Sztuczna inteligencja dzieli wyszukiwanie internetowe na trzy różne rzeczywistości

Nowe badania wykazały, że Google używa obecnie trzech różnych systemów informacyjnych w ramach swojego imperium wyszukiwania, przy czym regularne wyszukiwanie, przeglądy AI i Gemini faworyzują różne źródła, rankingi i treści.

Redukcjonizm panuje. W ciągu ostatnich dwunastu miesięcy ‘Pozwól, że to wyszukam dla ciebie’ memy zostały zastąpione przez nowy trend ‘Pozwól, że to podsumuję dla ciebie’, w którym przeglądy AI w wynikach wyszukiwania coraz częściej oszczędzają czytelnikom trudu klikania na linki wyszukiwania (co można uznać za odfinansowanie stron źródłowych), kondensując całe wyniki wyszukiwania do kilku wygenerowanych akapitów.

Można by sądzić, że podstawowa wiedza wynikająca z tego i wybór stron, z których czerpana jest ta wiedza, byłby relatywnie podobny we wszystkich trzech najpopularniejszych metodach wyszukiwania internetu w celu uzyskania informacji: w tradycyjnym wyszukiwaniu internetowym; w przeglądach AI (AIO), które teraz prowadzą większość wyników wyszukiwania; oraz za pomocą rosnącego wykorzystania LLM, takich jak ChatGPT jako web-oracles (z lub bez zewnętrznych wywołań RAG).

Jednak niedawne badania z USA wskazują, że jest to, zaskakująco, daleko od przypadku; i że nawet w ramach samej trójcy oracles Google – SERPS*, przeglądy AI i bezpośrednia interakcja z serią LLM Gemini – wydają się istnieć znaczące i interesujące rozbieżności, dla każdej drogi.

Trójpodział

W przejrzystej i obszernej nowej pracy, zatytułowanej Jak sztuczna inteligencja generatywna zakłóca wyszukiwanie: empiryczne badanie Google Search, Gemini i przeglądów AI, sześciu badaczy z New Jersey Institute of Technology opisuje sposoby, w jakie trzy metody wyszukiwania się rozchodzą, i oferuje kilka możliwych teorii na te pęknięcia w podejściu.

Praca stwierdza:

‘[Po pierwsze] stwierdzamy, że dla 51,5% reprezentatywnych, rzeczywistych zapytań użytkowników, AIO są generowane i wyświetlane powyżej organicznych wyników wyszukiwania. Kontrowersyjne pytania często prowadzą do AIO.

‘Po drugie, pokazujemy, że odzyskane źródła są znacząco różne dla każdego silnika wyszukiwania (<0,2 średniej podobieństwa Jaccarda). Tradycyjne wyszukiwanie Google jest znacznie bardziej prawdopodobne, aby pobrać informacje z popularnych lub instytucjonalnych stron internetowych w rządzie lub edukacji, podczas gdy silniki wyszukiwania generatywne są znacznie bardziej prawdopodobne, aby pobrać zawartość należącą do Google.

‘Trzeci, obserwujemy, że strony internetowe, które blokują AI Google, są znacznie mniej prawdopodobne, aby być pobrane przez AIO, pomimo dostępu do zawartości.’

Ponieważ praca jest smakowitym zbiorem fascynujących spostrzeżeń, a nie konformuje się zwykłemu liniowemu i metodycznemu workflow, przyjrzymy się im bliżej, oraz kilku innych najbardziej zaskakujących i oświetlających spostrzeżeń.

Stary ‘Dwa-Jeden’

Jednym z wielu interesujących wyników w badaniu jest to, że przeglądy AI Google mają tendencję do tłumienia się w przypadku nagłych wydarzeń, ponieważ najwcześniejsze i najdostępniejsze źródła mogą nie być najbardziej dokładne.

Ten system nie zawsze działa: w przykładzie wymienionym przez badaczy, przegląd AI Google dotyczący wyniku meczu bokserskiego przypisał zwycięstwo niewłaściwemu bokserowi, nawet jeśli jedynym źródłem, które stwierdziło ten (niepoprawny) wynik, był satyryczny kanał sportowy na Facebooku:

jeden z powodów, dla których przeglądy AI Google unikają podsumowań w czasie rzeczywistym, jest to, że wczesna informacja może być niekompletna lub całkowicie nieprecyzyjna. W tym przypadku bokser Jake Paul rzeczywiście przegrał mecz. Źródło

Autorzy zauważają, że AIO mają tendencję do pojawiania się, gdy zdarzenie jest co najmniej pięć dni stare, co kwalifikuje się jako anomalia – ale jednak, jedną, którą badacze byli w stanie łatwo wywołać.

AIO były bardziej prawdopodobne, aby być generowane, gdy zapytanie było zamknięte znakiem zapytania, a zamiar zapytania był czynnikiem, który decydował o tym, czy AIO zostanie przedstawione:

Odsetek przypadków, w których wygenerowano podsumowanie wyszukiwania AI, w jednej z rund testowych badaczy. Tutaj ‘informacyjne’ oznacza bezpośrednie pytania, które mają tendencję do generowania AIO bardziej niż jakikolwiek inny rodzaj interakcji.

Ponadto praca twierdzi, że dłuższe zapytania mają tendencję do generowania podsumowania AI zamiast tylko wyników wyszukiwania, chociaż autorzy nie przedstawiają jeszcze teorii, aby wyjaśnić ten fakt.

Podzielone królestwo

Być może najbardziej zaskakującym wynikiem nowej pracy jest stosunkowo niewielki crossover w jakości wyników/między trzema platformami wyszukiwania Google.

Praca wielokrotnie pokazuje, że regularne wyszukiwanie Google, przeglądy AI i Gemini (LLM) pobierają rażąco różne źródła dla tego samego zapytania, z wynikami nakładania się na tyle niskimi, aby sugerować trzy konkurujące logiki pobierania w ramach jednej firmy, podczas gdy użytkownicy mogliby założyć, że Google ma jeden autorytatywny indeks i jedną filozofię rangowania:

Nawet w ramach własnego ekosystemu Google, nakładanie się między tradycyjnym wyszukiwaniem, przeglądami AI i Gemini okazało się zaskakująco małe, z tym samym zapytaniem często produkującym znacznie różne listy źródeł w zależności od tego, który system Google obsłużył zapytanie. W tym porównaniu widzimy, jak ściśle trzy systemy dopasowały się do siebie w setkach zapytań wyszukiwania, od tematów zakupów i debat po wyszukiwania lokalne i ogólne pytania, z niższymi wynikami wskazującymi na mniejszą zgodność między wybranymi źródłami.

W odniesieniu do tej sekcji analizy autorzy stwierdzają^†:

‘[Tabela powyżej] przedstawia średnie podobieństwo między listą źródeł zwróconych przez AIO, Gemini i tradycyjne SERP dla każdego zapytania w zestawie danych odniesienia.

‘Główny wniosek jest taki, że niezależnie od podzbioru zapytań i pary porównywanych silników wyszukiwania, pobrane listy są niepodobne, pomimo że wszystkie trzy zostały opracowane przez Google.’

Badacze stwierdzają dalej, że żaden z testowanych silników wyszukiwania nie miał zgodności rangi (RBO) powyżej 0,27, co jest bardzo niskim wynikiem. Zauważają również, że Amazon Retail i zapytania lokalne (tj. ‘sklepy w pobliżu mnie’) miały najniższą podobieństwo między metodami wyszukiwania.

Przypisują niską zgodność ‘niekonsekwencji między silnikami wyszukiwania’, zauważając, że ani losowość, ani żaden inny oczywisty czynnik nie mogą być przypisane do tej dezynchronizacji.

Jednym z intuicyjnych wyjaśnień jest to, że punkty danych szkoleniowych są przypisywane rangom w sposób bardzo różny od metod, które Google opracowało dla PageRank i jego następców w ciągu ostatnich dwudziestu lat. Ponadto, w przypadku gdy algorytm wyszukiwania Google ma tajny plan, jest znacznie trudniej, aby Google uzyskało AI, aby działało w sposób biznesowy, ponieważ decyzje Gemini są dyktowane nie przez inżynierów polityki Google, ale przez niedoskonałe zrozumienie, w jaki sposób dane hyperskali transformują się w rozkłady danych i latentne osadzanie podczas szkolenia modelu AI.

Samousług..?

Pewne strony internetowe lub kategorie stron internetowych wydają się być dotknięte pojawieniem się podsumowań AI i wtargnięciem wyszukiwania opartego na LLM do tradycyjnego przestrzeni wyszukiwania – zarówno negatywnie, jak i pozytywnie, w zależności od przypadku:

W porównaniu z tradycyjnym wyszukiwaniem Google, przeglądy AI i Gemini zmniejszyły cytaty z wielu dużych stron internetowych, zwiększając widoczność dla mniejszej liczby faworyzowanych domen. YouTube okazał się jednym z największych beneficjentów obu systemów, podczas gdy Reddit, Wikipedia, Facebook i wiele instytucjonalnych źródeł pojawiło się rzadziej w generowanych wynikach.

Autorzy zauważają, że niektóre nieoczekiwane preferencje pojawiają się w trakcie testowania:

‘Mamy trzy główne wnioski z [powyższych wykresów]. Po pierwsze, duże i znane strony internetowe są najbardziej dotknięte (zarówno pozytywnie, jak i negatywnie). Jest to intuicyjne, ponieważ duże strony internetowe mają reputację i różnorodność treści, aby być istotne dla wielu różnych zapytań.

‘Po drugie, ogromna większość tych stron internetowych otrzymuje mniej ogólnych i mniej cytowań w pierwszej trójce wyników za pomocą silników wyszukiwania generatywnych (wskazanych przez czerwone paski i ujemne liczby w [powyższych wykresach]). To sugeruje, że wyszukiwanie generatywne ma tendencję do pobierania informacji z bardziej niszowych źródeł niż tradycyjne silniki wyszukiwania.

‘Trzeci, faworyzuje strony internetowe należące do Google (tj. domeny google.com i youtube.com).

‘Gemini również faworyzuje YouTube w porównaniu z tradycyjnym wyszukiwaniem Google, ale absolutna różnica jest mniejsza.’

Czy jakieś ‘blokady’..?

Badanie wykazało również, że wydawcy, którzy blokują AI Google – zautomatyzowanego robota internetowego, który pobiera dane ze strony, chyba że powiedzie mu się nie, za pomocą pliku robots.txt – mają tendencję do niepojawiania się w podsumowaniach AI.

To może wydawać się oczywistą samouszkodzoną raną, ale w rzeczywistości Google publicznie stwierdziło, że treści z platform, które blokują AI, nie będą uniemożliwione pojawianie się w podsumowaniach AI; raczej, wydawcy po prostu nie będą mieli swoich danych pobranych, skurczonych do kolekcji i pobranych w następnym cyklu szkolenia AI dla Gemini i innych projektów Google AI.

Jednakże, to nie był wniosek, do którego doszli autorzy nowej pracy, którzy stwierdzili, że popularni wydawcy, którzy blokują AI, są bardzo rzadko cytowani przez Gemini, zarówno w wersji LLM, jak i w wersji wyników wyszukiwania. Wydawcy, którzy byli skutecznie zablokowani, zostali zgłoszeni przez pracę jako 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 i STAT.

Niektóre z blokad pobierania AI przez wydawców wymienionych powyżej. Ale czy to doprowadziło do szerszego potępienia przez Google?

Autorzy stwierdzają:

‘W naszych analizach najbardziej dotkniętych domen stwierdzamy, że 21 popularnych [wydawców] (którzy są pobierani dla co najmniej 20 unikalnych zapytań przez wyszukiwanie Google i AIO) nigdy nie zostało cytowanych przez Gemini.

‘Kilka popularnych serwisów społecznościowych (Facebook, Instagram, Tiktok) i stron recenzji (IMDb, Yelp, Tripadvisor) również nie otrzymało cytowań od Gemini. Po dalszym badaniu stwierdziliśmy, że wszystkie te strony internetowe blokują robota Google-Extended w swoich plikach robots.txt.’

Jeśli to odkrycie okaże się potwierdzone gdzie indziej i trwałe, można by spekulować, że te firmy są potencjalnie poddawane presji przez Google, aby uzyskać współpracę z ich operacjami AI poprzez częściową wykreślanie. Na pierwszy rzut oka wyniki wydają się karzące – ale wtedy wyniki nowej pracy są bardziej wskazujące na chaos niż premedytację; dlatego jedynym rozsądnym komentarzem, jaki można złożyć, jest to, że te wyniki wyglądają na powierzchownie ‘złośliwe’, niezależnie od tego, co je powoduje.

Wnioski

Opinia To jest przejrzysta bomba zip pracy, której zaledwie dziesięć stron podstawowych rozwinęło się w niemal przytłaczającą lawinę dodatkowych odkryć. Ponieważ mieliśmy czas, aby tylko część z nich omówić, zalecam źródłowy plik PDF nawet czytelnikom przypadkowym (rzadki przypadek).

Chociaż ‘żółta’ postawa mogłaby nadać wiele negatywnych interpretacji odkryciom autorów, praca jest być może najlepiej traktowana jako wskazująca na globalnego lidera technologicznego, który próbuje uzyskać i utrzymać globalne przewodnictwo w wyszukiwaniu opartym na AI, używając wysoce kontrastujących platform, które rozwinęły się w bardzo różnych okolicznościach i epokach.

Podczas gdy trzy metody wyszukiwania są badane w pracy, prawdziwa kontrowersja jest między tradycyjnymi wynikami wyszukiwania, rangowanymi przez metody własne, a wyraźnie kontrastującymi metodami selekcji opartymi na dystrybucji, które dominują w kuracji danych i szkoleniu AI.

AI jak w 1999

Przed pojawieniem się Google, było możliwe ‘oszukiwanie’ wyników wyszukiwania poprzez samą ilość, i w ten sposób można było często osiągnąć pierwszą stronę wyników wyszukiwania z minimalnym (często zautomatyzowanym) wysiłkiem. Ta ‘gra liczb’ została skutecznie zakończona około 2002 roku przez bardziej zaawansowany i tajny algorytm rangowania Google. Ale ponieważ stawki były znaczące, wysokoobjętościowa i niskiej jakości treść nigdy nie zniknęła w żadnym znaczącym sensie.

Dlatego też, do czasu pojawienia się kolekcji hyperskali, takich jak Common Crawl, które ustanowiły podstawy współczesnej rewolucji AI, dominacja danych była przeznaczona do dominacji stopnia, w jakim procesy zautomatyzowane mogły filtrować i klasyfikować jakość danych, i (znacznie mniej prawdopodobne), stopnia, w jakim były dostępne pieniądze, aby zapłacić ludziom za klasyfikację tych danych.

Było dużo złych lub niskiej jakości danych w tych ogromnych i nieselektywnych kolekcjach; danych, które mogły nie zawierać treści dla dorosłych, przekleństw lub rasistowskich tropów, lub innych rzeczy, które są dość łatwe do wyfiltrowania z zestawów danych szkoleniowych – ale które były jednak samousługowe i objętościowe, tak jak wyniki wyszukiwania internetowego około 1999-2001.

Ponieważ te procesy indukcji danych wciąż nie są wspaniałe, jest bardzo trudno nawet dla Google, aby AI działało w sposób biznesowy, ponieważ decyzje Gemini są dikutowane nie przez inżynierów polityki Google, ale przez niedoskonałe zrozumienie, w jaki sposób dane hyperskali transformują się w rozkłady danych i latentne osadzanie podczas szkolenia modelu AI.

* Strony wyników wyszukiwania.

^† Autorzy podkreślają, a nie ja. Jednak zamieniłem pogrubienie na kursywę, ponieważ kursywa nie działa dobrze w cytatach, które są już głównie kursywą.

Pierwotnie opublikowane w środę, 13 maja 2026