پرش به محتوای اصلی
پرش به محتوای مقاله

چرا Digg مدل انجمن‌های Reddit را رها کرد و به دنبال «سیگنال» در X گشت؟

·۲۱ اردیبهشت ۱۴۰۵۳ دقیقه مطالعه۲ بازدید
چرا Digg مدل انجمن‌های Reddit را رها کرد و به دنبال «سیگنال» در X گشت؟
اشتراک‌گذاری

اگر فکر می‌کنید برای یافتن اخبار واقعی هوش مصنوعی باید ساعت‌ها در X (توییتر سابق) جست‌وجو کنید، Digg می‌خواهد این معادله را تغییر دهد. تصور کنید ابزاری داشته باشید که به جای غرق شدن در هزاران توییت بی‌ارزش، فقط همان «سیگنال‌های» طلایی را که نخبگان فناوری دنبال می‌کنند، روی میز شما بگذارد.

این پلتفرم اکنون به عنوان یک تجمیع‌کننده اخبار (News Aggregator) — تشبیه روزمره: مثل دستیاری که هزاران روزنامه را می‌خواند و فقط تیترهای طلایی را می‌چیند — بازگشته است. هدف این است که X به عنوان منبع اصلی داده برای شناسایی تاثیرگذارترین ترندهای هوش مصنوعی زاینده (Generative AI) مورد استفاده قرار گیرد.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی تغییر رفتار کاربران در شبکه‌های اجتماعی اشاره کردیم، مدل‌های مبتنی بر جامعه (Community-hosting) دیگر نمی‌توانند با سرعت تولید محتوای فعلی رقابت کنند. به همین دلیل، Digg پس از یک بازسازی فاجعه‌بار در مارس ۲۰۲۶ که سعی داشت کپی‌برداری از ردیت باشد و در نهایت زیر فشار بات‌ها فروپاشید، مسیر خود را تغییر داد. طبق گزارش TechCrunch، این شرکت کل ماه آوریل را صرف بازطراحی پلتفرم کرد تا از مدل انجمن‌ها فاصله بگیرد و به یک سیستم رتبه‌بندی منتخب تبدیل شود.

در ۱۱ مه ۲۰۲۶، نسخه بتای این سیستم رونمایی شد. بر اساس مستندات شرکت، این موتور برای رتبه‌بندی محتوا از لایه‌های فنی زیر استفاده می‌کند:

  • تحلیل احساسات (Sentiment Analysis) — تشبیه روزمره: مثل تشخیص حس کلی جمعیت در یک ورزشگاه، بدون شنیدن صدای تک‌تک افراد و خوشه‌بندی (Clustering) — تشبیه روزمره: مثل دسته‌بندی میوه‌های مختلف در یک سبد بر اساس رنگ یا نوع برای شناسایی موضوعات نوظهور.
  • سیستم شناسایی سیگنال برای ردیابی اثرگذاری چهره‌های کلیدی مانند Sam Altman.
  • رتبه‌بندی ۱۰۰۰ نفر، شرکت و سیاست‌مدار برتر که تمرکز آن‌ها بر هوش مصنوعی است.

صفحه اصلی این سرویس بر چهار معیار متمرکز است: پربازدیدترین داستان، بحث‌های در حال رشد، تیترهایی با سریع‌ترین نرخ صعود و بخش «اگر از دست داده‌اید».

این استراتژی در واقع شرط‌بندی روی «سیگنال در برابر نویز» است. برای شما به عنوان کاربر، این یعنی دسترسی به فیلتری از آنچه نخبگان AI بحث می‌کنند و صرفه‌جویی در ساعت‌ها جست‌وجوی دستی. با این حال، به نظر می‌رسد این مدل وابستگی خطرناکی به APIهای X دارد و ریسک آن این است که Digg صرفاً به آینه‌ای از فید «For You» تبدیل شود، نه یک ارزش افزوده مستقل.

اگر این مدل موفق شود، Digg می‌تواند به یک مجرای ترافیکی حیاتی برای ناشرانی تبدیل شود که در حال حاضر کلیک‌های خود را به دلیل AI Overviews گوگل از دست می‌دهند.

گام بعدی شما

  • نسخه بتای Digg را برای مقایسه کیفیت فیلترهای آن با جست‌وجوی دستی در X آزمایش کنید.
  • بررسی کنید که آیا این مدل شناسایی سیگنال در حوزه‌های غیرفنی (مانند اقتصاد یا سیاست) نیز کارآمد است یا خیر.
  • نظارت کنید که آیا گوگل برای مقابله با این مدل‌های تجمیع‌کننده، تغییراتی در سیاست‌های ایندکسینگ خود می‌دهد یا نه.

اما این وابستگی شدید به X، ریسک‌های پنهانی دارد — در گزارش ما درباره‌ی آینده APIهای اجتماعی بیشتر بخوانید.

چرا این موضوع مهم است؟

این تغییر رویکرد نشان می‌دهد که مدل‌های توزیع محتوا از حالت «جامعه‌محور» به «داده‌محور» تغییر می‌کنند. اعتبار این سیستم به شدت به کیفیت داده‌های X وابسته است و می‌تواند الگوی جدیدی برای نجات ناشران در برابر گوگل باشد.

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.