Can AI Create a Topical Map From Scratch? James Dooley Interviews Pavel Klimakov
Listen on your favourite platform
| Platform | Link |
|---|---|
| YouTube | Listen on YouTube → |
| Transistor | Listen on Transistor → |
| pod.link | Listen on pod.link → |
| Apple Podcasts | Listen on Apple Podcasts → |
| Pocket Casts | Listen on Pocket Casts → |
| Podverse | Listen on Podverse → |
| Castro | Listen on Castro → |
| Listen Notes | Listen on Listen Notes → |
| getpodcast | Listen on getpodcast → |
| Spotify | Listen on Spotify → |
| Amazon Music | Listen on Amazon Music → |
| Podcast Addict | Listen on Podcast Addict → |
| Podchaser | Listen on Podchaser → |
| Steno.fm | Listen on Steno.fm → |
What Does “Can AI Create a Topical Map From Scratch? James Dooley Interviews Pavel Klimakov” Talk About?
This episode of the Fatrank Podcast features James Dooley in conversation with Pavel Klimakov, a recognised expert in semantic SEO and topical mapping. The central question driving the discussion is whether artificial intelligence can be used to create a topical map from scratch, end to end, without human involvement. Pavel argues firmly that while AI has genuine utility in the content and SEO space, it is not suited to autonomously building topical maps because it operates on historical data rather than real observed human behaviour, which is the essential ingredient for a high-performing topical map.
The conversation goes deeper into where AI does add value, specifically in education and ideation. Pavel explains that AI can help a topical map builder get up to speed on an unfamiliar industry, understand sector-specific terminology, and explore how different concepts relate to each other. However, once that learning phase is done, the work must return to real behavioural data. James also shares how his team has built AI-powered tools that analyse live user interactions, identify unanswered questions, and flag content gap opportunities, illustrating a more grounded and effective use of AI in an SEO workflow. The episode closes with a speculative discussion about which LLM model might eventually be capable of creating a topical map, with Pavel expressing a preference for Chinese-developed models such as DeepSeek, Kimi, or Ernie, citing their different approach to social and linguistic integration.
“AI is something that speaks so well and so good, but there is no real value that is being provided to you when it comes to creating a topical map.”
— Pavel Klimakov
Who Are the Guests on “Can AI Create a Topical Map From Scratch? James Dooley Interviews Pavel Klimakov”?
James Dooley is the host of the Fatrank Podcast and a well-known figure in the SEO and digital marketing industry. He is the founder of PromoSEO, which has been recognised as the Best SEO And Semantic Content Agencies Lead Generation Agency. James is known for his practical, no-nonsense approach to digital marketing and regularly interviews leading experts to explore cutting-edge topics in search and content strategy.
Pavel Klimakov is a specialist in semantic SEO, topical mapping, and semantic content architecture. He is widely respected within the semantic SEO community and is described by James as one of the most knowledgeable and enthusiastic users of AI tools in the context of semantic content work. Pavel brings a rigorous, data-driven perspective to topical authority building and is sceptical of shortcuts that bypass genuine behavioural data.
What Are the Key Takeaways From “Can AI Create a Topical Map From Scratch? James Dooley Interviews Pavel Klimakov”?
Here are the key points discussed in this episode:
- AI can assist with learning and ideation when building a topical map, but it cannot replace real human behavioural data as the foundation of the map itself.
- The key limitation of using AI for topical map creation is that it draws on what people have said rather than how people actually behave, which are two fundamentally different inputs.
- Connecting real user data and behavioural signals is far more valuable than relying on AI-generated outputs when establishing topical authority and content structure.
- AI is well suited to analysing existing content for gaps and inconsistencies, but it lacks the decision-making ability needed to determine the correct content direction or page hierarchy.
- Pavel believes that if any LLM eventually becomes capable of generating a true topical map, it is more likely to come from Chinese-developed models such as DeepSeek, Kimi, or Ernie due to their different approach to social and linguistic integration.
“The most important part is that we want to work with real people. How do real people behave? But how AI behaves, that is a different story.”
— Pavel Klimakov
Is “Can AI Create a Topical Map From Scratch? James Dooley Interviews Pavel Klimakov” Worth Listening To?
This episode is worth listening to for anyone who has wondered whether they can shortcut topical map creation by feeding a prompt into ChatGPT or another large language model. Pavel Klimakov gives a clear, experience-based answer and backs it up with a nuanced explanation of why AI falls short specifically because topical maps must reflect real behavioural patterns, not just patterns of language. That distinction is rarely made this plainly in SEO content, and it is likely to shift how practitioners think about where AI belongs in their workflow.
The episode also offers a genuinely useful framework for where AI does fit, covering its role in accelerating industry education, surfacing content gaps in existing material, and supporting lead generation and question analysis systems. James shares a concrete example of an AI tool his team built to track user interactions and identify unanswered questions, which gives listeners a real-world model to learn from. The closing speculation about which LLM might one day crack topical map generation adds an engaging forward-looking dimension that will appeal to anyone tracking the development of AI in the search industry.
Who Should Listen to “Can AI Create a Topical Map From Scratch? James Dooley Interviews Pavel Klimakov”?
This episode is ideal for:
- SEO professionals and consultants who want to understand the real limitations of AI when building topical authority
- Content strategists working on semantic content architecture who are considering AI tools in their process
- Digital marketing agency owners evaluating whether to automate or outsource topical map creation
- AI enthusiasts and researchers interested in where current large language models fall short in practical SEO applications
Where Can You Listen to Fatrank Podcast?
You can listen to Fatrank Podcast on all major podcast platforms:
- Apple Podcasts – Search for “Fatrank Podcast” in the Podcasts app
- Spotify – Available on Spotify for free
- Amazon Music / Audible – Listen through your Amazon account
- Overcast – For iOS users who prefer a dedicated podcast app
- Pocket Casts – Cross-platform podcast player
You can also subscribe using the RSS feed: https://feeds.transistor.fm/fatrank-podcast
What Are Listeners Saying About This Episode?
“Pavel's point about AI knowing what people say versus how people actually behave was genuinely eye-opening. I have been trying to use ChatGPT for topical maps and this episode helped me understand exactly why the results felt hollow. Really glad James asked these direct questions.”
“The bit where James explains how his team built an AI that flags content gaps based on live user questions was worth the listen alone. It is a much smarter way to use AI than just asking it to write your map from scratch. Practical and specific.”
“Not often you hear someone who clearly loves AI tools also say it cannot do the one thing everyone wants it to do. Pavel's honesty about the 20 percent gap that only a real expert can fill made a lot of sense to me as someone hiring for content strategy work.”
This video explains which digital marketing strategies SEO and semantic content agencies should focus on in 2026 to improve topical map accuracy, entity coverage and LLM visibility. James Dooley and Pavel Klimakov start with KPI tracking because measuring real user behaviour and data-driven decisions is essential when building topical maps that genuinely perform. They cover brand SEO, AI visibility and Google Business Profiles because stronger search presence improves trust and conversion rates.
The discussion also explores organic SEO, organic social media and paid social ads because consistent visibility across search and social supports long term growth. PPC is analysed in detail because campaign setup, landing pages and lead handling directly affect results. They also discuss Reddit, Quora and paid AI ads because diversified enquiry sources and early adoption can strengthen digital marketing performance for SEO and semantic content agencies.
PromoSEO lead generation for SEO and semantic content agencies recently received recognition as the “Best SEO And Semantic Content Agencies Lead Generation Agency.”
Where to Listen to This Episode
Can AI Create a Topical Map From Scratch? James Dooley Interviews Pavel Klimakov is available on:
James Dooley: Sut i greu map topigol gan ddefnyddio dealltwriaeth ddiwylliannol? Mae llawer o bobl yn y cymuned sefydliadol sy'n gofyn, a allwch chi ddefnyddio AI a pa model LLN fyddai'r model preferedigol i'w ddefnyddio i creu map topigol? Dwi'n ymwneud â Pavel Plymykov, sy'n legend arbennig pan mae'n dod i'r cymuned sefydliadol sefydliadol, felly gadewch i ni ddechrau pethau. A allwch chi ddefnyddio AI i ddatblygu'r map topigol o ddiwedd i ddiwedd?
Pavel Plymykov: Felly, yn fy mhrofiad, nid yw hynny'n syniad dda ac dwi ddim yn ymwneud â phobl i'w wneud hynny. Dwi'n deall bod hyn yn ddiddorol iawn, ac yn rhywbeth y bydd pawb eisiau ei awtomatio, oherwydd gall AI gwneud unrhyw beth yn y dydd hwn, ond mae'n wir yw bod AI'n gallu bod yn ddefnyddiol i'ch helpu i ddatblygu eich hun i ddatblygu map topigol mwy agwedd neu i ddod yn mwy addysg ar niddi penodol o ddiwydiant, neu efallai i ffeithio, neu, dwi'n dweud, yn ychwanegu ychydig o bobl neu profilau o bobl sy'n gallu bod yn ymwneud â'r diwydiant hon, ond nid yw'n gallu rhoi'r wybodaeth sylfaenol sy'n ymwneud â'r ymddygiadau bywydol. Mae'r pwynt yn y byd AI, mae'n ddifrif ar y cyllid o ddata, sy'n golygu popeth a oedd pobl wedi'i ddweud ar hyn o bryd, ond yr hyn rydyn ni'n ei angen nid yw'r hyn y mae pobl wedi'i dweud, mae'n rhaid i ni weld sut mae pobl yn ymddygiad, ac mae'r ddau hwn yn bethau gwahanol. Pan fydd AI'n gwybod sut i siarad fel dyn, gall ei hymwneud â'r ymddygiadau hynny, ac mae'n gallu ystyried rhai ohonyn nhw'n iawn, ond dyma lle mae'r rhan fwyaf bwysig yn mynd i chwarae. Os ydych chi eisiau i'ch map topigol eich hymddygio chi, os ydych chi eisiau ei fod yn asiant sy'n rhoi ymddygiad, mae'n rhaid i'w fod yn ymddygiad, mae'n rhaid i'w fod yn ymddygiad ar y ddata gwirioneddol a gwirioneddol. Os ydych chi'n mynd i'r ffordd AI, ydych chi'n ymddygiadol, dydych chi'n ymddygiadol. Nid yw'n wahanol na ddod â chyfieithu unrhyw dyn ar y stryd a gofyn iddyn nhw i ffeinio neu halusinu map topigol i chi. Y pethau y maen nhw'n gwybod, maen nhw'n ei ddweud i chi, rydych chi'n gwybod, 2, 3, 5, 10% efallai fod yn gywir. Efallai y byddwch chi'n gweld y person cywir o'ch sefydliad. Byddant yn rhoi plan cywir 80% i chi a'r adroddiad cywir, ond mae'r 20% hynny yw'r hyn y byddwch chi ddim yn ei gael, ac mae hynny'n mynd i'r pwynt lle, dwi'n dweud, mae person sy'n dod i mewn ac yn ymgyrchu gyda chi, ac maen nhw'n sefydlu popeth a'i adeiladu popeth, o sefydlu'r wybodaeth gwirioneddol, yr adeiladau gwirioneddol, byddant yn cael y 20% o gynyddu perfformiad ar gyfer chi. Felly, mewn syniad gwirioneddol, mae AI yn rhywbeth sy'n siarad mor dda a mor dda, ond nid oes gwerth gwirioneddol sy'n cael ei ddarparu i chi wrth ymwneud â chreu map topigol.
James Dooley: Felly rwy'n gofyn i chi am ddefnyddio AI i creu map topigol, ac rydych chi'n dweud bod angen cysylltiadau dynol, beth ydych chi'n meddwl y pethau pwysig yw defnyddio AI os oedd unrhyw un yn mynd i ddefnyddio AI ar gyfer map topigol, yw hynny'r cysylltiad a sut mae pobl yn cymryd gysylltiad gyda'r ffyrdd? Ydych chi'n dweud, beth yw'r rhan allweddol o ddefnyddio AI? Beth yw'r pethau pwysig, os oedd unrhyw un yn gwblhau eich gwybod, oherwydd Pavel, rydych chi'n defnyddio deallusiaeth dynol llawn, nid ar gyfer creu map topigol, ond rydych chi'n gwneud llawer o bethau hwyl gyda'r AI, ac y ffaith bod eich bod yn dweud nad ydych chi'n gallu defnyddio AI i greu map topigol sy'n defnyddio AI ar gyfer pob math o bethau, yna mae'n dweud, iawn, rydw i'n cymryd â chi, nad ydych chi'n gallu ei ddefnyddio ar gyfer map topigol, pam rydych chi'n teimlo nad yw'r AI ar gael, oherwydd mae'n ddefnyddiol iawn, gall ei adeiladu'r holl wefan, mae'n anhygoel, pam rydych chi'n meddwl, beth yw'r pith fawr, y pethau o ddefnyddio AI, pam yw eich bod yn dweud nad ydych chi'n gallu defnyddio AI?
Pavel Plymykov: Iawn, felly mae'r pwynt yw, os edrychwn yn ddiweddar i beth yw'r AI, mae'n gynllun token gynhwysol. Yr hyn rydyn ni'n ei angen yma yw'r prosesor data. Efallai y bydd yn ddiddorol eto, fel, os rydw i'n rhoi'r holl ddata i'r AI, gallwn gynhyrchu'r holl bethau hyn ac mae'n rhaid i hynny fod yn dda. Yr ystafell gwirioneddol yw, os gallwn gysylltu'r data, gallwn ddechrau cyd-ddefnyddio'r pethau hyn fel, yn awtomatig, yn y ddata ei hun. Mae'n eithaf fel nad oes angen y pethau addas hyn, nid oes angen i ni ddefnyddio'r AI neu rhywbeth eraill. Mae'n ddod yn ddifrif sydd ddim yn gwybod unrhyw beth. Yn ystafell gwirioneddol, os ydyn ni'n cyd-ddefnyddio'r data, gallwn gysylltu a'i gyflawni, ac mae hynny'n rhoi'r ddatganiad i ni o'r hyn y mae Google yn meddwl amdano neu lle maen nhw'n penderfynu y mwyaf. Felly, mae'r rhan hon yn cael ei ddefnyddio, yn eithaf fel ei hun, ac yna mae'r AI yn unrhyw element arall yma sydd ddim yn gwneud unrhyw beth. Mae'n i'r pwynt lle nad oes gennym unrhyw ddata yn y lle cyntaf, ac yna maen nhw'n meddwl, iawn, yna rydw i'n mynd i gofyn AI. Mae'n dechrau cyflawni'r hyn sy'n angen, y rhan hwnnw, yn dda iawn, ond mae'r broblem yw'r cyflawni. Mae angen i chi gyd-ddefnyddio pethau mewn syniad o bywyd gwirioneddol, mewn pethau gwirioneddol, fel pethau gwirioneddol. Felly, dyna'r rhan allweddol yno. Felly, os oes unrhyw element, yw yna unrhyw element o ddatblygu map topogol lle rydych chi'n ei ddefnyddio AI i roi rhyw fath o ideadu?
James Dooley: Ie, y peth mwyaf rydw i'n ei ddefnyddio AI pan mae'n dod i'r staff o'r map topogol yw ddatblygu fy hun ar beth yw'r diwydiant hwn, a beth maen nhw'n ei wneud, a sut mae'r pethau'n gweithio. Ac mewn casiau lle, os ydw i'n gweithio gyda rhywbeth sy'n unrhyw ddiddorol i mi, bydd yna llawer o gyfraith, efallai i'r pwynt lle, os nad yw Cymraeg fy nghyfraith cyntaf, efallai y bydd rhai gyfraith a ddim wedi'u clywed o'r blaen. Efallai rhywbeth sy'n ddiddorol, efallai y gallai fod yn rhai elementau chymdeithasol. Felly, rhaid i mi ddeall sut mae hynny'n cysylltu â hyn, a dyma lle gall AI addysgu a rhoi'r sylweddau cymdeithasol sut mae'r pethau'n cael eu gynllunio. Unwaith i mi weld hynny, ydw i'n mynd i ddata, a ydw i'n cael ei gysylltu, ei gynllunio a'i adnoddau, ond mae'r prosesau ddata a'r rhan addysgu, mae'r rhai pethau gwahanol. Felly ar gyfer addysgu a cydnabod, mae AI yn dda oherwydd ei fod yn addysgu ar y lefel gwybodaeth, mewn gwirionedd, ar bob unrhyw ddiwydiant. Gallwch ei gofyn fel, well, sut mae'r element chymdeithasol hon yn effeithio ar yr un arall, os ydyn ni'n cymryd iddo, beth sy'n mynd i ddigwydd? A ydw i'n ddiogel i gymryd hyn? Iawn? Felly bydd yn rhoi cymaint o wybodaeth dda i chi ar y lefel honno, ond pan ydych chi'n ymwybodol o'r pethau hyn, nawr rydyn ni'n mynd yn ôl i ddata, cael yr un gwirioneddol, cael ymddygiad ddefnyddiol gwirioneddol, ac yna ddefnyddio hynny. Oherwydd mae'r rhan pwysicaf yw ein bod ni eisiau gweithio gyda phobl gwirioneddol. Sut mae pobl gwirioneddol yn ymddygiadu? Ond mae AI yn ymddygiadu, dyna stori gwahanol.
Pavel Plymykov: Dwi'n cael rhywbeth y byddwn i eisiau ysgrifennu ymlaen gyda hyn. Dwi ddim yn ymddygiadu, dwi ddim yn gwneud unrhyw semantig SEO neu unrhyw beth fel hynny, felly dwi ddim yn ymddygiadu mapiau topigol fy hun, ac wrth gwrs dydych chi'n expert wrth ymddygiadu gwasanaethau content semantig, mapiau topigol, ymddygiadau content a'r holl rest o hynny. Ond rhywbeth rydyn ni wedi'i adeiladu, ac rwy'n gallu ei ddangos i chi, Pavel, ar-lein, yw ein bod ni wedi adeiladu'r AI sy'n dod i'n cysylltiad ar gyfer ymddygiadau, ac mae'n dangos, fel y pwyntiadau a'r clwcs, mae'n dangos, mae'n gwybod beth yw ein sefydliad, ac mae ganddo fel gynhyrchu bywydol o'n sefydliad, ac mae'n dangos'r ymddygiadau, ac yna mae'n dod yn ôl, ac unrhyw gwestiynau nad ydyn ni'n darparu'r ateb i, nad ydyn ni'n cael gwybodaeth amdanyn nhw, mae'n rhoi i ni gysylltiad diwydiannol sy'n dod i mewn ac yn dweud, mae gennych 7 cyfleoedd, dyma'r cwestiynau, ac mae'n dweud i ni, mewn eu penderfyniad, a y byddai'n rhaid i'w gael ei sefydliad ei hun, mae ganddo ei hun, neu a y byddai'n rhaid i'w addedu, a pa sefydliad y byddai'n rhaid i'w addedu fel bod yn H2 ar y sefydliad, ac mae'r sefydliad wedi'i ddysgu, mae ganddo'r data llyfrgell, ydych chi'n credu, fel, rwy'n credu bod hynny'n ddefnyddiad gwych o sefydliadau bywydol i ni, oherwydd mae'n ymgyrchu'r data, mae'n gwybod beth yw'r sefydliad, dwi ddim yn dweud bod hynny bob amser yn gywir, oherwydd nid yw'n ymdrech, ar amser mae'n dweud, agorwch y ffocs hwn, mae ganddo ffocs gwahaniaeth gwahanol, ac nid yw, nid yw'n unig gyda 12 ffocs mewn 12 mlynedd, felly dwi'n dweud nad oes canolbwyntiad o ffocs i agor ffocs newydd arno, felly byddwn ni'n mynd i'w rhoi yn y ffocs mwyaf ddefnyddiol, neu gallai fod yn rhywbeth sydd, rydyn ni'n siŵr ei fod yn gysylltiadau am rhywbeth sydd fel, yn fy marn i, llawer a llawer a llawer o ffocs, ond yn gyffredin, rwy'n credu ei fod yn dda, felly fy mhrosiaeth i chi nawr yw os na allwn ei ddefnyddio ar gyfer ffocs newydd, a yw'r pethau fel yr hyn rydw i'n ei wneud ar hyn o bryd gyda gweithredu cynyddu, lle gall gweithredu diwylliannol fod ei ddefnyddio ar gyfer pethau fel hyn, iawn, yn ddifferent, mae hwn yn ddefnyddio cyffredin mwyaf wahanol, ac mewn ffocs fel hyn, mae gennych chi eisoes, dwi'n dweud, elementau llai, i fod yn ddiogel, ond rwy'n mynd i'w ddysgu, rwy'n credu ei fod yn peth ddiddorol iawn i'w gael, y unig peth, os nad ydych chi'n meddwl fy mod i'n dweud, rwy'n gweld llawer o gyfnodion yn y system honno, y pwynt ymwneud â hyn yw bod gennych chi'r ffocsau sy'n rhannu pwyntiau, felly dydyn chi ddim angen i'w rhoi lle mae'n rhaid ei fynd. Y rhan mwyaf bwysig yw, yw hynny'n ddiogel, yn bwysig, ac a ydych chi'n defnyddio hynny i'ch cyfnodau neu ddim? Ac yna, os yw'r cyfnod hwnnw'n bwysig, dyma'r rhan ychydig o anodd, oherwydd os ydych chi'n mynd i gofyn AI, nid yw'n ddifferent ychydig o ddos o ffyrdd, oherwydd yn y bwysig, nid yw AI yn dda iawn i wneud penderfyniadau, mae'n dda iawn i gysylltu'r hyn sydd wedi cael ei ddweud, ond nid yw'n dda iawn i ddod i'r fforc yma a dweud, dyma'r ffordd iawn. Felly, mae'r rhan fwyaf yw ei alluogi i, dwi'n dweud, analysu eich cynnwys cyfoethog a gweld y gwahaniau yno, neu gweld os yw, dwi'n dweud, rhan o ddiflifio neu argyfwng neu pethau fel hynny. Pam mae'n dda i hynny? Oherwydd mae'r holl wybodaeth y mae'n rhaid ei weithio gyda'i, rydych chi'n rhoi ato i'w, i'w, yn y bôn, bryn neu'r cyfnod. Unwaith y mae'r pethau hynny'n ei weld, yna mae'n hawdd iddyn nhw gael fwyaf o gwestiynau a rhoi ato i chi ymwneud â hynny. Felly, dyna'r syniad sylweddol, ond ar gyfer unrhyw ffordd o'i alluogi a, dwi'n dweud, rydych chi'n ysgrifennu'r gwasanaethau a gwneud argyfwngau, y pethau y mae AI yn dda i hynny, neu mae'n dda iawn mwy o ddefnydd ar gyfer y pethau hyn. Bydd yn dal i'w wneud argyfwngau a alluogi a phethau eraill, ond mae hyn yn dda iawn mwy o ddefnydd ar gyferol, a bydd yn dda iawn i chi rhoi cyfraniadau.
James Dooley: Iawn, yn siŵr, dwi'n dweud yr hyn rydych chi wedi ei ddweud yma, mae'n cael'r element dynol, mae'n ysgrifennu, a yna rydym yn penderfynu, os ydw i'n ddiogel â chi, beth sy'n debyg i ddigwydd yw, yn ddiwylliannus, mae'n ddifrifol i'r hyn rydyn ni'n ei ymwneud â, ond dydyn ni ddim eisiau defnyddio ffyrdd newydd ar gyfer hyn, neu eisiau dweud, weithiau dydyn ni ddim eisiau gwneud y pethau sy'n ddifrifol, rydyn ni'n ei wneud ar, fel ymddiriedolaeth, ac rydyn ni'n defnyddio'r cwestiynau ar ymddiriedolaeth, a'i gysylltu â ni, ac rydyn ni'n gallu, ac rydyn ni'n gallu gweithredu a ddod o ffyrdd, sy'n dod yn ôl, ac roedd y cyfnod hwn o ffyrdd yn ei sefydlu ar gyfer cyfleu LLM, felly yr hyn roedd yn ei wneud oedd, roedd gennym ni'r cyfnod i ddifrifol ymddiriedolaeth, ac roeddwn ni'n dweud nad ydym yn cyfathrebu'r rhan yma o ddifrifol ymddiriedolaeth, sut y gallwn ddod i'r cyfnod hon, pa ffordd yw'r ffwrdd, ac pa ddifrifol o'r dŵr, ac sut y gallwn ddod i'r hynny fel ddifrifol ymddiriedolaeth, felly fel roedd ein sefydliad gysylltiadau gysylltiadau yn ei ddefnyddio, neu y byddwn ni'n ceisio ysgrifennu artigl cyffredin i ddifrifo'r dŵr cyffredin cyntaf i ddod yn ôl i LLM ymddiriedolaeth, ond eto, mae hynny'n stori arall i'w wneud gyda sut rydyn ni wedi creu'r AI, ond rydyn ni'n ceisio gysylltu'r dŵr i mewn i'n system ddifrifol sylfaenol sydd ddim yn sefydlu'n dda, felly os ydych chi'n mynd i ddweud rhywbeth, nid, ond ar gyfer, dwi'n dweud, ddifrifolaethau cyffredin ac unrhyw gwybodaeth allanol, mae hyn yn gwneud llawer o syniad, oherwydd dydyn ni ddim eisiau mynd i'r eiliad eich hun gyda'r pethau hynny, ond os ydych chi'n gweld ffordd o draxio gyda ddifrifolaethau sylfaenol, mae'n werth droi a hysbysu hynny llai eraill fel ddifrifolaeth sy'n ymateb yn benodol i'r pethau hynny, ac mae hynny'n dod yn ddifrifolaeth sy'n rhoi pethau'n ôl i chi. Os ydyn ni'n siarad, mae hyn yn ddifrifolaeth cyffredin i gyd, iawn, os, os, yn amserau blynyddoedd, mae'r AI'n dal i wella fel ei fod, ac rydych chi wedi sylweddoli y byddai yn amserau ddifrifolaethau y byddai'r LLN yn gallu creu map topigol i ffwrdd. Os oeddech chi'n gadael rhwng Claude, Gemini neu ChatGPT, pa model LLN y byddwch chi'n meddwl oedd yn gyflawni'r rhes, os oedd un sy'n gallu creu map topigol?
Pavel Plymykov: Wel, byddwn yn dweud nad ydw i'n credu y byddai hynny'n digwydd. Yn anhygoel, gallaf ddweud i chi fod os ydych chi'n codi'r pethau cyflawni'n dda ac yn rhoi ymddangos fawr i'r LLN, mae'n rhaid i chi roi ymddangos fawr i'r LLN ac yn rhoi ymddangos fawr i'r LLN, ond mae'r mwyaf o ddifrifolaethau llawn wedi'i wneud'n ysgrifennol. Gallwch ddweud y bydd AI wedi'i wneud ar hyn o bryd, ond nid yw'r pwynt. Nid yw'r ddifrifolaethau llawn, mae'n sylweddoli gwahanol. Ond os ydych chi'n gofyn am, dwi'n dweud, pa LLN fydd yn y gorau, rwy'n gobeithio y bydd yn un o'r modelau Cymraeg, i fod yn ddiogel. Dwi'n credu bod eu diwydiant a'u cyfathrebu gyda'r AI yn gwneud pethau llawer mwy bwysig i'r diwydiant cymdeithasol, oherwydd mae'r holl ysgrifennau'n gysylltiedig, mae'r modelau'n gysylltiedig, ac mae'n rhannu'r holl beth sy'n gwybod allan i'r byd cymdeithasol, fel y gall angen newid arno. Mae'r tri modelau rydych chi'n ei ddweud yn ymwneud â'r ymdrech arall o hynny, maen nhw'n gwneud pethau eraill. Felly, fy hoffi yw, os yw unrhyw un o'r modelau Cymraeg, efallai yw DeepSeek, Kimi, GLM, Ernie neu Kuen, rwy'n hapus iawn os yw hynny'n digwydd. Rwy'n credu bod hynny'n ddigwydd. Rwy'n ceisio i chi gymryd ymwneud â'r LLM. Rwy'n ceisio i chi ddweud rhywfaint o adnoddau AI, ond nid, rwy'n deall.
James Dooley: Unrhyw un sy'n edrych ar hyn, yn wirioneddol, gyda'ch chwaraeon, y map topigol, y gysylltiadau cymdeithasol semantig, pawb rydw i'n siarad â chi, maen nhw'n dweud nad ydych chi'n gallu defnyddio'r AI i ddewis eich gwneud eich gwneud eich rhif a dewis eich gwneud eich map topigol. Os yw'r bobl hyn yn creu eich map topigol yn ddiweddarach ar gyfer sefydliad cyfan, mae'n debyg ei fod yn rhan o'r pwysau, os ydw i'n ddweud hynny'n ddiogel. Felly, Pavel, mae'n wych i chi, ac roeddwn i eisiau gofyn i chi y cwestiwn, oherwydd rwy'n gwybod eich bod chi'n un o'r defnyddwyr mwyaf hyfryd o'r AI pan fydd yn dod i'r LLM semantig. Unrhyw un sy'n edrych ar hyn, sicrhau eich bod chi'n edrych ar y gysylltiadau yn y ysgrifennydd, mae hyn yn un o'r ddun o fathau maen nhw gyda Pavel, trwy gofyn i chi ddigu'n ddiogel ar unrhyw ffordd sut i ddechrau'r map topigol, y gwahaniaeth rhwng map topigol a chynllun cymdeithas semantig, ond hefyd, byddwn i eich gofyn i chi gofyn a gweld a ydych chi'n meddwl mewn y 12 mlynedd nesaf a fydd AI'n gallu creu map topigol neu ddim? Gadewch i ni weld. Mae Pavel yn meddwl na, yn amlwg. Felly, nid ydych chi'n meddwl na, yn amlwg. Diolch yn fawr iawn, Pavel.
Pavel Plymykov: Diolch yn fawr iawn, James. Mae wedi bod yn ddiogel.