رابی استین از گوگل توضیح میدهد که حالت هوش مصنوعی چگونه از سیگنالهای طولانیمدت کیفیت جستجو استفاده میکند و پنج عامل ارزیابی محتوا را معرفی میکند.
رابی استین، معاون محصول برای جستجوی گوگل، اخیراً برای مصاحبهای نشست که در آن به پرسشهایی دربارهٔ نحوهٔ عملکرد حالت هوش مصنوعی گوگل در زمینهٔ کیفیت، ارزیابی مفید بودن، و بهرهگیری از تجربهٔ جستجو برای شناسایی محتوای مفید، از جمله معیارهای کلیک، پاسخ داد. او همچنین پنج عامل مرتبط با کیفیت سئو را که در حالت هوش مصنوعی بهکار میروند، بیان کرد.
چگونه گوگل توهمات را کنترل میکند
استین به پرسشی دربارهٔ توهمات، یعنی زمانی که هوش مصنوعی پاسخهای نادرست میدهد، پاسخ داد. او گفت که سیستمهای کیفیت در حالت هوش مصنوعی بر پایهٔ تمام آنچه گوگل در طول ۲۵ سال تجربهٔ جستجوی کلاسیک در مورد کیفیت یاد گرفته، ساخته شدهاند. سیستمهایی که تعیین میکنند چه لینکهایی نشان داده شوند و آیا محتوا خوب است، در مدل کدگذاری شدهاند و بر پایهٔ تجربهٔ گوگل از جستجوی کلاسیک هستند.
مصاحبهکننده پرسید:
“این مدلها بهصورت غیرقطعی عمل میکنند و گاهی توهم میسازند… چگونه از این پیشگیری میکنید؟ چگونه اطمینان میدهید که تجربهٔ اصلی جستجو در گوگل ثابت و با کیفیت بالا باقی بماند؟”
رابی استین پاسخ داد:
“خب، خبر خوب این است که این موضوع جدید نیست. در حالی که هوش مصنوعی و هوش مصنوعی مولد در این زمینه نوآورانه هستند، تفکر دربارهٔ سیستمهای کیفیت اطلاعات چیزی است که بهمدت ۲۰ تا ۲۵ سال انجام میشود.”
“به همین دلیل تمام این سیستمهای هوش مصنوعی بر پایهٔ آنها ساخته شدهاند. رویکردی بسیار دقیق برای درک اینکه برای یک سؤال خاص، آیا این اطلاعات خوب است؟ آیا این لینکها مناسب هستند؟ آیا این موارد چیزی است که کاربر ارزشگذاری میکند، وجود دارد.”
“تمام سیگنالها و اطلاعات موجود برای شناخت بهترین مواردی که باید به کاربر نشان داده شوند، در مدل کدگذاری شدهاند و این همانطور است که مدل با استدلال خود و استفاده از جستجوی گوگل بهعنوان ابزار، اطلاعات را برای شما پیدا میکند.”
“پس این بر پایهٔ آن تاریخچه ساخته شده است. از صفر شروع نمیکند؛ چرا که میتواند بگوید، ‘خب، رابی میخواهد این سفر را انجام دهد و در حال جستجوی رستورانهای جذاب در یک محله است.’”
“چه مواردی هستند که افرادی که این کار را انجام میدهند، طی این سالها بهگوگل متکی بودهاند؟ ما تقریباً میدانیم این منابع چه هستند و میتوانیم بلافاصله به شما نشان دهیم. بنابراین فکر میکنم این خیلی کمک میکند.”
“سپس واضح است که مدلها، وقتی محدودیتهای طرحبندی حذف میشوند، در طول زمان بهتر در پیروی از دستورالعملها شدهاند. بنابراین میتوانید به سادگی تعریف کنید: ‘اینها اصول اولیه من است، اینها راهنماییهای طراحی من است. این کار را نکنید، این کار را انجام دهید.’”
“و البته گاه و بیگاه خطا میکند، اما فکر میکنم کیفیت مدل بهقدری قوی شده که اینگونه خطاها امروزه بسیار کمتر رخ میدهند.”
توضیح استین واضح میکند که حالت هوش مصنوعی با تمام آنچه از سیستمهای جستجوی کلاسیک گوگل یاد گرفته، کدگذاری شده است و نه یک بازسازی از صفر یا جدایی از آنها. ریسک توهمات با پایهگذاری پاسخهای هوش مصنوعی بر همان سیگنالهای مرتبط، اعتبار و مفیدیت که برای دههها جستجوی کلاسیک را تحتپوشش گرفتهاند، مدیریت میشود. این سیگنالها همچنان تعیین میکنند که کدام منابع قابل اعتماد هستند و کدام اطلاعات توسط کاربران تاریخیاً ارزشمند شناخته شدهاند. دقت در جستجوی هوش مصنوعی از این پیوستگی ناشی میشود، بهطوری که استدلال مدل توسط سیگنالهای طولانیمدت کیفیت جستجو هدایت میشود نه بهصورت مستقل.
چگونه گوگل مفید بودن را در حالت هوش مصنوعی ارزیابی میکند
پرسش بعدی دربارهٔ سیگنالهای کیفیتی است که گوگل در داخل حالت هوش مصنوعی استفاده میکند. پاسخ رابی استین توضیح میدهد که روش تعیین کیفیت در حالت هوش مصنوعی بسیار شبیه به جستجوی کلاسیک است.
مصاحبهکننده میپرسد:
“و رابی، در حالی که جستجو در حال تحول است و نتایج در حال تغییرند و واقعاً پویا میشوند، چه سیگنالهایی را بررسی میکنید تا بدانید کاربر نه تنها آنچه میخواهد را دریافت میکند بلکه بهترین تجربهٔ ممکن برای جستجوی خود را دارد؟”
استین پاسخ داد:
“بله، مجموعهٔ کاملی از موارد وجود دارد. منظورم این است که ما بهدقت مفید بودن را بررسی میکنیم و آیا افراد اطلاعات را مفید میدانند.”
“این کار را با ارزیابی محتوا بهصورت آفلاین توسط افراد واقعی انجام میدهیم. همچنین بهصورت آنلاین با بررسی پاسخهای واقعی انجام میدهیم.”
“آیا مردم به ما «پسند» یا «نپسند» میگویند؟”
“آیا از اطلاعات ارائهشده قدردانی میکنند؟”
“سپس تقریباً میپرسید: آیا آن را بیشتر استفاده میکنند؟ آیا باز میگردند؟ آیا بهدلیل ارزش آن، رفتار خود را تغییر میدهند؟”
“به همین دلیل فکر میکنم که باید این موارد را ترکیب کنید؛ هر یک به تنهایی ممکن است شما را به مسیر اشتباه بکشاند.”
“راههای بسیاری وجود دارد که بهطور جالب، در بسیاری از محصولات، اگر محصول کار نکند، ممکن است باعث استفاده بیشتر از آن شود.”
“در جستجو، این یک نکته جالب است.”
“ما متریکی بسیار خاص داریم که تعداد دفعاتی که افراد برای یک امر همانطور تلاش میکنند را مدیریت میکند.”
“ما میدانیم این یک موضوع منفی است، زیرا نشان میدهد که نتوانستهاند آن را پیدا کنند.”
“باید واقعاً مراقب باشید.”
“بهنظر من این همان رویکردی است که با آموختههای جستجو پیش میرویم؛ ما واقعاً خوشحالیم که امکاناتی که ارائه میدهیم، توسط مردم مفید تشخیص داده میشوند.”
پاسخ استین نشان میدهد که حالت هوش مصنوعی موفقیت را با استفاده از همان سیگنالهای بنیادین کیفیت جستجو ارزیابی میکند، حتی در حالی که رابط کاربری پویا میشود. مفید بودن از یک سیگنال تکبعدی استخراج نمیشود، بلکه ترکیبی از ارزیابی انسان، بازخورد صریح و الگوهای رفتاری در طول زمان است.
بهطور مهمی، استین اشاره میکند که صرفنظر از اینکه کاربران زیاد از آن استفاده میکنند — احتمالاً در یک جلسه — افزایش استفاده بهتنهایی بهعنوان موفقیت در نظر گرفته نمیشود، زیرا دفعات مکرر تلاش برای دریافت همان پرسش نشانگر شکست نه رضایت است.
نتیجه این است که موفقیت حالت هوش مصنوعی بر پایهٔ رضایت کاربران سنجیده میشود و از سیگنالهای کیفیتی استفاده میکند که نه تنها تعامل مثبت، بلکه اصطکاک و سردرگمی را نیز شناسایی مینمایند. این رویکرد، پیوستگی جستجوی کلاسیک را حفظ میکند و بهجای بازتعریف مفهومی از مفید بودن، همان معیارهای قبلی را به کار میگیرد.
مرتبط: حالت هوش مصنوعی گوگل: آنچه میدانیم & نظرات کارشناسان
پنج سیگنال کیفیت برای جستجوی هوش مصنوعی
در نهایت، استین به پرسشی دربارهٔ ردهبندی محتوای تولیدشده توسط هوش مصنوعی پاسخ داد و اینکه آیا بهترین روشهای سئو همچنان برای رتبهبندی در هوش مصنوعی مؤثر هستند. پاسخ استین شامل پنج عامل است که برای تعیین اینکه آیا یک وبسایت معیارهای کیفیت و مفید بودن را برآورده میکند، به کار میروند.
استین پاسخ داد:
“مکانیک اصلی این است که مدل سؤال شما را دریافت میکند و دربارهٔ آن استدلال میکند و سعی میکند بفهمد چه چیزی را میخواهید بهدست آورید.”
“سپس یک مجموعه از احتمالاً دهها درخواست جستجویی را که در پشت صحنه گوگل میشود، تولید میکند. این کار تقریباً اطلاعاتی را که افراد برای آن سؤالات مفید یافتهاند، بازمیآفریند.”
“یک رابطهٔ بسیار قوی با کار کیفیتی که در طول ۲۵ سال انجام دادهایم، دارد.”
“آیا این محتوا درباره این موضوع است؟”
“آیا کسی این را برای سؤال موردنظر مفید یافته است؟”
“این به ما اجازه میدهد تا تنوع وسیعتری از محتوا را نسبت به جستجوی سنتی نمایش دهیم، زیرا در پشت صحنه تحقیق برای شما انجام میدهد.”
بهطور خلاصه همان موارد مشابه اعمال میشوند.
- آیا محتوای شما بهطور مستقیم به سؤال کاربر پاسخ میدهد؟
- آیا کیفیت بالایی دارد؟
- آیا بهسرعت بارگذاری میشود؟
- آیا اصیل (اورجینال) است؟
- آیا منابع را ارجاع میدهد؟
اگر کاربران روی آن کلیک کنند، ارزش آن را تشخیص دهند و بازگردند، آن محتوا برای سؤال موردنظر رتبه خواهد گرفت و در دنیای هوش مصنوعی نیز رتبهبندی میشود.
تماشای مصاحبه از حدود یک ساعت و بیست و سه دقیقه شروع کنید:
دیدگاهتان را بنویسید