Connect with us

Berita

Mengapa Sistem Rag Foundation Gagal: Google memberikan solusi “konteks yang cukup”

Published

on

Bergabunglah dengan buletin harian dan mingguan untuk mendapatkan pembaruan terbaru dan konten eksklusif untuk meliput kecerdasan buatan terkemuka di industri ini. Pelajari lebih lanjut


A Studi baru dari Google Para peneliti menawarkan “konteks yang cukup”, perspektif baru untuk memahami dan meningkatkan rejimen kain dalam model bahasa besar (LLM).

Pendekatan ini memungkinkan untuk menentukan apakah LLM memiliki informasi yang cukup untuk menjawab permintaan secara akurat, yang merupakan faktor penentu bagi pengembang yang membangun aplikasi lembaga di dunia nyata di mana keandalan dan kesehatan nyata sangat penting.

Tantangan berkelanjutan untuk karya tersebut

Rag telah menjadi landasan untuk membangun lebih banyak aplikasi AI dan dapat diverifikasi. Namun, sistem ini dapat menunjukkan fitur yang tidak diinginkan. Mereka dapat memberikan jawaban yang salah bahkan ketika mereka disajikan dengan bukti yang dipulihkan, atau mengalihkan perhatian mereka dari informasi yang tidak terkait dalam konteks, atau gagal mendapatkan jawaban dari kutipan teks panjang dengan benar.

Para peneliti menyebutkan dalam makalah mereka, “Hasil yang ideal adalah bahwa LLM mengeluarkan jawaban yang benar jika konteks yang diberikan berisi informasi yang cukup untuk menjawab pertanyaan ketika menggabungkannya dengan pengetahuan perbatasan model. Kalau tidak, model harus menahan diri dari menjawab dan/atau meminta informasi lebih lanjut.”

Mencapai skenario yang sempurna ini membutuhkan model bangunan yang dapat menentukan apakah konteks yang disajikan dapat membantu dalam menjawab pertanyaan yang benar dan menggunakannya secara selektif. Upaya sebelumnya untuk mengobati ini telah mempelajari bagaimana LLMS berperilaku dalam berbagai tingkat informasi. Namun, kertas Google berpendapat bahwa “meskipun tujuannya adalah untuk memahami bagaimana LLMS berperilaku ketika mereka melakukan atau tidak memiliki informasi yang cukup untuk menjawab kueri, pekerjaan sebelumnya gagal untuk membahas tatap muka ini.”

Konteks yang memadai

Untuk mengatasi hal ini, para peneliti memberikan konsep “konteks yang memadai”. Pada tingkat tinggi, mitra input diklasifikasikan berdasarkan apakah konteks yang diberikan berisi informasi yang cukup untuk menjawab kueri. Ini membagi konteks menjadi dua kasus:

Konteks yang memadaiKonteksnya berisi semua informasi yang diperlukan untuk memberikan jawaban akhir.

Tidak memadai: Konteksnya tidak memiliki informasi yang diperlukan. Ini mungkin karena kueri membutuhkan pengetahuan khusus yang tidak ada dalam konteks, atau bahwa informasinya tidak lengkap, tidak menentukan atau kontradiktif.

Sumber: Arxiv

Penunjukan ini ditentukan dengan melihat pertanyaan dan konteks terkait tanpa perlu menjawab perawatan darat. Ini sangat penting untuk aplikasi yang realistis, karena jawaban atas kebenaran bumi tidak mudah tersedia selama menyimpulkan.

Para peneliti mengembangkan “awtrat” ​​berdasarkan LLM untuk mengotomatisasi tanda -tanda kasus sebagai konteks yang cukup atau tidak memadai. Mereka menemukan bahwa model Google Gemini 1.5 Pro, dengan satu contoh (satu tembakan), lebih baik dalam klasifikasi konteks, dan mencapai tingkat tinggi F1 dan akurasi.

Makalah, “Dalam skenario dunia nyata, kita tidak dapat mengharapkan kandidat menjawab ketika menilai kinerja model. Oleh karena itu, disarankan untuk menggunakan metode yang berfungsi menggunakan kueri dan konteks saja.”

Hasil utama pada perilaku LLM dengan kain

Analisis model yang berbeda dan kelompok data melalui lensa konteks yang cukup tentang banyak ide penting.

Seperti yang diharapkan, model umumnya mencapai akurasi yang lebih tinggi ketika konteksnya cukup. Namun, bahkan dengan konteks yang cukup, model cenderung lebih dari abstain dari pantang. Ketika konteksnya tidak cukup, situasinya menjadi lebih rumit, karena model menunjukkan tingkat pantang tertinggi, dalam beberapa model, meningkatkan halusinasi.

Menariknya, meskipun RAG umumnya meningkatkan kinerja umum, konteks tambahan juga dapat mengurangi kemampuan model untuk menahan diri dari menjawab ketika ia tidak memiliki informasi yang cukup. “Fenomena ini dapat muncul dari meningkatnya kepercayaan model di hadapan informasi kontekstual apa pun, yang mengarah pada peningkatan kecenderungan halusinasi alih -alih menahan diri dari pemungutan suara,” saran para peneliti.

Terutama pengamatan yang aneh adalah kemampuan model kadang -kadang untuk memberikan jawaban yang benar bahkan ketika konteks yang diberikan tidak cukup. Sementara asumsi alami adalah bahwa model “sudah tahu” jawaban dari pelatihan sebelum pelatihan (pengetahuan parameter), para peneliti telah menemukan faktor kontribusi lainnya. Misalnya, konteksnya dapat membantu menghilangkan misteri pada penyelidikan atau jembatan dalam mengetahui model, bahkan jika itu tidak memiliki jawaban penuh. Ini adalah kemampuan untuk berhasil terkadang bahkan dengan informasi eksternal yang terbatas memiliki efek yang lebih luas dari desain sistem RAG.

Sumber: Arxiv

Cyrus Rashtchian, rekan penulis studi dan ilmuwan riset senior di Google, menjelaskan, menekankan bahwa kualitas LLM dasar masih penting. “Untuk sistem -Rag yang sangat bagus, model harus dievaluasi berdasarkan standar dengan dan tanpa pengambilan,” katanya kepada VentureBeat. Dia menyarankan bahwa pengambilan harus dianggap “peningkatan pengetahuannya”, bukan satu -satunya sumber kebenaran. Dia menjelaskan bahwa model dasar “masih perlu mengisi kesenjangan, atau menggunakan bukti konteks (yang diinformasikan oleh pra -pelatihan) untuk menyebabkan konteks yang telah dipulihkan dengan benar.

Mengurangi halusinasi dalam sistem rakit

Mengingat bahwa model dapat bersorak alih -alih menahan diri dari mereka, terutama dengan kain dibandingkan dengan kurangnya kain, para peneliti mengeksplorasi teknik untuk mengurangi ini.

Mereka telah mengembangkan kerangka kerja “generasi selektif” yang baru. Metode ini menggunakan “model intervensi” yang lebih kecil untuk menentukan apakah LLM utama harus membuat jawaban atau menahannya, memberikan perbandingan terkontrol antara akurasi dan cakupan (persentase jawaban yang telah dijawab).

Bingkai ini dapat dikombinasikan dengan LLM apa pun, termasuk model kepemilikan seperti Gueini dan GPT. Studi ini menemukan bahwa penggunaan konteks yang cukup sebagai sinyal tambahan dalam konteks ini mengarah pada akurasi yang jauh lebih tinggi untuk informasi yang dijawab melalui berbagai model dan kelompok data. Metode ini meningkatkan jawaban yang benar antara respons model sebesar 2-10 % untuk model Gemini, GPT dan GEMMA.

Untuk menempatkan peningkatan 2-10 % ini dalam perspektif kerja, Rashtchian menawarkan contoh konkret dari Dukungan Pelanggan AI. “Anda bisa membayangkan klien yang menanyakan apakah mereka bisa mendapatkan diskon,” katanya. “Dalam beberapa kasus, konteks yang baru pulih dan menggambarkan secara khusus penawaran promosi berkelanjutan, sehingga model dapat menjawab dengan percaya diri. Tetapi dalam kasus lain, konteksnya mungkin” tidak berarti “, menggambarkan diskon dari beberapa bulan, atau mungkin memiliki kondisi dan ketentuan spesifik.

Tim juga menyelidiki model penyempurnaannya untuk mendorong menahan diri dari abstain. Ini termasuk contoh pelatihan tentang contoh -contoh yang digantikan oleh “Saya tidak tahu” alih -alih kebenaran duniawi asli, terutama untuk kasus -kasus yang memiliki konteks yang tidak memadai. Intuisi adalah bahwa pelatihan eksplisit pada contoh -contoh tersebut dapat mengarahkan model untuk menahan diri dari halusinasi alih -alih halusinasi.

Hasilnya beragam: model yang sering disita sering kali merupakan tingkat tertinggi dari jawaban yang benar tetapi sering nyata, dan sering diperpanjang. Makalah ini menyimpulkan bahwa meskipun kontrol yang tepat dapat membantu, “lebih banyak pekerjaan diperlukan untuk mengembangkan strategi yang dapat diandalkan yang dapat menyeimbangkan tujuan ini.”

Aplikasi konteks yang memadai untuk sistem Rags Dunia Nyata

Untuk tim lembaga yang ingin menerapkan ide -ide ini pada sistem kain mereka, seperti yang mengoperasikan aturan pengetahuan internal atau dukungan pelanggan, Rashtchian menentukan pendekatan praktis. Pertama, disarankan mengumpulkan kumpulan data dari pasangan konteks pertanyaan, yang mewakili jenis contoh yang akan dilihat model dalam produksi. Selanjutnya, gunakan air berbasis diri LLM untuk menyebutkan setiap contoh sebagai konteks yang cukup atau tidak mencukupi.

“Ini sudah akan memberikan perkiraan yang baik tentang konteks yang cukup.” “Jika kurang dari 80-90 %, ada kemungkinan bahwa ada banyak ruang untuk meningkatkan sisi dasar pengambilan atau pengetahuan tentang hal-hal-ini adalah penawaran yang baik yang dapat diamati.”

Rashtchian merekomendasikan perbedaan “tanggapan kelas berdasarkan contoh dengan konteks yang cukup terhadap konteks yang tidak mencukupi.” Dengan memeriksa skala pada data terpisah ini, tim dapat lebih memahami nuansa kinerja.

“Misalnya, kami melihat bahwa model lebih mungkin memberikan respons yang salah (mengenai kebenaran dasar) ketika mereka diberi konteks yang tidak mencukupi. Ini adalah salah satu gejala lain yang dapat diamati, menambahkan bahwa” mengumpulkan statistik pada set data lengkap dapat bersinar pada serangkaian kecil pertanyaan penting yang telah diproses dengan buruk. “”

Sementara LLM sangat akurat, lembaga lembaga mungkin bertanya -tanya tentang biaya komputer tambahan. Rashtchian menjelaskan bahwa biaya umum dapat dikelola untuk tujuan diagnostik.

Dia berkata: “Saya ingin mengatakan bahwa pengoperasian air otomatis berbasis LLM pada set uji kecil (misalnya 500-1000 contoh) harus relatif tidak ada yang tidak penting, dan ini dapat dilakukan” tanpa kontak “, jadi tidak ada kekhawatiran tentang jumlah waktu yang dibutuhkan. Untuk aplikasi yang sebenarnya,” aku akan lebih kecil. ” “Insinyur harus melihat sesuatu yang melebihi tingkat kesamaan, dll., Dari komponen pemulihan mereka. Sinyal tambahan, dari LLM atau panduan, dapat menyebabkan visi baru. “


Tautan sumber
Continue Reading
Click to comment

Leave a Reply

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Berita

Gartner mengatakan Geostar adalah pemimpin dalam bidang GEO, karena SEO tradisional menghadapi penurunan 25% dibandingkan chatbot berbasis AI

Published

on

Saat Mac McConnell mengetahui segalanya tentang penelitian telah berubah terjadi musim panas lalu di Olimpiade Paris. Orang tuanya berpaling kepadanya, secara mandiri dan tanpa disuruh ObrolanGPT Untuk merencanakan aktivitas sehari-hari mereka di ibu kota Prancis. AI merekomendasikan bisnis pariwisata, restoran, dan atraksi tertentu, yang memenangkan lotre visibilitas jenis baru.

"Antarmuka intuitif seperti inilah yang membuat orang tua merasa nyaman menggunakannya seperti halnya orang muda," McConnell mengenang dalam sebuah wawancara eksklusif dengan VentureBeat. "Saya dapat melihat perusahaan yang direkomendasikan sekarang."

Pengamatan ini kini menjadi dasar Bintang Geosebuah startup yang didukung Pear VC berlomba untuk membantu perusahaan menavigasi perubahan paling signifikan dalam penemuan online sejak berdirinya Google.

Perusahaan, yang baru-baru ini bangkit dari kerahasiaan dengan daya tarik pelanggan awal yang mengesankan, yakin bahwa munculnya pencarian yang didukung AI merupakan peluang besar untuk menemukan kembali cara bisnis ditemukan secara online. itu Pasar mesin pencari AI global Diperkirakan akan tumbuh dari $43,63 miliar pada tahun 2025 menjadi $108,88 miliar pada tahun 2032.

Sudah menjadi perusahaan dengan pertumbuhan tercepat di Koleksi terbaru dari PearXGeostar dengan cepat mendekati $1 juta pendapatan berulang tahunan hanya dalam empat bulan – hanya dengan dua pendiri dan tanpa karyawan.

Mengapa Gartner memperkirakan volume pencarian tradisional akan menurun 25% pada tahun 2026?

Angka-angka tersebut menunjukkan gambaran nyata tentang gangguan yang terjadi. Gartner memperkirakan ukuran mesin pencari tradisional akan meningkat Penurunan sebesar 25% pada tahun 2026Hal ini sebagian besar disebabkan oleh munculnya chatbot yang didukung AI. Ikhtisar AI Google sekarang muncul Miliaran pencarian bulanan. Peneliti Universitas Princeton menemukan bahwa peningkatan sistem AI baru ini dapat meningkatkan visibilitas hingga 40%.

"Pencarian berarti Anda harus menyenangkan Google," McConnell menjelaskan. "Namun sekarang Anda harus mengoptimalkan empat antarmuka berbeda untuk Google — penelusuran tradisional, mode AI, Gemini, dan ikhtisar AI — masing-masing dengan kriteria berbeda. Selain itu, ChatGPT, Cloud, dan Perplexity bekerja secara berbeda."

Fragmentasi ini menciptakan kekacauan bagi perusahaan yang telah menghabiskan waktu puluhan tahun untuk menyempurnakan strategi pencarian Google mereka. Modern Studi Forster Ditemukan bahwa 95% pembeli B2B berencana menggunakan AI generatif dalam keputusan pembelian di masa depan. Namun, sebagian besar perusahaan masih belum siap menghadapi perubahan ini.

"Siapa pun yang tidak berpartisipasi dalam hal ini sekarang adalah pecundang." kata Jehan Tas, salah satu pendiri dan chief technology officer Geostar. "Kami melihat pengacara mendapatkan 50% klien mereka melalui ChatGPT sekarang. Ini hanyalah perubahan besar."

Bagaimana model bahasa membaca web secara berbeda dari yang pernah dilakukan mesin telusur

Apa Bintang Geo Sekelompok pesaing yang berkembang disebut Genetic Engine Optimization, atau GEO, mewakili perubahan mendasar dari SEO tradisional. Jika SEO berfokus terutama pada kata kunci dan tautan balik, GEO memerlukan pemahaman bagaimana model bahasa besar menganalisis, memahami, dan mengumpulkan informasi di seluruh web.

Tantangan teknisnya sangat besar. Setiap situs web sekarang harus berfungsi sebagaimana TASS menyebutnya "Database kecilnya sendiri" Mampu dipahami oleh lusinan perayap AI yang berbeda, masing-masing dengan persyaratan dan preferensi unik. Sistem Google mengambil dari indeks pencarian yang ada. ObrolanGPT Ini sangat bergantung pada data terstruktur dan format konten tertentu. Kebingungan menunjukkan preferensi yang nyata terhadap Wikipedia dan sumber resmi.

"Sekarang strateginya sebenarnya sudah ringkas dan jelas serta menjawab pertanyaan tersebut, karena itulah yang dicari AI secara langsung," TASS menjelaskan. "Anda sebenarnya sedang mempelajari semacam model cerdas yang membuat keputusan serupa dengan cara kita mengambil keputusan."

Pertimbangkan markup skema, yaitu data terstruktur yang membantu perangkat memahami konten web. Meskipun saat ini hanya 30% situs web yang menerapkan skema komprehensif, penelitian menunjukkan bahwa halaman yang diberi tag dengan benar memiliki kemungkinan 36% lebih besar untuk muncul dalam ringkasan yang dihasilkan AI. Namun, sebagian besar perusahaan bahkan tidak mengetahui apa itu markup skema, apalagi cara menerapkannya secara efektif.

Di dalam agen Geostar AI yang terus mengoptimalkan situs web tanpa campur tangan manusia

Solusi Geostar mewujudkan tren yang lebih luas dalam perangkat lunak perusahaan: munculnya agen AI otonom yang dapat mengambil tindakan atas nama perusahaan. Perusahaan memasukkan apa yang disebutnya "Faktor sekitar" Langsung ke situs pelanggan, terus meningkatkan konten, konfigurasi teknis, dan bahkan membuat halaman baru berdasarkan pola yang dipelajari di seluruh basis pelanggannya.

"Setelah kami mempelajari sesuatu tentang kinerja konten, atau kinerja peningkatan teknis, kami kemudian dapat membagikan perubahan yang sama kepada pengguna lainnya sehingga semua orang di jaringan mendapat manfaat," kata McConnell.

ke Pergeseran Merahsebuah perusahaan keamanan siber, pendekatan ini menghasilkan peningkatan sinyal AI sebesar 27% dalam waktu tiga bulan. Dalam satu kasus, Geostar mengidentifikasi peluang pemeringkatan "Penjual DMARC Terbaik," Istilah pencarian bernilai tinggi dalam keamanan email. Agen perusahaan membuat dan mengoptimalkan konten yang mencapai peringkat halaman pertama di Google dan ChatGPT dalam waktu empat hari.

"Kami menjalankan agen yang mengenakan biaya $10.000 per bulan." McConnell berkata, sambil mencatat bahwa harga Geostar berkisar antara $1.000 hingga $3.000 per bulan. "AI menciptakan situasi di mana, untuk pertama kalinya, Anda dapat mengambil tindakan seperti sebuah agensi, namun berkembang seperti perangkat lunak."

Mengapa penyebutan merek tanpa tautan kini menjadi lebih penting dibandingkan sebelumnya di era kecerdasan buatan

Implikasi dari perubahan ini tidak hanya mencakup perbaikan teknis. Di era SEO, penyebutan tanpa tautan pada dasarnya tidak ada gunanya. Di era kecerdasan buatan, perhitungan ini telah terbalik. Sistem AI dapat menganalisis teks dalam jumlah besar untuk memahami sentimen dan konteks. Artinya, penyebutan suatu merek di Reddit, artikel berita, atau media sosial kini berdampak langsung pada cara sistem AI mendeskripsikan dan merekomendasikan perusahaan.

"Jika New York Times menyebutkan sebuah perusahaan tanpa ada kaitannya dengan perusahaan tersebut, maka perusahaan tersebut justru akan mendapatkan keuntungan dari hal tersebut dalam sistem AI," McConnell menjelaskan. "AI memiliki kemampuan untuk menganalisis teks dalam jumlah besar secara komprehensif, dan akan memahami emosi seputar penyebutan tersebut."

Hal ini telah menciptakan kerentanan baru. Penelitian yang dilakukan oleh Institut Teknologi India dan Princeton menemukan bahwa sistem AI menunjukkan bias sistematis terhadap sumber pihak ketiga pada konten milik merek. Situs web suatu perusahaan mungkin kurang berpengaruh dalam membentuk persepsi tentang AI dibandingkan dengan apa yang dikatakan perusahaan lain secara online.

Perubahan lanskap juga mengganggu ukuran keberhasilan tradisional. Meskipun SEO berfokus pada peringkat dan rasio klik-tayang, GEO harus mempertimbangkan apa yang oleh para peneliti disebut metrik tayangan — sejauh mana suatu merek muncul secara menonjol dan disukai dalam respons yang dihasilkan AI, bahkan ketika pengguna tidak pernah mengklik ke sumbernya.

Pasar yang berkembang seiring pakar SEO dan pemain baru bergegas mengambil kendali pengoptimalan AI

Geostar tidak sendirian dalam menyadari peluang ini. Perusahaan seperti cahaya merek, dewasaDan Judi Semua orang berlomba untuk membantu perusahaan menavigasi lanskap baru. Industri SEO bernilai sekitar $80 miliar secara globalsedang berusaha beradaptasi, dengan pemain mapan seperti SEMrush dan Ahrefs bergegas menambahkan fitur pelacakan visi AI.

Namun para pendiri perusahaan, yang sebelumnya membangun dan menjual startup pengoptimalan e-commerce yang didukung oleh Y-Combinator, telah memberinya nama. jumlahMereka percaya pendekatan artistik memberi mereka keuntungan. Berbeda dengan kompetitor yang sebagian besar menyediakan dashboard dan rekomendasi, agen Geostar menerapkan perubahan secara efektif.

"Semua orang menggunakan solusi yang sama yang berhasil di era sebelumnya dan hanya berkata: “Kami akan melakukan ini untuk AI.”" bantah McConnell. "Namun ketika Anda berpikir tentang apa yang sebenarnya dapat dilakukan oleh AI, AI sebenarnya dapat melakukan pekerjaan tersebut untuk Anda."

Risiko ini sangat tinggi terutama bagi perusahaan kecil dan menengah. Meskipun perusahaan besar dapat menyewa konsultan spesialis atau membangun keahlian internal, perusahaan kecil berisiko menjadi tidak terlihat dalam penelitian berbasis AI. Geostar melihat ini sebagai peluang pasar utamanya: Hampir setengah dari 33,2 juta usaha kecil di Amerika berinvestasi dalam SEO. Dari sekitar 418.000 firma hukum di Amerika Serikat, banyak yang melakukan pembelanjaan Antara $2.500 dan $5.000 Setiap bulan kami meningkatkan penelusuran agar tetap kompetitif di pasar lokal.

Dari desa Kurdi hingga PearX: Kemitraan tak terduga membangun masa depan penelitian

Bagi Tas, yang perjalanannya ke Silicon Valley dimulai di sebuah desa kecil Kurdi di Turki dengan populasi hanya 50 orang, momen saat ini mewakili peluang dan tanggung jawab. Perjuangan ibunya melawan kanker menghalanginya untuk menyelesaikan kuliah, yang membuatnya belajar pemrograman sendiri dan akhirnya bermitra dengan McConnell—yang bekerja dengannya selama setahun penuh sebelum mereka bertemu langsung.

"Kami tidak hanya menyalin dan menempelkan solusi yang sudah ada;" TASS menekankan. "Ini adalah sesuatu yang berbeda dan secara unik mungkin terjadi saat ini."

Melihat ke masa depan, pergeseran dalam penelitian tampaknya semakin cepat dibandingkan stabil. Pengamat industri memperkirakan fungsi pencarian akan segera diintegrasikan ke dalam alat produktivitas, perangkat yang dapat dipakai, dan bahkan antarmuka augmented reality. Setiap permukaan baru kemungkinan besar memiliki persyaratan pengoptimalannya sendiri, sehingga menambah kompleksitas pemandangan.

"Segera, pencarian akan terjadi di mata kita, di telinga kita," prediksi McConnell. "Ketika Siri keluar dari penjaranya, semua yang dibangun Jony Ive dan OpenAI akan menjadi antarmuka pencarian multimedia."

Tantangan teknis diimbangi dengan tantangan etika. Saat perusahaan berupaya memengaruhi rekomendasi AI, muncul pertanyaan mengenai manipulasi, keadilan, dan transparansi. Saat ini tidak ada badan pengawas atau praktik terbaik untuk GEO, sehingga menciptakan apa yang oleh beberapa kritikus digambarkan sebagai lingkungan Wild West.

Saat perusahaan bergulat dengan perubahan ini, ada satu hal yang pasti: era pengoptimalan Google telah berakhir. Sebagai gantinya adalah ekosistem yang jauh lebih kompleks, di mana keberhasilan memerlukan pemahaman tidak hanya bagaimana mesin mengindeks informasi, namun juga bagaimana mereka memikirkannya, mensintesisnya, dan pada akhirnya memutuskan apa yang akan direkomendasikan kepada manusia yang mencari jawabannya.

Bagi jutaan bisnis yang kelangsungan hidupnya bergantung pada penemuan online, menguasai paradigma baru ini bukan hanya sebuah peluang — namun merupakan kebutuhan eksistensial. Pertanyaannya bukan lagi apakah penelitian AI harus ditingkatkan, namun apakah perusahaan dapat beradaptasi dengan cukup cepat agar tetap terlihat seiring laju perubahan yang semakin cepat.

Orang tua McConnell di Olimpiade adalah gambaran dari apa yang sudah menjadi norma. Mereka tidak mencari perusahaan tur di Paris. Mereka tidak menelusuri hasil atau mengeklik tautan. Mereka hanya menanyakan ChatGPT apa yang harus dilakukan – dan AI memutuskan perusahaan mana yang pantas mendapatkan perhatian mereka.

Dalam ekonomi penemuan baru, perusahaan yang menang bukanlah perusahaan yang memiliki peringkat tertinggi. Merekalah yang akan dipilih oleh AI untuk direkomendasikan.

Tautan sumber

Continue Reading

Berita

Rutgers Union Membela Profesor Antifa-Sekutu Terhadap Petisi Pemecatan

Published

on

baruAnda sekarang dapat mendengarkan artikel Fox News!

Serikat guru Universitas Rutgers pada hari Selasa mengeluarkan pernyataan yang membela profesor Mark Bray yang berhaluan Antifa dan menyerang cabang sekolah Turning Point USA, yang telah meluncurkan petisi untuk memecatnya.

“Profesor Rutgers dan anggota AAUP-AFT Dr. Mark Bray diserang oleh Turning Point USA cabang Rutgers atas beasiswa publiknya,” kata serikat pekerja akademis Rutgers AAUP-AFT dalam sebuah posting Selasa.

Pernyataan tersebut melanjutkan: “Sebagai akibat dari serangan ini, dia menjadi sasaran intimidasi dan intimidasi dan harus meninggalkan negara tersebut untuk melindungi dirinya dan keluarganya.” “Sebagai anggota komunitas buruh Rutgers dan New Jersey, dan sebagai serikat pekerja yang berkomitmen untuk membela sesama pekerja, kami berdiri dalam solidaritas yang kuat dengan Profesor Mark Bray dan rekannya Profesor Yesenia Barragan. Kami menegaskan prinsip-prinsip kebebasan akademik dan mendukung hak Amandemen Pertama yang kuat bagi semua pekerja di pendidikan tinggi dan seterusnya.”

Gubernur Rutgers yang menentang ‘DR ANTIFA’ mengatakan mereka dihukum karena universitas mendukung profesor tersebut

Logo Rutgers Scarlet Knights muncul di beton sebelum pertandingan antara Rutgers Scarlet Knights dan Oregon Ducks di SHI Stadium pada 18 Oktober 2025, di Piscataway, New Jersey. (Yesaya Vasquez/Getty Images)

Pernyataan ini muncul setelah berminggu-minggu kontroversi seputar Bray.

Awal bulan ini, anggota Turning Point USA di Rutgers meluncurkan petisi untuk memecat Bray, asisten profesor pengajar di Rutgers, dengan alasan kekhawatiran atas pernyataannya di masa lalu yang mendukung Antifa.

Bray, yang baru-baru ini pindah ke luar negeri “demi alasan keamanan” dan mengatakan bahwa dia telah menjadi sasaran pelecehan dan “menerima beberapa ancaman pembunuhan”, telah menyatakan dukungan kuat untuk “anti-rasisme” dalam postingan online sebelumnya.

Profesor ‘DR ANTIFA’ di Rutgers Mengumumkan Pindah ke Eropa Setelah Petisi TPUSA Menuntut Penggulingannya

Pisahkan foto Pantai Spanyol dan Mark Bray

Kota pesisir dan teluk alami Calella de Palafrugell di Costa Brava di Catalonia. (Kiri-Kanan) Mark Bray, asisten profesor sejarah di Rutgers University, menunggu di kamar hotel di Newark, New Jersey, sebelum jadwal perjalanan ke Spanyol pada Kamis, 9 Oktober 2025. (Foto AP/Ted Shaffrey, iStock)

Dalam pernyataan sebelumnya yang diterbitkan pada awal Oktober untuk mendukung Bray, Rutgers University AAUP-AFT menggambarkan Turning Point USA sebagai “bagian dari jaringan kelompok yang lebih besar dan pejabat terpilih yang menargetkan fakultas di Rutgers dan di seluruh negeri. Upaya itikad buruk untuk menjebak Dr. Bray sebagai ancaman bagi mahasiswa dan mengeluarkannya merupakan penghinaan terhadap nilai-nilai kebebasan akademik Rutgers, serta komitmen Turning Point terhadap budaya debat terbuka.”

Whitney Stroup, seorang profesor di Rutgers yang pernah mengajar mata kuliah termasuk Pengantar Studi LGBT, Visi Kota dalam Sinema Amerika, dan Gender dan Seksualitas dalam Sejarah Amerika, juga merupakan salah satu ketua Komite Gabungan AAUP-AFT untuk Kebebasan Akademik di Rutgers.

Stroup memposting tentang pembunuhan Kirk di

Dia menambahkan: “Menyesal melihat Charlie Kirk tidak hadir. Saya mengecam kekerasan senjata dan menganggap berbicara buruk tentang orang mati adalah hal yang vulgar, jadi besok saya akan memberikan penghormatan dengan memprotes sambil mengenakan popok.”

Rektor Rutgers Luncurkan Tinjauan Keamanan, Satgas Kebebasan Akademik Di Tengah ‘Dr. Kegaduhan Antifa

Sains Rutgers dan Mark Bray

Rektor Universitas Rutgers mengatakan lembaga Ivy League berkomitmen terhadap kebebasan akademik dan akan meluncurkan satuan tugas peninjauan keselamatan dan satuan tugas “kebebasan akademik” di tengah kontroversi yang sedang berlangsung mengenai profesor Mark Bray yang berpihak pada Antifa. (Isaiah Vasquez/Getty Images, Foto AP/Ted Shaffrey)

Megyn Doyle, seorang mahasiswa di Rutgers University dan bendahara cabang Turning Point USA, yang memulai petisi untuk mencopot Bray, mengatakan kepada Fox News Digital dalam sebuah pernyataan bahwa pernyataan Rutgers AAUP-AFT adalah “pencemaran nama baik.”

“Pernyataan serikat pekerja mengatakan petisi kami telah menyebabkan ‘doxxing dan ancaman pembunuhan’ dan menghilangkan kemampuan siswa untuk bertukar ide di kelas,” kata Doyle.

Dia menambahkan: “Pernyataan ini tidak hanya memfitnah, tetapi juga membela seorang profesor Antifa yang berafiliasi dengan serikat anarkis Black Rosa yang menyerukan ‘pembangkangan sipil massal’, ‘militan’, dan ‘pemogokan yang melanggar hukum’, dan ingin memastikan bahwa dalam 20 tahun, akan sangat mahal untuk mengatakan Anda memilih Trump.”

Klik di sini untuk mengunduh aplikasi FOX NEWS

“Kebebasan akademis yang disarankan oleh serikat pekerja untuk kita hancurkan hanyalah permusuhan berulang Mark Bray terhadap kaum konservatif,” kata Doyle.

“Asosiasi Fakultas Adjunct Rutgers (Rutgers AAUP-AFT) tidak akan menghentikan kebohongan mereka yang terus berlanjut tentang cabang TPUSA kami,” Ava Cowan, koordinator penjangkauan cabang tersebut, mengatakan kepada Fox News Digital dalam sebuah pernyataan.

Dia menambahkan: “Pilihan bahasa mereka, dan klaim bahwa Bray sedang ‘diserang’ oleh kami, adalah bukti bahwa mereka berusaha keras, namun gagal memanipulasi narasi seputar kegiatan teroris Dr. Antifa. Semua orang tahu bahwa menyerukan kekerasan pencegahan terhadap mereka yang disebut fasis dan mendanai organisasi teroris dalam negeri bukanlah pidato yang dilindungi.”

Fox News Digital telah menghubungi Rutgers dan Bray untuk memberikan komentar.

Tautan sumber

Continue Reading

Berita

Investigasi mengungkapkan miliaran uang tunawisma memicu aktivitas radikal

Published

on

baruAnda sekarang dapat mendengarkan artikel Fox News!

Selama bertahun-tahun, masyarakat Amerika telah diberitahu bahwa “belas kasihan” terhadap para tunawisma berarti memberikan cek yang semakin besar – lebih banyak uang, lebih banyak program, dan jauh lebih sedikit akuntabilitas.

Kini, akhirnya, kita punya jawaban mengapa tunawisma begitu merajalela meski belanja pemerintah meningkat tiga kali lipat.

Investigasi inovatif bertajuk “Infiltrator” – didukung oleh lebih dari 50 halaman dokumen dari Capital Research Center yang bekerja sama dengan Discovery Institute – mengungkap sistem korupsi yang luas. Laporan ini mengungkapkan bagaimana miliaran uang pajak yang dimaksudkan untuk mengangkat orang-orang keluar dari tunawisma malah mendanai aktivitas ekstremis dan agenda politik anti-Amerika., Pengkhianatan terhadap pembayar pajak yang mendanainya dan para tunawisma yang seharusnya mereka bantu.

Kami akhirnya mempunyai jawaban mengapa tunawisma begitu merajalela meski belanja pemerintah meningkat tiga kali lipat. (Tayfun Coskun/Anatolia melalui Getty Images)

Meski memiliki sumber daya yang belum pernah ada sebelumnya, jumlah tuna wisma di Amerika kini berada pada tingkat tertinggi dalam sejarah Amerika. “Infiltrator” menjelaskan bagaimana organisasi-organisasi “advokasi tuna wisma” yang paling terkemuka di negara ini telah dipersenjatai untuk melawan orang-orang yang mereka klaim untuk mereka layani—mengarahkan rasa belas kasihan pada ideologi dan subordinasi pada otoritas.

Salahkan obat-obatan dan penyakit mental, bukan Presiden Trump, atas kekacauan yang melanda jalan-jalan kita

Hal ini mengungkapkan bagaimana jaringan ekstremis secara diam-diam telah menanamkan diri mereka dalam organisasi nirlaba terkemuka yang menangani tunawisma, berbagi infrastruktur, donor, dan ideologi.

Apa yang awalnya merupakan gerakan yang berakar pada belas kasih telah berubah menjadi apa yang hanya dapat digambarkan sebagai kompleks industri tunawisma – sebuah jaringan luas yang terdiri dari organisasi nirlaba, birokrat, dan aktivis yang memicu krisis yang mereka klaim dapat diselesaikan.

Mereka telah membangun kerajaan korupsi yang terselubung dalam slogan-slogan “berbasis bukti” yang melindungi politik, melindungi gaji, dan mengkhianati kelompok rentan.

Laporan tersebut mengungkapkan permasalahan ini dengan jelas: Jaringan-jaringan ini berpura-pura menjadi pembela para tunawisma di Amerika, namun kenyataannya mereka justru menjadi pengeksploitasi terbesar., Hal ini didasarkan pada kegagalan mempertahankan kekuasaan.

Asal usulnya dimulai pada tahun 2013, ketika Departemen Perumahan dan Pembangunan Perkotaan (HUD) mengabadikan Housing First sebagai doktrin federal. HUD berjanji untuk “mengakhiri tunawisma dalam satu dekade” dengan menghilangkan persyaratan pengobatan dan akuntabilitas, serta melembagakan kebijakan tersebut secara efektif.

Hasilnya? Pengeluaran meningkat. Hibah berlipat ganda. Hasilnya runtuh.

Saya telah melihat cukup banyak penderitaan manusia di kamp-kamp pengungsian untuk mengetahui bahwa kebijakan baru Trump adalah benar

Kasus Mahkamah Agung Grant Bass v. Johnson mengungkap korupsi lebih lanjut. Lebih dari 700 organisasi nirlaba – yang secara kolektif menerima hibah pemerintah sebesar $2,9 miliar – mengajukan laporan yang membela perkemahan umum dan menentang penegakan undang-undang anti-perkemahan sebagai “hukuman yang kejam dan tidak biasa.” Ketertarikan mereka bukan pada belas kasihan, tapi pada pelestarian pot uang mereka.

Institusi swasta bergabung dalam perang salib.

Lembaga filantropi besar—Ford, Robert Wood Johnson, dan Gates Foundation—telah menggelontorkan miliaran dolar ke dalam Housing First dan inisiatif “ekuitas” untuk mempromosikan ideologi dengan kedok membantu para tunawisma.

Dana dari donor menghalangi aliran dana, sehingga memungkinkan adanya dukungan anonim yang mengaburkan batas antara amal dan politik.

Sementara itu, koalisi seperti Penyandang Dana Bersama untuk Mengakhiri Tunawisma telah menyalurkan sejumlah besar uang untuk tujuan-tujuan politik utama – termasuk mempromosikan reparasi dan gerakan anti-polisi.Semua di bawah kamuflase moral dalam menangani tunawisma.

Empati yang dibuat-buat di kota-kota ini memperburuk krisis narkoba dan tuna wisma

Donor dan pembayar pajak mengira mereka mendanai solusi. Sebaliknya, uang mereka justru memicu tuntutan hukum, lobi, dan aktivisme ideologis yang memperdalam keputusasaan.

Laporan Capital Research sebelumnya, “The Creep to Violence,” mengungkapkan adanya tumpang tindih yang mendalam antara koalisi pengungsi dan jaringan ekstremis – organisasi pro-Hamas, gerakan Marxis, dan kolektif anarkis yang memiliki penyandang dana dan infrastruktur yang sama. Kelompok-kelompok seperti Proyek Advokasi Regional Barat mengagung-agungkan buronan yang melakukan kekerasan seperti Assata Shakur, sementara Jaringan Serikat Penyewa Independen menyombongkan diri karena menolak bekerja sama dengan organisasi nirlaba arus utama untuk mempertahankan “kemerdekaan revolusioner.”

Mereka telah membajak bahasa empati untuk melancarkan perang politik melawan penegakan hukum, hak milik, dan tanggung jawab pribadi.

Dampaknya sangat buruk dan terukur: miliaran dolar dihabiskan, jalanan menjadi lebih buruk dari sebelumnya, dan peningkatan angka kematian sebesar 77% di kalangan tunawisma, semuanya atas nama “keadilan.”

Sudah terlalu lama, kompleks industri tunawisma tumbuh subur dalam kegelapan, tidak tersentuh, tidak dapat dipertanggungjawabkan, dan tidak tertandingi. Namun sinar matahari akhirnya menerobos.

Gelandangan tergeletak di trotoar

Seorang tunawisma tergeletak di trotoar di New York pada 27 Desember 2024. (Selcuk Akar/Anatolia)

Klik di sini untuk opini Fox News lainnya

Perintah eksekutif Presiden Donald Trump baru-baru ini mengenai tuna wisma merupakan koreksi serius pertama dalam lebih dari satu dekade. Perlawanan yang komprehensif dari kelompok ini – termasuk tuntutan hukum baru-baru ini – hanya menggarisbawahi penguatan dan ketakutan mereka untuk dimintai pertanggungjawaban atas hasil yang sebenarnya.

Namun para tunawisma tidak bisa lagi menunggu.

Agar belas kasih bisa berarti, pendanaan harus dikaitkan dengan hasil yang terukur seperti pengurangan nyata jumlah tunawisma. Setiap dolar harus digunakan untuk memulihkan kehidupan manusia, bukan untuk mendanai tujuan ideologis.

KLIK DI SINI UNTUK MENDAPATKAN APLIKASI FOX NEWS

Inilah saatnya memulihkan rasa belas kasihan dari korupsi dengan mengembalikan keuangan ke tujuan semula: memulihkan harapan, pemulihan, dan tujuan.

Lampu menyala. Kebenarannya sudah terungkap. Sekarang terserah pada kita untuk tetap menekan, mempertahankan garis dan tidak membiarkan kegelapan mendekat lagi.

Klik di sini untuk membaca lebih lanjut dari Michelle Stipe

Tautan sumber

Continue Reading

Trending