Το AI χωρίζει την αναζήτηση ιστού σε τρεις διαφορετικές πραγματικότητες

Νέα έρευνα ανακαλύπτει ότι η Google χρησιμοποιεί τρία διαφορετικά συστήματα πληροφοριών μέσα στη δική της αυτοκρατορία αναζήτησης, με τα κανονικά Αποτελέσματα Αναζήτησης, τις Επισκοπικές Επισκοπές και το Gemini να ευνοούν διαφορετικές πηγές, κατατάξεις και περιεχόμενο.

Η αναγωγική προσέγγιση κυριαρχεί. Τα τελευταία δώδεκα μήνες, το ‘Ας το ψάξουμε στο Google’ μνημονεύεται έχει ξεπεραστεί από μια νέα ‘Ας συνοψίσουμε αυτή την αναζήτηση Google για σας’ τάση, όπου οι επισκοπικές επισκοπές στα αποτελέσματα αναζήτησης αυξάνουν όλο και περισσότερο τους αναγνώστες να σπαρούν την ταλαιπωρία της klik στο συνδέσμους αναζήτησης (αμφισβητώντας τα έσοδα των πηγών στη διαδικασία), συμπυκνώνοντας ολόκληρα αποτελέσματα αναζήτησης σε quelques γεννημένα παραγράφους.

Θα νομίζαμε ότι οι βασικές γνώσεις που επιφανιούνται και η επιλογή των ιστότοπων από τους οποίους να αντλήσουμε αυτή τη γνώση, θα ήταν σχετικά παρόμοια σε όλα τα τρία πιο δημοφιλή μέθοδοι αναζήτησης του διαδικτύου για πληροφορίες: στη παραδοσιακή αναζήτηση ιστού; στις επισκοπικές επισκοπές (AIOs) που τώρα προηγούνται των περισσότερων αποτελεσμάτων αναζήτησης; και μέσω της αυξανόμενης χρήσης LLMs όπως το ChatGPT ως web-οράκουλων (με ή χωρίς εξωτερικές κλήσεις RAG).

Ωστόσο, πρόσφατη έρευνα από τις ΗΠΑ δείχνει ότι αυτό είναι, εκπληκτικά, πολύ μακριά από την περίπτωση; και ότι ακόμη και μέσα στη δική της τριάδα οράκουλων της Google – SERPS*, AI επισκοπικές επισκοπές και άμεση αλληλεπίδραση με το Gemini LLM σειρά – υπάρχουν σημαντικές και ενδιαφέρουσες διακρίσεις, για κάθε οδό.

Τριπλή Διαίρεση

Σε μια λυρική και εκτεταμένη νέα εργασία, με τίτλο Πώς το Γεννητικό AI Διαταράσσει την Αναζήτηση: Μια Εμπειρική Μελέτη της Αναζήτησης Google, Gemini και Επισκοπικών Επισκοπών, έξι ερευνητές από το Ινστιτούτο Τεχνολογίας του Νιου Τζέρσεϊ περιγράφουν τους τρόπους με τους οποίους οι τρεις μέθοδοι αναζήτησης απομακρύνονται, και προσφέρουν κάποιες πιθανές θεωρίες για αυτές τις ρωγμές στην προσέγγιση.

Η εργασία αναφέρει:

‘[Πρώτα, βρήκαμε ότι για το 51,5% των αντιπροσωπευτικών, πραγματικών ερωτημάτων χρηστών, οι AIOs δημιουργούνται και εμφανίζονται πάνω από τα οργανικά αποτελέσματα αναζήτησης. Οι αμφισβητούμενες ερωτήσεις συχνά οδηγούν σε μια AIO.

‘Δεύτερον, δείχνουμε ότι οι ανακτημένες πηγές είναι ουσιωδώς διαφορετικές για κάθε μηχανή αναζήτησης (<0.2 μέση ομοιότητα Jaccard). Η παραδοσιακή αναζήτηση Google είναι σημαντικά πιο πιθανό να ανακτήσει πληροφορίες από δημοφιλείς ή θεσμικές ιστοσελίδες στην κυβέρνηση ή την εκπαίδευση, ενώ οι γεννητικές μηχανές αναζήτησης είναι σημαντικά πιο πιθανό να ανακτήσουν περιεχόμενο που ανήκει στη Google.

‘Τρίτον, παρατηρούμε ότι οι ιστοσελίδες που μπλοκάρουν τον AI web crawler της Google – τον αυτοματοποιημένο web-бот που σαρώνει δεδομένα από την ιστοσελίδα σας, trừ Ти bạn告诉它 να μην το κάνει με ένα αρχείο robots.txt – είναι σημαντικά λιγότερο πιθανό να ανακτηθούν από τις AIOs, παρά το γεγονός ότι έχουν πρόσβαση στο περιεχόμενο.’

Από τη στιγμή που η εργασία είναι ένα σμώργαβος από fascinující ερευνες, αντί να ακολουθήσει την τυπική γραμμική και μεθοδική ροή εργασίας, θα δούμε μια πιο προσεκτική ματιά σε αυτές, και σε κάποιες άλλες από τις πιο συναρπαστικές και ενημερωτικές ερευνες.

Το Παλιό ‘Δύο-Ένα’

Μια από τις πολλές ενδιαφέρουσες ερευνες στη μελέτη δείχνει ότι οι επισκοπικές επισκοπές της Google τείνουν να καταστέλλονται για ταξίδια breaking news, поскольку οι πρώτες και πιο διαθέσιμες πηγές μπορεί να μην είναι οι πιο ακριβείς.

Αυτό το σύστημα δεν λειτουργεί πάντα: στο παρακάτω παράδειγμα, που σημειώθηκε από τους ερευνητές, μια επισκοπική επισκοπή της Google σχετικά με το αποτέλεσμα ενός αγώνα πυγμαχίας απέδωσε τη νίκη στον λάθος πυγμαχιστή, ακόμη και αν η seule πηγή που δήλωνε αυτό (λανθασμένο) αποτέλεσμα ήταν ένα σατιρικό αθλητικό feed στο Facebook:

μια από τις αιτίες που οι επισκοπικές επισκοπές της Google αποφεύγουν τις χρονικά κρίσιμες περίληψεις είναι ότι οι πρώτες πληροφορίες μπορεί να είναι непλήρης ή完全 ακατάλληλες. Σε αυτή την περίπτωση, ο πυγμαχίας Jake Paul έχασε στην πραγματικότητα τον αγώνα. Πηγή

Οι συγγραφείς σημειώνουν ότι οι AIOs τείνουν να εμφανίζονται όταν ένα γεγονός είναι τουλάχιστον πέντε ημέρες παλιό, το οποίο τα χαρακτηρίζει ως ανωμαλία – αλλά ωστόσο, μια ανωμαλία που οι ερευνητές ήταν khá εύκολο να την προκαλέσουν.

Οι AIOs βρέθηκαν να είναι πιο πιθανό να γεννηθούν όταν η ερώτηση κλείνει με ένα ερωτηματικό, και ότι η πρόθεση της ερώτησης ήταν ένας παράγοντας στο αν θα παρουσιαζόταν μια AIO:

Ποσοστό των περιπτώσεων όπου μια περίληψη αναζήτησης AI παράχθηκε σε μια σειρά δοκιμών των ερευνητών. Εδώ ‘πληροφοριακά’ υποδεικνύει άμεσες ερωτήσεις, οι οποίες τείνουν να παράγουν AIOs περισσότερο από οποιοδήποτε άλλο τύπο αλληλεπίδρασης.

Επιπλέον, η εργασία υποστηρίζει ότι μακρύτερες ερωτήσεις τείνουν να είναι πιο πιθανό να παράγουν μια περίληψη AI αντί για απλά αποτελέσματα αναζήτησης, αν και οι συγγραφείς δεν προσφέρουν ακόμη μια θεωρία για να εξηγήσουν αυτό.

Ένα Βασίλειο Διαμελισμένο

Πιθανώς η πιο εκπληκτική παγκόσμια αποτέλεσμα από τη νέα εργασία είναι η σχετικά μικρή επικάλυψη των αποτελεσμάτων μεταξύ των τριών πλατφορμών αναζήτησης της Google.

Η εργασία επαναλαμβάνει ότι τα κανονικά Αποτελέσματα Αναζήτησης της Google, οι επισκοπικές επισκοπές και το Gemini ανακτούν δραματικά διαφορετικές πηγές για την ίδια ερώτηση, με βαθμολογία επικάλυψης χαμηλή enough να υποδηλώνει τρεις ανταγωνιστικές λογικές ανάκτησης μέσα σε μια εταιρεία, ενώ οι χρήστες θα μπορούσαν να υποθέσουν ότι η Google έχει ένα αυθεντικό ευρετήριο και μια φιλοσοφία κατατάξεως:

Ακόμη και μέσα στη δική της οικογένεια, η επικάλυψη μεταξύ των παραδοσιακών Αποτελεσμάτων Αναζήτησης, των Επισκοπικών Επισκοπών και του Gemini αποδείχθηκε εκπληκτικά μικρή, με την ίδια ερώτηση να παράγει συχνά διαφορετικές λίστες πηγών, ανάλογα με το ποια система της Google χειρίζεται την αίτηση. Σε αυτή τη σύγκριση, βλέπουμε πόσο στενά τα τρία συστήματα ταιριάζουν μεταξύ τους σε χιλιάδες ερωτήσεις αναζήτησης, από θέματα αγορών και συζητήσεων μέχρι τοπικές αναζητήσεις και γενικές ερωτήσεις γνώσεων, με χαμηλότερες βαθμολογίες που υποδηλώνουν λιγότερη συμφωνία μεταξύ των επιλεγμένων πηγών.

Σχετικά με这一 ενότητα της ανάλυσης, οι συγγραφείς αναφέρουν:

‘[Ο πίνακας παραπάνω] παρουσιάζει τη μέση ομοιότητα μεταξύ της λίστας πηγών που επιστρέφονται από τις AIO, Gemini και παραδοσιακά SERP για κάθε ερώτηση στο σύνολο δεδομένων.

‘Η κύρια σύμπερασμα είναι ότι ανεξάρτητα από το υποσύνολο ερωτήματος και ποια ζευγάρι μηχανών αναζήτησης συγκρίνεται, οι ανακτημένες λίστες είναι διαφορετικές, παρά το γεγονός ότι όλες αναπτύχθηκαν από τη Google.’

Οι ερευνητές αναφέρουν επίσης ότι καμία μέθοδος αναζήτησης δεν είχε rank-biased επικάλυψη (RBO) πάνω από 0,27, το οποίο είναι ένα πολύ χαμηλό σκορ. Σημειώνουν επίσης ότι το Amazon Retail και οι τοπικές ερωτήσεις (π.χ. ‘καταστήματα κοντά μου’) είχαν τη χαμηλότερη ομοιότητα μεταξύ των μεθόδων αναζήτησης.

Αποδίδουν την χαμηλή συμφωνία σε ‘αταξία μεταξύ των μηχανών αναζήτησης’, σημειώνοντας ότι ούτε η τύχη ούτε κανένας άλλος φανερός παράγοντας μπορεί να εξηγήσει αυτή τη διαταραχή.

Μια ενδιαφέρουσα εξήγηση, πιθανώς, είναι ότι τα σημεία δεδομένων κατάρτισης έχουν ανατεθεί σε μια πολύ διαφορετική τρόπο από τις μεθόδους που η Google έχει αναπτύξει για το PageRank και τους διαδόχους της τα τελευταία二十 χρόνια. Επιπλέον, στην περίπτωση που το αλγόριθμο αναζήτησης της Google έχει einen κρυφό αγέντα, αυτό το είδος παρέμβασης ή ‘παιχνιδιού’ είναι πολύ πιο δύσκολο να εφαρμοστεί στα diffusion-based AIs όπως το Gemini (ακόμη και μέσω φιλτραρίσματος, συστημικών προτύπων και των διαφόρων άλλων μεθόδων που επιβάλλονται στα εμπορικά μοντέλα).

Αυτοεξυπηρέτηση..;

Ορισμένοι ιστότοποι ή κατηγορίες ιστότοπων φαίνεται να έχουν επηρεαστεί από την έλευση των επισκοπικών επισκοπών και την είσοδο των LLM-με βάση αναζήτησης στο παραδοσιακό χώρο αναζήτησης – και αρνητικά και θετικά, ανάλογα με την περίπτωση:

Συγκριτικά με την παραδοσιακή αναζήτηση Google, οι Επισκοπικές Επισκοπές και το Gemini μειώνουν τις αναφορές από πολλούς μεγάλους ιστότοπους, ενώ αυξάνουν τη видимость για ένα μικρότερο αριθμό ευνοουμένων τομέων. Το YouTube αποδείχθηκε ένα από τα μεγαλύτερα οφέλη και στις δύο συστήματα, ενώ το Reddit, η Βικιπαίδεια, το Facebook και πολλές θεσμικές πηγές εμφανίζονται λιγότερο συχνά στις AI-γεννημένες ανακτήσεις.

Οι συγγραφείς σημειώνουν ότι κάποιες απροσδόκητες προτιμήσεις εμφανίζονται μεταξύ των τριών μεθόδων κατά τη διάρκεια των δοκιμών:

‘Έχουμε τρεις κύριες συμπεράσματα από [τις γραφικές παραπάνω]. Πρώτον, οι μεγάλες και γνωστές ιστοσελίδες είναι οι πιο επηρεασμένες (και θετικά και αρνητικά). Αυτό είναι λογικό, поскольку οι μεγάλες ιστοσελίδες έχουν τη φήμη και την ποικιλία περιεχομένου για να είναι σχετικές με πολλές διαφορετικές ερωτήσεις.

‘Δεύτερον, η συντριπτική πλειοψηφία αυτών των ιστοσελίδων λαμβάνει λιγότερες συνολικές και λιγότερες τρεις πρώτες αναφορές με τις γεννητικές μηχανές αναζήτησης (που υποδεικνύονται από κόκκινες μπάρες και αρνητικά νούμερα στις [γραφικές παραπάνω]). Αυτό υποδηλώνει ότι η γεννητική αναζήτηση τείνει να πηγαίνει πληροφορίες από πιο νίχες πηγές παρά οι παραδοσιακές μηχανές αναζήτησης.

‘Τρίτον, οι Επισκοπικές Επισκοπές της Google ευνοούν ιστοσελίδες της Google (π.χ. google.com και youtube.com τομείς).

‘Το Gemini επίσης ευνοεί το YouTube σε σύγκριση με την παραδοσιακή αναζήτηση Google, αλλά η απόλυτη διαφορά είναι μικρότερη.’

Οποιοδήποτε ‘Εμπόδια’..;

Η μελέτη βρήκε επίσης ότι οι εκδότες που μπλοκάρουν τον AI web crawler της Google – τον αυτοματοποιημένο web-бот που σαρώνει δεδομένα από την ιστοσελίδα σας, trừ Ти bạn告诉它 να μην το κάνει με ένα αρχείο robots.txt – τείνουν να μην εμφανίζονται στις AI-γεννημένες ανακτήσεις.

Αυτό μπορεί να φαίνεται σαν μια προφανής αυτο-προκαλούμενη πληγή, αλλά στην πραγματικότητα η Google έχει δηλώσει δημόσια ότι το περιεχόμενο από πλατφόρμες που μπλοκάρουν τους AI-crawler δεν θα εμποδιστεί να εμφανιστεί στις AI-γεννημένες ανακτήσεις; αντίθετα, οι εκδότες θα απλώς δεν θα έχουν τα δεδομένα τους σαρωμένα, επιλεγμένα, και τρέχουν στο επόμενο γύρο εκπαίδευσης για το Gemini και άλλα projecτ AI της Google.

Ωστόσο, αυτό δεν ήταν το συμπέρασμα που οι ερευνητές της νέας εργασίας κατέληξαν, αλλά αντίθετα ότι οι δημοφιλείς εκδότες που απαγορεύουν τους AI-crawler ήταν πολύ σπάνια αναφερόμενοι από το Gemini, είτε στην LLM είτε στην πιο αργή και πιο ευέλικτη εκδοχή των αποτελεσμάτων αναζήτησης. Οι ‘εφικτικά απαγορευμένοι’ εκδότες αναφέρθηκαν στην εργασία ως NYTimes, CNN, BBC, ScienceDirect, Reuters, Wiley, Nature, ESPN, Business Insider, CNBC, NPR, WIRED, USA Today, NBC News, Genius, National Geographic, The Conversation, U.S. News & World Report, Scientific American, Consumer Reports, και STAT.

Ορισμένα από τα AI-scraping απαγορεύσεις που εφαρμόζονται από τους εκδότες που αναφέρονται παραπάνω. Αλλά έχει οδηγήσει σε μια ευρύτερη απαγόρευση από τη Google;

Οι συγγραφείς αναφέρουν:

‘Στις αναλύσεις μας για τους πιο επηρεασμένους τομείς, βρήκαμε ότι 21 δημοφιλείς [εκδότες] (οι οποίοι ανακτώνται για τουλάχιστον 20 μοναδικές ερωτήσεις από την αναζήτηση Google και τις AIOs) δεν αναφέρθηκαν ποτέ από το Gemini.

‘Πολλές δημοφιλείς κοινωνικές πλατφόρμες (Facebook, Instagram, Tiktok) και ιστοσελίδες κριτικών (IMDb, Yelp, Tripadvisor) cũng δεν έλαβαν αναφορές από το Gemini. Με περαιτέρω έρευνα, βρήκαμε ότι όλες αυτές οι ιστοσελίδες μπλοκάρουν τον Google-Extended bot στα αρχεία τους robots.txt.’

Εάν αυτό το εύρημα αποδειχθεί να είναι επιβεβαιωμένο αλλού και να είναι σταθερό, θα μπορούσε κανείς να υποθέσει ότι αυτές οι εταιρείες πιέζονται από τη Google να υποχωρήσουν και να συνεργαστούν με τις επιχειρήσεις AI της μέσω της μερικής απαγόρευσης. Σε μια πρώτη ματιά, τα αποτελέσματα φαίνονται τιμωρητικά – αλλά τότε, τα ευρήματα της νέας εργασίας είναι περισσότερο ενδεικτικά του χάους παρά της προμελέτης; επομένως, το μόνο λογικό σχόλιο που μπορεί κανείς να κάνει είναι ότι αυτά τα αποτελέσματα φαίνονται επιφανειακά ‘τιμωρητικά’, όποιο και να είναι το αίτιο.

Συμπέρασμα

Γνώμη Αυτή είναι μια σαφής και καλοσυνάτη zip-βόμβα εργασίας, η οποία σε μόλις δέκα σελίδες unfurls σε μια σχεδόν κατακλυσμική κασκάδα από επιπλέον ευρήματα.既然 έχουμε χρόνο να καλύψουμε μόνο ένα μικρό τμήμα αυτών, συνιστώ το αρχικό PDF ακόμη και στον καθημερινό αναγνώστη (ένα σπάνιο γεγονός).

Αν και μια ‘κίτρινη’ διάθεση θα μπορούσε να ρίξει πολλές αρνητικές ερμηνείες στα ευρήματα των συγγραφέων, η εργασία είναι ίσως καλύτερα να αντιμετωπίζεται ως ενδεικτική μιας παγκόσμιας τεχνολογικής ηγετικής που προσπαθεί να αποκτήσει και να διατηρήσει μια παγκόσμια ηγεσία στην AI-με βάση αναζήτηση, χρησιμοποιώντας υψηλά ανταγωνιστικές πλατφόρμες που αναπτύχθηκαν σε πολύ διαφορετικές συνθήκες και σε διαφορετικές εποχές.

Ενώ τρεις μέθοδοι αναζήτησης εξετάζονται στην εργασία, η πραγματική διαμάχη είναι μεταξύ των παραδοσιακών αποτελεσμάτων αναζήτησης και των distribution-με βάση μεθόδων επιλογής που κυριαρχούν στη διαδικασία εκπαίδευσης δεδομένων και AI.

AI Như το 1999

Πριν από την έλευση της Google, ήταν δυνατό να ‘παίξετε’ τα αποτελέσματα αναζήτησης μέσω της καθαρής ποσότητας, και με αυτόν τον τρόπο, θα μπορούσατε να επιτύχετε την πρώτη σελίδα SERPS με ελάχιστη (συχνά αυτοματοποιημένη) προσπάθεια. Αυτό το ‘παιχνίδι των αριθμών’ τελείωσε αποτελεσματικά γύρω στο 2002 από το πιο σύνθετο και μυστικό αλγόριθμο κατατάξεως της Google. Αλλά既然 τα στοιχήματα ήταν σημαντικά, το υψηλό-όγκο και χαμηλής ποιότητας περιεχόμενο δεν έπαψε να υπάρχει σε κανένα σημαντικό βαθμό.

Επομένως, όταν οι υπερκλίμακες συλλογές όπως Common Crawl έθεσαν τις βάσεις της σύγχρονης AI-επανάστασης, η κυριαρχία των δεδομένων ήταν προκαταληπτική να κυριαρχηθεί από το βαθμό με τον οποίο οι αυτοματοποιημένες διαδικασίες θα μπορούσαν να φιλτράρουν και να κατατάσσουν την εισερχόμενη ποιότητα δεδομένων, και (πολύ λιγότερο πιθανό), το βαθμό με τον οποίο θα ήταν διαθέσιμοι πόροι για να πληρώσουν τους ανθρώπους να κατατάξουν αυτά τα δεδομένα.

Υπήρχε πολύ κακό ή χαμηλής ποιότητας δεδομένα σε αυτές τις τεράστιες και αδιάκριτες συλλογές; δεδομένα που μπορεί να μην περιείχαν γυμνό, βρισιά ή ρατσιστικά στερεότυπα, ή οποιαδήποτε άλλα πράγματα που είναι σχετικά εύκολο να φιλτράρονται από τα σύνολα εκπαίδευσης – αλλά τα οποία ήταν ωστόσο αυτο-υπηρεσιακά και ογκώδη, όπως τα αποτελέσματα αναζήτησης στο διαδίκτυο περίπου 1999-2001.

Επειδή αυτές οι διαδικασίες induction δεν είναι ακόμη καλές, είναι πολύ δύσκολο ακόμη και για τη Google να κάνει το AI να ενεργεί με επαγγελματικό τρόπο,既然 οι αποφάσεις του Gemini PageRank-στυλ διατάσσονται όχι από τους μηχανικούς πολιτικής της Google, αλλά από μια ατελή κατανόηση του πώς τα υπερκλίμακτα δεδομένα μετατρέπονται σε κατανομές δεδομένων και.latent εμβυθίσεις κατά την εκπαίδευση ενός μοντέλου AI.

* Σελίδες Αποτελεσμάτων Αναζήτησης.

^† Τόνωση των συγγραφέων, όχι δική μου. Ωστόσο, έχω αντικαταστήσει το bold με italic,既然 η τονωμένη γραφή δεν λειτουργεί καλά σε ερωτήσεις που είναι ήδη κυρίως ιταλικά.

Πρώτη δημοσίευση Τετάρτη, 13 Μαΐου 2026