<стр>Робби Стейн из Google объясняет, как режим искусственного интеллекта применяет давние сигналы качества поиска, и называет пять факторов, используемых для оценки контента
<п>Робби Стейн, вице-президент по продуктам для поиска Google, недавно дал интервью, в котором ответил на вопросы о том, как режим искусственного интеллекта Google обеспечивает качество, как Google оценивает полезность и как он использует свой опыт поиска для определения того, какой контент полезен, включая такие показатели, как клики. Он также выделил пять факторов качества, связанных с SEO, используемых в режиме AI.
Как Google контролирует галлюцинации
Штайн ответил на вопрос о галлюцинациях, ответы на которые дает ИИ. Он сказал, что системы качества в AI Mode основаны на всем, что Google узнал о качестве за 25 лет опыта работы с классическим поиском. Системы, которые определяют, какие ссылки показывать и насколько хорош контент, закодированы в модели и основаны на опыте Google в области классического поиска.
Интервьюер спросил:
“Эти модели недетерминированы и время от времени вызывают галлюцинации… как защититься от этого? Как обеспечить постоянство и высокое качество основного процесса поиска в Google?”
Робби Штейн ответил:
“Да, я имею в виду, хорошая новость в том, что это не новость. Хотя искусственный интеллект и генеративный искусственный интеллект в этом смысле являются передовым, размышления о системах качества информации — это то, что происходит уже 20–25 лет.
<п>И поэтому все эти системы искусственного интеллекта построены на их основе. Существует невероятно строгий подход к пониманию того, является ли эта информация хорошей информацией? Правильные ли это ссылки? Это те правильные вещи, которые пользователь будет ценить?
Какие сигналы и информация доступны, чтобы узнать, что лучше всего кому-то показать? Это все закодировано в модели, а также в том, как модель рассуждает и использует поиск Google в качестве инструмента для поиска информации.
Так что это основано на этой истории. Он не начинает с нуля, потому что он может сказать: «О, ладно, Робби хочет отправиться в это путешествие и ищет крутые рестораны в каком-то районе». <п>На что люди, которые этим занимаются, полагались на Google все эти годы? Мы вроде как знаем, что это за ресурсы, и можем показать вам прямо здесь. Думаю, это очень помогает.
И затем, очевидно, модели, теперь, когда вы снимаете ограничения на макет, очевидно, что модели со временем также стали лучше в выполнении инструкций. Итак, вы можете просто определить: «Эй, вот мои примитивы, вот мои рекомендации по проектированию». Не делай этого, сделай это.
И, конечно, время от времени он допускает ошибки, но я думаю, что просто качество модели стало настолько сильным, что сейчас такие ошибки случаются гораздо реже.”
Объяснение Штейна ясно дает понять, что в режиме AI закодировано все, что было получено из классических поисковых систем Google, а не перестроено с нуля или оторвано от них. Риск галлюцинаций контролируется путем обоснования ответов ИИ на тех же сигналах актуальности, доверия и полезности, которые десятилетиями лежали в основе классического поиска. Эти сигналы продолжают определять, какие источники считаются надежными и какую информацию пользователи исторически считали ценной. Точность поиска с помощью ИИ вытекает из этой непрерывности, при этом рассуждения на основе модели руководствуются давними сигналами качества поиска, а не действуют независимо от них.
Как Google оценивает полезность в режиме искусственного интеллекта
<п>Следующий вопрос касается сигналов качества, которые Google использует в режиме AI. Ответ Робби Стайна объясняет, что способ определения качества в режиме AI во многом такой же, как и при классическом поиске.
Интервьюер спросил:
“И, Робби, по мере развития поиска, по мере того, как результаты меняются и действительно становятся динамичными, на какие сигналы вы обращаете внимание, чтобы знать, что пользователь не только получает то, что хочет, но и это наилучший результат поиска?”
Штайн ответил:
“Да, там целая куча вещей. Я имею в виду, мы смотрим на то, действительно ли мы изучаем полезность и то, находят ли люди информацию полезной.
И вы делаете это, оценивая контент в офлайн-режиме с реальными людьми. Вы делаете это онлайн, просматривая сами ответы.
<стр>И люди ставят нам большие пальцы вверх и вниз? <стр>Они ценят поступающую информацию?
И потом вы типа, знаете, они используют это больше? Они возвращаются? Они голосуют ногами, потому что это ценно для вас.
И поэтому я думаю, что вы как бы триангулируете, любая из этих вещей может сбить вас с пути.
<п>Интересно, что существует множество способов, которыми, что интересно, во многих продуктах, если продукт не работает, вы также можете заставить его использовать его чаще.
<п>В поиске, интересная штука.
У нас есть очень специфический показатель, который позволяет контролировать людей, пытающихся использовать его снова и снова для одной и той же цели.
Мы знаем, что это плохо, потому что это означает, что они не смогут его найти.
<п>Ты должен быть осторожен.
Я думаю, что именно так мы опираемся на то, что мы узнали в поиске: нам действительно приятно, что вещи, которые мы продаем, находят полезными для людей.”
Ответ Штейна показывает, что режим AI оценивает успех, используя те же основные сигналы, которые используются для качества поиска, даже если интерфейс становится более динамичным. Полезность выводится не из одного сигнала взаимодействия, а из комбинации человеческой оценки, явной обратной связи и моделей поведения с течением времени.
<п>Важно отметить, что Штейн отмечает, что именно потому, что люди используют его часто, предположительно за один сеанс, само по себе увеличение использования не рассматривается как успех, поскольку повторные попытки ответить на один и тот же запрос указывают на неудачу, а не на удовлетворение. Вывод заключается в том, что успех режима искусственного интеллекта оценивается по тому, удовлетворены ли пользователи, и что он использует сигналы качества, предназначенные для выявления разногласий и путаницы, а также позитивного взаимодействия. Это переносит преемственность классического поиска, а не переопределяет, что означает полезность.
Пять сигналов качества для поиска ИИ
<стр>Наконец, Штейн отвечает на вопрос о рейтинге контента, созданного ИИ, и о том, помогают ли лучшие практики SEO для ранжирования в ИИ. Ответ Штейна включает пять факторов, которые используются для определения того, соответствует ли веб-сайт их стандартам качества и полезности.
Штайн ответил:
<блоковая цитата><п>“Основная механика заключается в том, что модель принимает ваш вопрос и его обоснование, пытается понять, что вы пытаетесь получить от этого.
Затем он генерирует множество потенциально десятков запросов, которые скрыто гуглятся. Это примерно та информация, которую люди нашли полезной для ответов на эти вопросы.
Существует очень сильная связь с качественной работой, которую мы проделали за 25 лет.
<стр>Этот фрагмент контента по этой теме? <стр>Нашёл ли кто-нибудь это полезным для ответа на данный вопрос?
Это позволяет нам выявлять более широкий спектр контента, чем при традиционном поиске, поскольку он проводит для вас исследование под капотом.
Короче говоря, применимо то же самое.
<ол>
Если люди нажмут на него, оценят его и вернутся к нему, этот контент будет ранжироваться по данному вопросу, а также будет ранжироваться в мире искусственного интеллекта.”
Смотрите интервью, начиная примерно с отметки в один час двадцать три минуты:
