维基百科在AI时代的衰落

简介: AI时代下,维基百科面临流量下滑与角色转型挑战。AI依赖其内容生成答案,却绕过网站直接提供信息,导致访问量下降。同时,AI可能引入错误信息,威胁其公信力。维基百科正通过强化人工审核、拓展新媒体渠道、探索与AI合作,维护其作为可信赖公共知识平台的可持续发展。

人工智能(AI)时代的到来,确实对维基百科(Wikipedia)的地位和流量造成了显著影响,并引发了关于其未来可持续性的讨论。

核心的趋势可以概括为以下几点:

1. 流量和访问量下降

  • AI直接提供答案(知识抢夺): 像 Google 这样的搜索引擎,越来越多地直接在搜索结果页面展示*精炼的答案或摘要(例如通过“精选摘要”或 SGE)。
    • 生成式 AI 聊天机器人(如 ChatGPT、Gemini 等)被大量用于训练,它们可以直接根据维基百科等语料库的内容,生成流畅、即时的文本回答。
  • 结果: 用户不再需要点击进入维基百科的网站来获取基础信息。维基媒体基金会(Wikipedia 的运营方)已经观察到全球人类浏览量有明显下滑(例如有报道提到下滑约 8%)。

2. 作为知识来源的角色变化

  • 从终点到起点: 维基百科正在从用户获取信息的“终点”,转变为 AI 模型训练数据和信息来源的“起点”。虽然 AI 仍在依赖维基百科的知识,但用户接触这些知识的渠道被 AI 绕过了。
  • 担忧: 基金会对这种趋势表示担忧,认为它可能影响维基百科的可持续发展,因为流量的下降会影响其作为公共资源的知名度和影响力。

3. AI 对内容质量和可靠性的影响(双刃剑)

  • 错误信息和“幻觉”的风险:
    • AI 模型可能会生成听起来逼真但不准确的内容,甚至编造不存在的引用来源。如果这些 AI 生成的内容(即使是摘要)被引入维基百科,可能会降低其公信力
    • 一些维基媒体社区成员担心,网站上可能会出现未经事实核查的 AI 生成文章或摘要,这需要志愿者花费更多精力来鉴别和修正。
  • 应对: 维基媒体基金会正在研究新的政策和开发工具,以帮助志愿者检测和管理机器人生成的内容,并确保第三方(如 AI 公司)以负责任的方式访问和使用维基百科的内容。

4. 维基百科的应对和定位

面对挑战,维基百科并没有停滞不前,而是正在寻找新的定位和发展方向:

  • 保持信任和透明度: 维基百科的人工编辑、透明协作和引用机制仍然是其核心价值,这使其在信息泛滥的时代保持了相对较高的可信度,是 AI 难以取代的。
  • 拓宽受众渠道: 维基百科正在努力将内容带到更年轻的受众群体,例如通过 YouTube、TikTok、Instagram 等平台。
  • 与 AI 合作(潜在): 基金会也在探索如何与 AI 公司合作,确保对维基百科内容的引用是透明、负责任和可持续的,并可能寻求某种形式的回馈或合作,以支持其公共知识使命。

总而言之,维基百科在 AI 时代面临的不是彻底的“衰落”,而是角色和商业模式的重大转型挑战。它的核心价值(开放、透明、人工审核的高质量信息)仍然是 AI 赖以生存的基础,但它需要找到新的方式来维持其作为公共知识基础设施的活力和财务健康。

目录
相关文章
|
人工智能 安全 API
AI数据荒雪上加霜!MIT:网页数据的公开共享正走向衰落
【9月更文挑战第7天】麻省理工学院的一项新研究表明,尽管人工智能(AI)领域迅速发展,但网页数据的公开共享正在减少,加剧了AI数据短缺的问题。AI模型训练依赖大量数据,而网页数据是关键来源之一,其共享减少将影响AI进步,并引发数据隐私和安全方面的担忧。然而,这也推动了对数据隐私保护的关注及新型数据获取方式的探索。研究详情参见:[论文链接](https://www.dataprovenance.org/consent-in-crisis-paper)。
211 9
|
新零售 人工智能 iOS开发
8月9日科技联播: 维基百科的性格偏见,AI发现其忽视的4万名科学家多为女性
整整4万名女科学家遭埋没!至今才被AI发现,维基百科到底在想什么?Facebook访问量减半,YouTube恐怕将超越facebook成为大赢家!美国议员检举苹果监听用户电话,苹果反击:谁要听你们打电话了? 沃尔玛160亿美元Flipkart,这是要公然和亚马逊分庭抗礼?一起来看看今天的科技快讯!
15792 0
|
22天前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
333 29
|
1月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
374 23
|
2月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
694 33
|
24天前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
257 1
|
1月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
180 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
1月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
199 3
|
1月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。