「OpenAI、3ヶ月で約20%のトラフィック減少に直面」

OpenAI faces approximately 20% decrease in traffic in 3 months.

人工知能(AI)の世界では著名な存在であるOpenAIは、わずか3ヶ月で顕著なウェブトラフィックの減少を経験しました。組織の月間訪問者数は、驚異的な9億5950万から7億8010万に減少し、18.7%の減少を示しています。このようなデータは、オンライントラフィックの不安定な性質を明らかにし、Microsoftの支援を受けるAIの巨人であるとしても、トラフィックの急落に免疫を持っていないことを示しています。

このトラフィックの統計は、デジタルマーケットインテリジェンスプラットフォームであるSimilarWebから提供されています。SimilarWebは、ウェブサイトのトラフィック、ランキング、ユーザーエンゲージメントに関する洞察を提供する能力を持ち、数十億のウェブページを監視することができるため、オンラインの存在を評価したり競合他社を評価したりするための優れたツールとして位置づけられています。

なぜこのような急激なトラフィックの減少が起こっているのでしょうか?1つの理論としては、ユーザーが単に代替のソースからGPT-3.5やGPT-4のサービスにアクセスしている可能性があります。一番明らかな候補はBingですが、Bingのトラフィックは減少していますがOpenAIよりもわずかに保持されているようです。

もちろん、ChatGPTと競合しているAIプラットフォームは数多くあります。間接的に競合している場合もあれば、ChatGPTのAPIを使用して独自のサービスを提供している場合もあります。例えば、AIの文章生成器を使用したいユーザーはJasper AIに頼るかもしれません。他にも、ジェネレーティブAIを提供している注目のサービスには、スタートアップのYou.comがあります。しかし、これらの企業の組み合わせであっても、OpenAIの数字にそれほど大きな影響を与えるべきではありません。

2023年2月にリリースされたGoogle Bardや2023年7月にリリースされたMeta Llama 2でさえ、OpenAIのトラフィックを奪い取る大規模な消費者向けアプリケーションはまだ存在していません。

OpenAIに影響を与えることなく、Googleは比較的影響を受けていないようですが、Bingは異なります。

Googleは、人々が慣れ親しんだ検索結果ページとの純粋なジェネレーティブAI体験よりもウェブサイトへのリンクを優先する検索エンジンを好むようです。

OpenAIに関する他の問題は、高額な価格です。北米や欧州のユーザーにとっては月額20ドルは高くないかもしれませんが、アフリカやアジアのほとんどのユーザーにとっては手の届かない贅沢品と見なされるかもしれません。OpenAIはまた、使い勝手の悪いユーザーインターフェースも抱えています。GoogleやBingのように、単語を1つ入力して検索バーにアクセスできるわけではなく、プラットフォームの使用には常に数回のクリックが必要です。

ユーザーは、自分のクエリの大部分に対する次の通知に疲れるかもしれません:

2021年9月のトレーニングセットの制限を回避する方法はありますが、それにはプラグインの使用が必要です。このプロセスはAIの世界に没頭していないユーザーにとっては明らかではないため、それ自体がある程度の技術的なバックグラウンドが必要となり、この追加の複雑さによって社会の大部分が遠ざけられる可能性があります。

結局のところ、ジェネレーティブAIに関するすべての話題を考えると、関心とトラフィックの減少は避けられないものだった可能性があります。なぜなら、Amaraの法則によれば、「私たちは技術の効果を短期間に過大評価し、長期間には過小評価する傾向がある」とされています。AIに対するルールも同じです。Ray Kurzweilの加速する変化の法則によれば、産業の状況は指数関数的に成長しており、この短期的なトラフィックの低下はAIが社会を変革する大きな文脈では意味を持たないかもしれません。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

「ディープラーニングベースのフレームワークを使用した高速かつ正確な音響ホログラム生成」

DGIST電気工学およびコンピュータサイエンス学科の黄宰潤教授率いるチームは、ホログラムに基づいたリアルタイムでの焦点超音...

機械学習

「トランスフォーマーアーキテクチャとBERT、GPT、T5の台頭:初心者向けガイド」

「人工知能(AI)の広大で絶えず進化する領域において、印象を残すだけでなく、その全体の軌道を再定義する革新が存在します...

機械学習

このAIの論文は「ミスからの学習(LeMa):エラー駆動学習を通じた大規模言語モデルにおける数学的推論の強化」という題目です

人間は、本質的には欠点のある存在として、成功と失敗によって特徴付けられる複雑な人生の旅を進んでいます。私たちの存在の...

機械学習

このAI論文は、医療の視覚的な質問応答におけるGPT-4Vの性能について包括的な分析を紹介します:洞察と限界

リハイ大学、マサチューセッツ総合病院、ハーバード医学大学の研究者チームが最近、最先端のマルチモーダル言語モデルであるG...

AI研究

大規模な生体分子動力学のためのディープラーニング:ハーバード大学の研究では、さまざまなシステム上で大規模で事前に学習されたアレグロモデルをスケーリングしています

計算生物学、化学、材料工学は、原子スケールでの物質の時間進化を予測する能力に依存しています。量子力学は、原子や電子の...

データサイエンス

AIの進歩を促進するための医療データのラベリングをゲーム化する

MITの卒業生が運営するプラットフォームは、AI企業のために医療データに対してクラウドの知恵を活用してラベルを付けます