Το AI Σπλιττάει την Αναζήτηση Ιστού σε Τρεις Διαφορετικές Πραγματικότητες

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

Ο ρεδουκτιβισμός κυριαρχεί. Τα τελευταία δώδεκα μήνες, το ‘Ας το ψάξω στο Google για σας’ μνημονεύεται έχει υπερκεραστεί από μια νέα ‘Ας συνοψίσω την αναζήτηση Google για σας’ τάση, όπου οι επισκοπικές επισκοπές AI στα αποτελέσματα αναζήτησης αυξάνουν την τάση να εξοικονομούν στους αναγνώστες τη δυσκολία της κλικ σε συνδέσμους αναζήτησης (αμφισβητώντας την αποχέτευση των πηγών στη διαδικασία), συμπυκνώνοντας ολόκληρα αποτελέσματα αναζήτησης σε quelques παραγόμενα παραγράφους.

Κάποιος θα μπορούσε να σκεφτεί ότι η βασική γνώση που επιφανεί, και η επιλογή των ιστότοπων από τους οποίους να αντλήσει 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 AI (AIOs) που τώρα προηγούνται των περισσότερων αποτελεσμάτων αναζήτησης; και μέσω της αυξανόμενης χρήσης LLMs όπως το ChatGPT ως web-oracle (με ή χωρίς εξωτερικές κλήσεις RAG).

Ωστόσο, πρόσφατη έρευνα από τις ΗΠΑ δείχνει ότι αυτό είναι, εκπληκτικά, μακράν από την περίπτωση; και ότι ακόμη και μέσα στη δική της τριάδα οράκλων της Google – SERPS*, AI περίληψη, 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 AI, 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 παράγονται 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 unless σας πείτε να μην το κάνετε με ένα αρχείο robots.txt – είναι σημαντικά λιγότερο πιθανό να ανακτηθούν από τις AIOs, παρά το ότι έχουν πρόσβαση στο περιεχόμενο.’

Από τη στιγμή που η εργασία είναι ένα σμώργαsbord από fascinující εντυπώσεις, αντί να συμμορφώνεται με τη συνήθη γραμμική και μεθοδική ροή εργασίας, θα δούμε μια πιο προσεκτική ματιά σε αυτές, και σε κάποιες άλλες από τις πιο आश्चαρωτικές και ενημερωτικές εντυπώσεις.

Το Παλιό ‘Δύο-Ένα’

Μια από τις πολλές ενδιαφέρουσες ανακαλύψεις στην μελέτη δείχνει ότι οι επισκοπικές επισκοπές AI της Google τείνουν να καταστέλλονται για τα ξαφνικά γεγονότα του 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 AI της Google σχετικά με το αποτέλεσμα ενός αγώνα πυγμαχίας απέδιδε τη νίκη στον λάθος πυγμάχο, ακόμη και αν η μόνη πηγή που δήλωσε αυτό (λανθασμένο) αποτέλεσμα ήταν ένα satirical αθλητικό feed στο Facebook:

μια από τις αιτίες που οι επισκοπικές επισκοπές AI της Google αποφεύγουν τις χρονικά κρίσιμες περιλήψεις είναι ότι οι πρώτες πληροφορίες μπορεί να είναι ελλιπείς ή完全 ακατάλληλες. Σε αυτή την περίπτωση, ο πυγμάχος Jake Paul其实 έχασε 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 μια ανωμαλία – αλλά ωστόσο, μια που οι ερευνητές ήταν αρκετά εύκολο να την κληθούν.

Οι AIOs βρέθηκαν να είναι πιο πιθανό να παραχθούν 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’ υποδηλώνει άμεσες ερωτήσεις, οι οποίες τείνουν να παράγουν AIOs περισσότερο από οποιοδήποτε άλλο τύπο αλληλεπίδρασης.

Επιπλέον, η εργασία υποστηρίζει ότι μεγαλύτερες 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.

Μια Βασίλεια Διαμελισμένο

Πιθανώς η πιο आश्चαρωτική συνολική ανακάλυψη από τη νέα εργασία είναι η σχετικά μικρή επικάλυψη των αποτελεσμάτων μεταξύ των τριών πλατφόρμων αναζήτησης της Google.

Η εργασία επαναλαμβάνει ότι τα κανονικά Αποτελέσματα Αναζήτησης Google, οι επισκοπικές επισκοπές AI 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 εξουσιοδοτημένο ευρετήριο και μια φιλοσοφία κατατάξεως:

Ακόμη και μέσα στη δική της οικογένεια, η επικάλυψη μεταξύ παραδοσιακής Αναζήτησης, Επισκοπικών Επισκοπών AI και Gemini αποδείχθηκε आशχαρωτικά μικρή, με την ίδια ερώτηση να παράγει συχνά διαφορετικές λίστες πηγών, ανάλογα με το ποια система Google χειρίζεται την αίτηση. Σε αυτή τη σύγκριση, βλέπουμε πόσο κοντά τα τρία συστήματα ταίριαξαν το ένα με το άλλο 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:

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

‘Το κύριο συμπέρασμα είναι ότι ανεξάρτητα από την υποερώτηση και ποια ζεύγη μηχανών αναζήτησης συγκρίνονται, οι ανακτημένες λίστες είναι διαφορετικές, παρά το ότι όλες αναπτύχθηκαν από τη Google.’

Οι ερευνητές αναφέρουν επίσης ότι καμία μέθοδος αναζήτησης δεν είχε rank-biased overlap (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 τη χαμηλή συμφωνία σε ‘αταίριαστη ανεπάρκεια μεταξύ μηχανών αναζήτησης’, σημειώνοντας ότι η τυχαία ή οποιαδήποτε άλλη προφανής παράμετρος δεν μπορεί να εξηγήσει αυτή τη διαταραχή.

Μια ενδιαφέρουσα εξήγηση, επιχειρηματικά, είναι ότι τα σημεία δεδομένων που έχουν ανατεθεί βαθμολογία με έναν πολύ διαφορετικό τρόπο από τις μεθόδους που η Google έχει αναπτύξει για το PageRank και τους διαδόχους τους τα τελευταία είκοσι χρόνια. Επιπλέον, στην περίπτωση που το αλγόριθμο αναζήτησης της Google έχει ένα μυστικό πρόγραμμα, αυτό το είδος παρέμβασης ή ‘παιχνίδι’, είναι πολύ πιο δύσκολο να εφαρμοστεί σταθερά σε diffusion-based AIs όπως το Gemini (ακόμη και μέσω φιλτράρου, συστημικών προτροπών 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 AI και την είσοδο της LLM-βασισμένης αναζήτησης στο παραδοσιακό χώρο αναζήτησης – και αρνητικά και θετικά, ανάλογα με την περίπτωση:

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

Οι συγγραφείς σημειώνουν ότι ορισμένες απροσδόκητες προτιμήσεις εμφανίζονται μεταξύ των τριών μεθόδων, κατά τη διάρκεια του τεστ:

‘Έχουμε τρεις κύριες λήψεις από [τις γραφικές παραπάνω]. Πρώτον, οι μεγάλες και γνωστές ιστοσελίδες είναι οι πιο επηρεασμένες (και θετικά και αρνητικά). Αυτό είναι λογικό, καθώς 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 υποδηλώνεται από κόκκινες ράβδους και αρνητικά νούμερα στις [γραφικές παραπάνω]). Αυτό υποδηλώνει ότι η γεννητική αναζήτηση τείνει να πηγαίνει πληροφορίες από πιο νιχες πηγές παρά οι παραδοσιακές μηχανές αναζήτησης.

‘Τρίτον, οι AIOs της Google ευνοούν ιστοσελίδες της Google (π.χ. google.com και youtube.com домένιες).

‘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 unless σας πείτε να μην το κάνετε με ένα αρχείο robots.txt – τείνουν να μην εμφανίζονται στις AI περίληψεις.

Αυτό μπορεί να φαίνεται σαν ένα προφανές αυτο-προκαλούμενο πρόβλημα, αλλά στην πραγματικότητα η Google έχει δηλώσει δημόσια ότι το περιεχόμενο από πλατφόρμες που μπλοκάρουν AI crawlers δεν θα αποτρέψει την εμφάνισή τους στις AI περίληψεις; αντίθετα, οι εκδότες θα απλώς δεν θα έχουν το περιεχόμενό τους σαρωμένο, επιμελημένο σε μια συλλογή και τρέχον σε μια επόμενη γύρα εκπαίδευσης για το Gemini και άλλα проекта AI της Google.

Ωστόσο, αυτό δεν ήταν το συμπέρασμα στο οποίο κατέληξαν οι ερευνητές της νέας εργασίας, αλλά αντίθετα ότι οι δημοφιλείς εκδότες που μπλοκάρουν AI crawlers ήταν πολύ σπάνια αναφερόμενοι από το Gemini, είτε στην LLM είτε στην πιο ελαφριά και 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 μπλοκ που επιβλήθηκαν 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 ιστοσελίδες (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, κάποιος θα μπορούσε να υποθέσει ότι αυτές οι εταιρείες πιέζονται από τη Google να υποχωρήσουν και να συνεργαστούν με τις επιχειρήσεις AI της μέσω της μερικής απαγόρευσης. Με μια πρώτη ματιά, τα αποτελέσματα φαίνονται τιμωρητικά – αλλά τότε, τα ευρήματα της νέας εργασίας είναι περισσότερο ενδεικτικά του χάους παρά της προθέσεως; επομένως, το μόνο λογικό σχόλιο που μπορεί να γίνει είναι ότι αυτά τα αποτελέσματα φαίνονται επιφανειακά ‘τιμωρητικά’, όποιο και να είναι το πραγματικό αίτιο.

Συμπέρασμα

Γνώμη Αυτή είναι μια σαφής και προσεκτική zip-βόμβα μιας εργασίας, της οποίας τα δέκα πρωτεύοντα σελίδες ξεδιπλώνονται σε μια σχεδόν κατακλυσμική κασκάδα από πρόσθετα ευρήματα. Καθώς έχουμε χρόνο να καλύψουμε μόνο ένα μικρό τμήμα από αυτά, συνιστώ το αρχικό PDF ακόμη και στον καθημερινό αναγνώστη (ένα σπάνιο γεγονός).

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

Ενώ τρεις μέθοδοι αναζήτησης εξετάζονται στην εργασία, ο πραγματικός ανταγωνισμός είναι μεταξύ των παραδοσιακών αποτελεσμάτων αναζήτησης, καταταγμένων από ιδιόκτητες μεθόδους, και των αντιθετικών μεθόδων επιλογής που κυριαρχούν στη διαχείριση δεδομένων και την εκπαίδευση AI.

AI Như το 1999

Πριν από την έλευση της Google, ήταν δυνατό να ‘παιχτεί’ τα αποτελέσματα αναζήτησης μέσω του όγκου, και με αυτόν τον τρόπο, ήταν δυνατό να επιτευχθεί η πρώτη σελίδα των αποτελεσμάτων αναζήτησης με ελάχιστη (συχνά αυτοματοποιημένη) προσπάθεια. Αυτό το ‘παιχνίδι των αριθμών’ ολοκληρώθηκε αποτελεσματικά γύρω στο 2002 από το πιο εξελιγμένο και μυστικό αλγόριθμο κατατάξεως της Google. Αλλά από τη στιγμή που οι στοιχήματα ήταν σημαντικά, το υψηλό-όγκου και χαμηλής ποιότητας περιεχόμενο δεν έπαψε να υπάρχει σε κανένα σημαντικό βαθμό.

Επομένως, μέχρι τη στιγμή που οι υπερκλίμακες συλλογές όπως Common Crawl έθεσαν τις βάσεις της σύγχρονης επανάστασης AI, η κυριαρχία των δεδομένων ήταν πεπρωμένο 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 ανεπιμέρους 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 που ήταν ωστόσο αυτοεξυπηρετικό και όγκου, όπως τα αποτελέσματα αναζήτησης στο διαδίκτυο περίπου το 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 τα PageRank-στυλ αποφάσεις του Gemini δεν καθορίζονται 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 ιταλικά,既然 η ιταλική έμφαση δεν λειτουργεί καλά σε εισαγωγικά που είναι ήδη κυρίως ιταλικά.

Πρώτη δημοσίευση Τετάρτη, 13 Μαΐου 2026