværelse på Wikipedia er mer verdifull enn noen gang
2. Å bygge notabilitet er en flerårig investering
3. Hver språkversjon har egen betydning
4. Overvåk hvordan AI bruker Wikipedia til å representere deg

Tiltak:

For AI-selskaper:

• Bli med i Wikimedia Enterprise
• Doner til Wikimedia Foundation
• Implementer bærekraftig crawling
• Korrekt attribusjon i svar

For merkevarer:

• Utvikle Wikipedia-verdig notabilitet
• Generer siterbar omtale
• Overvåk AI-synlighet med verktøy som Am I Cited
• Bygg tilstedeværelse på flere språk

Forholdet mellom Wikipedia og AI vil bare bli viktigere. Planlegg deretter.