Ии alphago от deep mind обыграл чемпиона мира по логической игре го

What next?

Deep Blue represented a triumph of machine brawn over a single human brain. Its success was almost completely predicated on very fast processors, built for this purpose. Although its victory over Kasparov was a historic event, the triumph did not lead to any practical application or to any spin-off. Indeed, IBM retired the machine soon thereafter.

The same situation is not likely to occur for AlphaGo. The program runs on off-the-shelf processors. Giving it access to more computational power (by distributing it over a network of 1,200 CPUs and GPUs) only improved its performance marginally. The feature that makes the difference is AlphaGo’s ability to split itself into two, playing against itself and continuously improving its overall performance. At this point it is not clear whether there is any limitation to the improvement AlphaGo is capable of. (If only the same could be said of our old-fashioned brains.) It may be that this constitutes the beating heart of any intelligent system, the Holy Grail that researchers are pursuing—general artificial intelligence, rivaling human intelligence in its power and flexibility.

It is likely that Hassabis’s DeepMind team is contemplating designing more powerful programs, such as versions that can teach themselves go from scratch, without having to rely on the corpus of human games as examples, versions that learn chess, programs that simultaneously play checkers, chess and go at the world-class level or ones that can tackle no-limit Texas hold ‘em poker or similar games of chance.

In a very commendable move, Hassabis and his colleagues described in exhausting details the algorithms and parameter settings the DeepMind team used to generate AlphaGo in the accompanying Nature publication. This further accelerates the frenetic pace of AI research in academic and industrial laboratories worldwide. For reinforcement, algorithms based on trial and error learning can be applied to myriad problems with sufficient labeled data, be they financial markets, medical diagnostic, robotics, warfare and so on. A new era has begun with unknown but potential monumental medium- and long-term consequences for employment patterns, large-scale surveillance and growing political and economic inequity.

What of the effects of AlphaGo on go itself? Despite doomsayers to the contrary, the rise of ubiquitous chess programs revitalized chess, helping to train a generation of ever more powerful players. The same may well happen to the go community. After all, the fact that any car or motorcycle can speed faster than any runner did not eliminate running for fun. More people run marathons than ever. Indeed, it could be argued that by removing the need to continually prove oneself to be the best, humans may now more enjoy the nature of this supremely aesthetic and intellectual game in its austere splendor for its own sake. Indeed, in ancient China one of the four arts any cultivated scholar and gentleman was expected to master was the game of go.

Just as a meaningful life must be lived and justified for its own intrinsic reasons, so should go be played for its intrinsic value—for the joy it gives. As the philosopher Mark Rowlands puts it, this joy can assume many forms:

“There is the joy of focus, the experience of being completely immersed in what one is doing. There is the joy of dedication, the experience of being dedicated to the deed and not the outcome, the activity and not the goal. There is the joy of enduring, the experience of playing the game as hard as you can play it, of giving everything you have to the game and leaving nothing in the tank, no matter the experiential toll this exacts. This is the joy of defiance, wild and fierce: No, you will not break me, not here, not today.”

In his battle against a new and superior go force, Lee Sedol, representative for all of us, has shown this joy. This article is dedicated to him.

Будет ли компенсация создателям контента?

Если проблема галлюцинаций в конце концов будет решена, генеративный ИИ в поиске может быть быстрее и, в конце концов, лучше для потребителей. Но пока неизвестно, как это может повлиять на цифровую издательскую индустрию, особенно если люди массово откажутся от переходов по ссылкам.

“Экспериментируя с новыми возможностями Поиска на основе LLM, мы будем продолжать отдавать приоритет подходам, которые направляют ценный трафик широкому кругу авторов и поддерживают здоровый, открытый веб”, – заявил представитель Google.

Хотя Google действительно ссылается на источники, занимающие видное место в SGE, неясно, приведет ли SGE к увеличению или улучшению качества трафика для сайтов.

Microsoft не ответила ни на один вопрос относительно трафика на источники при использовании поиска с искусственным интеллектом. Google заявила, что не планирует делиться информацией о компенсации издателям, но “продолжит работать с более широкой экосистемой”.

Если Google станет ненадежным источником трафика, жизнеспособных альтернатив может не остаться. По словам Расмуса Кляйса Нильсена, директора Института изучения журналистики Reuters и профессора политической коммуникации Оксфордского университета, социальные медиа-платформы, такие как Facebook, оказались ненадежными партнерами для публикаций, снижая рейтинг новостей по собственной прихоти. Он добавил, что такие платформы, как Instagram или TikTok, “привлекают сравнительно мало рефералов и не имеют такой функции ссылок, как поисковые системы и социальные сети”.

Сейчас поисковые системы ежедневно “сканируют” веб-сайты, чтобы собрать новую информацию и индексировать ее в результатах. Веб-сайты позволяют поисковым системам сканировать их бесплатно за счет конверсии трафика. Но если поиск с искусственным интеллектом приведет к уменьшению количества кликов, экономика поиска может потребовать совершенно нового переосмысления.

В конце концов, Google, скорее всего, придется найти способ, чтобы доход доходил до авторов и публикаций, чтобы оставался стимул создавать качественный контент.

Что такое Search Generative Experience (SGE)?

Новый Search Generative Experience, или SGE, – это экспериментальная версия Поиска, которая лишает приоритета 10 синих ссылок, определявших Google в течение последней четверти века. Вместо этого на любой запрос, независимо от того, насколько он конкретен, появляется ответ в зеленом окне, которое расширяется по мере того, как человек заполняет экран своим ответом.

Она отметила, что в поиске, который мы знаем сегодня, сложные запросы приходится разбивать на меньшие вопросы, где вы, пользователь, должны сами просеивать информацию и формулировать ответ в своей голове. SGE может делать все это автоматически, даже позволяя вам задавать дополнительные вопросы.

Google Search Generative Experience – это экспериментальная версия Поиска, которая интегрирует результаты, сгенерированные искусственным интеллектом, подобно Bing и ChatGPT.

Роль EAT и асессоров при обновлении алгоритма Google

В марте 2020 года Google отвечая на вопрос, является ли EAT фактором ранжирования, сказал:

Таким образом, ЕАТ — это не самостоятельный фактор ранжирования, а набор критериев, для оценки каждого из которых Google использует микро алгоритмы в рамках единой модели оценки.

Вы можете спросить, причём тут какие-то модели и обновление алгоритма Google.

6 мая 2020 года отвечая в Твиттере на один из вопросов о майском обновлении алгоритма Danny Sullivan сказал:

Как известно, Google использует искусственный интеллект и определённую модель для оценки качества сайтов.

Я об этом писал в своём исследовании — «Как Google классифицирует YMYL сайты«.

В той же таки публикации Google о специфике обновлений сказано:

Как известно из патентов Google каждому сигналу ранжирования присвоен определённый весовой коэффициент. Судя по всему, поучив и проанализировав отчёты оценщиков, Google эти веса для модели искусственного интеллекта периодически пересматривает.

Как эти веса поменялись и в отношении каких сигналов определить невозможно, но после окончания апдейта попробуем выявить какие-то закономерности.

AlphaGo победила человечество в го

Го — одна из древнейших настольных игр. Вплоть до недавнего времени считалось, что компьютер не способен играть на равных с профессиональным игроком из-за высокого уровня абстракции и невозможности перебора всех доступных вариантов развития событий — точно число допустимых комбинаций в игре на стандартном гобане больше, чем число атомов в наблюдаемой Вселенной. Однако в 2015 году программа AlphaGo обыграла чемпиона Европы, а в марте 2016 года продемонстрировала высокий уровень игры, победив Ли Седоля, одного из сильнейших игроков в го в мире. Подробнее о том, как ИИ победил человечество в го, можно прочитать в материале N+1 «Го: речь поражения».

Кэ Цзе считается сильнейшим в мире игроком по данным независимого рейтинга Go Ratings. В го не существует официального чемпионата мира, поэтому невозможно стать чемпионом мира по го, однако учитывая победы игроков в разных турнирах можно с высокой точностью определить фактического сильнейшего игрока, которым на текущий момент и является Кэ Цзе.

Матч AlphaGo против Кэ Цзе проходит в рамках фестиваля го в китайском городе Вужень (провинция Чжэцзян). Во второй игре китайский профессионал играл белыми камнями и сначала делал ходы на уровне AlphaGo, однако затем программа взяла верх и Кэ Цзе сдался. «На протяжении первой сотни ходов мы видели самый высокий уровень игры против мастер-версии AlphaGo за все время», — заявили представители DeepMind на пресс-конференции после игры.

«Сегодня игра сильно отличалась от первой партии. AlphaGo сделала несколько ходов, которые, по-моему мнению, не выглядели как максимально выигрышные. Еще мне казалось, что в середине игры я был близок к победе, но, видимо, у AlphaGo были другие мысли на этот счет. Я немного расстроен, поскольку, как мне кажется, я играл очень хорошо», — прокомментировал Кэ Цзе вторую игру против ИИ.

Первую игру, которая прошла 23 мая, Кэ Цзе проиграл с отрывом в пол-очка (минимально возможное превосходство в го). Таким образом, в матче из трех игр ИИ выиграл в двух играх и официально превзошел сильнейшего игрока в го. Третья (заключительная) игра состоится 27 мая.

Го — не единственная игра, первенство в которой за последнее время машины отобрали у людей. В январе этого года программа Libratus, разработанная в Университете Карнеги — Меллона, победила в 20-дневном покерном турнире «Brains Vs. Artificial Intelligence: Upping the Ante». Компьютер выиграл у четырех профессиональных игроков фишек на сумму более 1,7 миллиона долларов. Подробнее об этом можно прочитать в материале N+1 «Время повысить ставки».

Кроме го в планах DeepMind покорение и других игр. Например, ранее DeepMind совместно с Blizzard объявили о создании платформы для разработки ИИ-систем для игры в StarCraft II. Стоит отметить что до сих пор компьютер все еще уступает человеку при игре в первую часть StarCraft. Однако и здесь компьютер в последнее время делает успехи — например, уже успешно освоил некоторые тактики, используемые опытными игроками.

Искусственный интеллект Google впервые в истории победил профессионального игрока в го

Компания DeepMind, которая с недавних пор является структурным подразделение Google и занимается разработкой систем искусственного интеллекта, достигла впечатляющего рубежа. Ее система под названием AlphaGo впервые в истории выиграла матч в го у трехкратного чемпиона Европы Фань Хуэя.

Сегодня уже никого не удивить новостью о том, что компьютер выиграл шахматную партию у профессионального игрока, поскольку эту «вершина» была взята еще в далеком 1996 году (поединок компьютера Deep Blue против Каспарова), но игра го до недавнего времени оставалась своего рода неприступной крепостью для компьютеров в мире логических игр.

Го – логическая настольная игра, зародившаяся в Древнем Китае, по разным оценкам, от 2 до 5 тысяч лет назад. В нее играют на доске со стандартной разлиновкой 19х19 линий. Игра рассчитана на двух игроков, один из которых получает черные камни, другой — белые (полный комплект для игры должен содержать 361 камень — 180 белых и 181 черный). Цель игры — отгородить на игровой доске камнями своего цвета большую территорию, чем противник.

Неисчислимое множество сценариев развития событий предопределяется огромным количеством возможных ходов. Этими и другими особенностями и обусловлена сложность обучения искусственного интеллекта игре в го. По вычислениям математика Джона Тромпа, количество возможных комбинаций в го измеряется числом, состоящим из 171 цифр, и превышает число атомов в наблюдаемой Вселенной

Надеемся, эти факты позволят лучше осознать важность этого события

Система AlphaGo основана на поиске Монте-Карло, нейросетях и глубоком машинном обучении. Нейросети пропускают описание состояния доски го через 12 различных слоев из миллионов искусственных нейронов. Каждая сеть играет свою роль. Так, «сеть политики», выбирает следующий ход, а на «сеть ценности» возложена задача определения победителя.

Ранее мы уже писали о достижениях нейронных «мастеров» в искусстве, подробно описывая методику обучения нейронных сетей. Здесь процесс обучения проходил схожим образом. Только в качестве примера для обучения были выбраны люди. Как утверждается, система выучила 30 млн ходов партий реальных людей и научилась предсказывать результат следующего хода с рекордной точностью – 57%. До AlphaGo лучший результат составлял 44%. Само собой, весь процесс обучения требовал огромных вычислительных ресурсов, которые любезно были предоставлены облачной платформой Google Cloud Platform.

Матчу с Фанем предшествовала «разминка» с другими программами по игре в го – AlphaGo выиграла 494 матча из 495. Фань был сильно удивлен, узнав, что проиграл компьютеру в первой игре, и списал поражение на собственный неагрессивный стиль. Но последующие четыре партии, несмотря на более агрессивный стиль игры Фаня, остались за AlphaGo. Таким образом, алгоритм, для запуска которого потребовался вычислительный кластер из 170 видеокарт и 1200 процессоров, выиграл все пять матчей.

Наверное, не лишним будет сказать, что Фань является лучшим только в Европе, где уровень владения го не очень высок. Следующим большим испытанием станет матч в Сеуле в марте против легендарного корейского профессионала в го Ли Седоля — лучшего игрока в го за последнее десятилетие. Уровень игры этого человека в разы выше, так что впереди у команды разработчиков AlphaGo тяжелые рабочие будни.

Компания Google в свою очередь заявила, что это еще один шаг на пути к созданию полноценного ИИ.

В компании Марка Цукерберга, который недавно публично признал создание ИИ своей целью на 2016 год, также занимаются разработкой подобной системы. Если верить Цукербергу, сотрудники Facebook AI Research уже близки к цели. К слову, Марк лично в буквальном смысле пристально следит за процессом разработки, так как стол руководителя проекта расположен в шести метрах от стола исполнительного директора Facebook.

Новостные статьи и дедупликация

Дедупликация (дедубликация) – это когда Google пытается предотвратить двойное ранжирование одной статьи в результатах поиска. Дэнни Салливан заявил, что статья может не появляться в обычных результатах поиска, если она уже занимает место в Top Stories, и если Top Stories располагается в верхней части страницы.

Возникает вопрос: является ли это ситуацией, когда веб-страница должна ранжироваться дважды, потому что пользователь может захотеть увидеть оригинальную статью в верхней части результатов поиска, даже если она уже находится в разделе Top Stories?

Как только раздел Top Stories исчезнет, новостная статья должна занять первое место в результатах поиска.

Как видно по скриншоту выше, в данной конкретной ситуации именно так и происходит. 

Это достаточно интересный вопрос. В идеале Google должен беспристрастно решить, какой подход к ранжированию будет справедлив, с точки зрения владельцев сайтов, и что в таком случае полезнее самой поисковой системе.

А вы что думаете по этому поводу? Справедливо не пускать в топ сайты, которые уже занимают первое место в Top Stories? Или это должно быть своеобразным бонусом для вебмастеров?

ПОНРАВИЛСЯ ПОСТ? ПОДЕЛИСЬ ССЫЛКОЙ С ДРУЗЬЯМИ!

СТАТЬИ ИЗ РУБРИКИ:

Тематика: , SEM, Переводы

(некоторые ответы перед публикацией проверяются модератором)

Поисковые запросы, вызывающие альтернативные результаты поиска

Дальше Салливан объясняет, как поисковый запрос с большим количеством слов (например, заголовок статьи) приводит к тому, что нынешний алгоритм Google как бы отключается и начинает выдавать результаты поиска, больше похожие на «старый стиль» (когда SERP не был основан на интенте или ссылках, а просто ориентировался на ключевые слова).

У поиска по заголовкам существует определённое поисковое намерение (интент). Возможно Google в данном случае просто не распознал его. Или не посчитал, что здесь оно уместно.

Подытоживая, Дэнни отметил, что Google дедублирует ссылку из классических результатов поиска, если она отображается на первом месте в Top Stories, и если блок Top Stories появляется перед веб-результатами. В противном случае такого не происходит.

Coming out of nowhere

The ascent of AlphaGo to the top of the go world has been stunning and quite distinct from the trajectory of machines playing chess. Over a period of 10 years a dedicated team of hardware and software engineers, eventually hired by IBM, built and programmed a special-purpose supercomputer, named Deep Blue, that did one thing and one thing only—play chess by evaluating 200 million board positions per second. In a widely expected development, the IBM team challenged then reigning world chess champion Garry Kasparov. In a six-game match played in 1996, Kasparov prevailed against Deep Blue by three wins, two draws and one lossbut lost a year later in a historic rematch 2-1/2 to 3-1/2.

Chess is a classic game of strategy, similar to tic-tac-toe (noughts and crosses), checkers (draughts), reversi (Othello), backgammon and go, in which players take turns placing or moving pieces. Unlike card games where participants only see their own as well as everybody’s discarded cards, players have full access to all relevant information with chance playing no role.

The rules of go are considerably simpler than those of chess. Black and White sides each have access to a bowl of black and white stones and each place one in turn on a 19 by 19 grid. Once placed, stones don’t move. The intent of the game, originating in China more than 2,500 years ago, is to completely surround opposite stones. Such encircled stones are considered captured and are removed from the board. Out of this sheer simplicity great beauty arises—complex battles between Black and White armies that span from the corners to the center of the board.

Strictly logical games, such as chess and go, can be characterized by how many possible positions can arise, bounding their complexity. Depending on the phase of the game, players must pick one out of a small number of possible moves, called the game’s breadth or branching factor b. If it’s White’s turn, she needs to pick one of b possible moves; Black can respond to each of these with b countermoves of his own. That is, after one turn, there are already b times b or b2 moves that White needs to consider in her strategizing. Assuming that a game of chess lasts on average d moves (called the game’s depth), the complete game tree from any one starting position—the list of all moves, countermoves, counter-countermoves and so on until one side or the other wins—contains about b times b times b…, d times in a row, or bd end positions (so-called terminal nodes or leaves of the search tree). Given that a typical chess game has a branching factor of about 35 and lasts 80 moves, the number of possible moves is vast, about 3580 (or 10123), aka the “Shannon number” after the Bell Laboratory pioneer Claude Shannon who not only invented information theory but also wrote the first paper on how to program a machine to play chess, back in 1950. Shannon’s number, at 10123, is huge, in particular considering there are only about 1080 atoms in the entire observable universe of galaxies, stars, planets, dogs, trees and people. But go’s complexity is bigger, much bigger. With its breadth of 250 possible moves each turn (go is played on a 19 by 19 board compared to the much smaller eight by eight chess field) and a typical game depth of 150 moves, there are about 250150, or 10360 possible moves. This is a number beyond imagination and renders any thought of exhaustively evaluating all possible moves utterly and completely unrealistic.

Given this virtually illimitable complexity, go is, much more than chess, about recognizing patterns that arise when clutches of stones surround empty spaces.Players perceive, consciously or not, relationships among groups of stones and talk about such seemingly fuzzy concepts as “light” and “heavy” shapes of stones, and aji, meaning latent possibilities. Such concepts, however, are much harder to capture algorithmically than the formal rules of the game. Accordingly, computer go programs struggled compared with their chess counterparts, and none had ever beat a professional human under regular tournament conditions. Such an event was prognosticated to be at least a decade away.

And then AlphaGo burst into public consciousness via an article in one of the world’s most respected science magazines, Nature, on January 28 of this year. Its software was developed by a 20-person team under the erstwhile chess child prodigy and neuroscientist turned AI pioneer, Demis Hassabis, out of his London-based company DeepMind Technologies, acquired in 2014 by Google. Most intriguingly, the Nature article revealed that AlphaGo had played against the winner of the European go championships, Fan Hui, in October 2015 and won 5 to 0 without handicapping the human player, an unheard of event.

Скопированный контент разочаровывает некоторых вебмастеров

Копипаста, превосходящая по популярности оригинал, – то, чем вебмастеры недовольны уже много лет. Однако некоторые жалобы вызваны откровенным недопониманием.

Например, когда человек вводит в поиск бессмысленную фразу (случайно выбранные слова из статьи) Google не знает, что делать, поскольку это не настоящий поисковый запрос, и логичного ответа на бессмысленную фразу не существует.

Поэтому поисковая система по умолчанию использует текстовый поиск, что означает, что Google возвращает результаты поиска на основе совпадения слов в поисковом запросе со словами на веб-странице.

Реальные проблемы начинаются, когда скопированный контент занимает более высокие позиции в поисковой выдаче (по сравнению с оригиналом) по конкурентным ключевым словам, которые пользователи действительно ищут.

Как обновление алгоритмов сказалось на сайтах

Ноябрьские обновления оказались одними из самых продолжительных за последнее время

Обновление ядра такой продолжительности означает, что изменились основные механизмы ранжирования сайтов. И последствия этого не заставили себя долго ждать. Если ноябрь был более-менее стабильным, то в декабре пользователи заметили резкие изменения в выдаче – о чем свидетельствуют, например, данные Cognitiveseo и Serpmetrics. Многие ресурсы потеряли свои прежние позиции. 

В декабре выдачу начало сильно штормить

Мнения SEO-сообщества о причинах произошедшего разделились. Некоторые специалисты считают, что причина изменений в выдаче – результат исправления ошибки, допущенной в предыдущем обновлении. Еще в начале ноября представители Google официально сообщили, что октябрьский Core Update прошел не полностью корректно, особенно в той части, которая касается работы Discover – новостной ленты и рекомендаций для мобильных устройств. 

Так что есть вероятность, что новый апдейт исправил ошибку, и это резко сказалось на выдаче. 

Данная версия частично опирается на то, что сильнее всего апдейт сказался на новостных ресурсах, многие из которых потеряли свои позиции. Например, Google начал хуже ранжировать короткие – до 3000 знаков – и устаревшие новости, причем время устаревания составляет всего 6 часов с момента освещаемого события. Для порталов, которые стараются брать количеством и публикуют много коротких новостных заметок, – это серьезный удар. Хотя изменение коснулось не только крупных ресурсов, но и небольших информационных площадок.

Масштабы колебаний достаточно заметные. Количество переходов из Discover могло снижаться чуть ли не с миллиона в день до околонулевых значений. Информационные статьи, которые много лет были стабильным источником трафика, начали показывать его колебания в пределах 20% в сутки. 

Кроме того, повсеместно отмечается значительный рост роботности. Часть специалистов предполагают, что это сопряжено с внедрением искусственного интеллекта в поисковые алгоритмы. В этом случае системе требуется собрать максимальный объем данных о сайтах, чем может объясняться повышенная активность поисковых роботов.

Также в ноябре произошло крупное обновление алгоритма ранжирования пользовательских отзывов. Представители Google сообщили, что далее подобные обновления будут происходить регулярно, и оповещать пользователей об их последующем проведении компания не планирует.

Useful Links

Join the official community for Google Workspace administrators

In the Google Cloud Community, connect with Googlers and other Google Workspace admins like yourself. Participate in product discussions, check out the Community Articles, and learn tips and tricks that will make your work and life easier. Be the first to know what’s happening with Google Workspace.

______________

Learn about more Google Workspace launches

On the “What’s new in Google Workspace?” Help Center page, learn about new products and features launching in Google Workspace, including smaller changes that haven’t been announced on the Google Workspace Updates blog.

______________

Что будет со старыми моделями заработков на сайтах?

В то же время это также означает отсутствие необходимости посещать несколько сайтов – кликов, на которые полагаются веб-страницы, что потенциально может перевернуть бизнес-модель интернета, основанную на рекламе.

По данным Statcounter, Google на сегодняшний день является крупнейшим игроком в сфере онлайн-поиска с долей рынка 93%. Согласно отчету Brightedge Research за 2019 год, поисковая система также является крупнейшим поставщиком трафика для веб-сайтов: 68% пользователей начинают пользоваться Интернетом с этой поисковой системы. Доминирование Google в поиске в свое время помогло компании оценить ее стоимость в 2 триллиона долларов.

С помощью SGE Google потенциально толкает интернет-пользователей и бизнес в новое будущее, которое потребует переосмысления того, как качественная информация может продолжать просачиваться, а также поощрения людей к созданию ценного контента для его искусственного интеллекта.

Будущее поиска Google – это большое зеленое окошко.

Именно это Google продемонстрировал в этом месяце на Google I/O, ежегодной конференции для разработчиков. Темой 2023 года стал искусственный интеллект – термин, который упоминался более 140 раз в течение двухчасовой основной презентации. Google представил продукты искусственного интеллекта, которые на самом деле будут выпущены для общественности, что является ответом на растущую конкуренцию со стороны интернет-гиганта, который опасается, что это может привести к ухудшению ситуации.

В конце прошлого года OpenAI запустил ChatGPT, который получил почти всеобщее признание. Неожиданно каждый получил доступ к генеративному ИИ-двигателю, который, казалось бы, мог ответить на любой вопрос новым ответом.

Он работает на основе обширной языковой модели (LLM), которая позволяет ему действовать как “автозаполнитель на стероидах”, используя огромные объемы текстовых данных, чтобы выяснить, каким должно быть следующее лучшее слово.

Мощность и простота ChatGPT помогли ему стать самой быстрорастущей потребительской веб-платформой в истории. Это побудило Microsoft увеличить инвестиции в OpenAI и интегрировать технологию ChatGPT непосредственно в поиск Bing в начале этого года, что позволило компании увеличить трафик на 16%.

За день до того, как Microsoft представила Bing AI, Google анонсировала свой собственный генеративный ИИ-двигатель Bard, хотя и провалила запуск и потеряла 100 миллиардов долларов рыночной стоимости в процессе. С тех пор акции компании восстановились до самого высокого уровня этого года.

изменения в пользовании интернетом|Photo:https://twitter.com/ArdaCapital/status/1656361635341295616

Во многом Google I/O стала лакмусовой бумагой относительно шаткого вхождения компании в потребительский ИИ и четким сигналом для скептиков (и инвесторов), что компания готова сделать радикальные шаги, чтобы оставаться на передовой интернет-поиска, даже если это означает перевернуть свой основной продукт. Поисковая система Google уже давно стала двигателем, с помощью которого мы все ищем информацию о товарах, находим последние новости и другим образом взаимодействуем с интернетом, а также с помощью которого многие компании зарабатывают деньги.

Опыт Микрософт

Поскольку регистрация SGE только началась, пока нет никаких данных об опыте пользователей, которыми можно было бы поделиться. Однако Microsoft собирала отзывы для Bing AI в течение последних трех месяцев и может дать представление о том, как потребители могут реагировать на поисковые запросы Google, управляемые искусственным интеллектом.

Пока что непонятно, как новости, созданные искусственным интеллектом, будут фильтроваться в результатах поиска Google или Bing. Издания, в частности CNET, уже экспериментируют со статьями, написанными искусственным интеллектом. К сожалению, сам ИИ не всегда точен и может иметь “галлюцинации”, когда он уверенно говорит, что что-то является правильным, хотя это не так.

Как избежать потери трафика по итогам обновления

Отметим, что рекомендации Google не изменились. Все обновления нацелены на то, чтобы логика ранжирования претворялась в жизнь и обеспечивала пользователей наиболее релевантным контентом. 

Так что вряд ли нас ждут радикальные перемены. Даже относительно информационного и новостного контента замеченные изменения вполне укладываются в давно анонсированную логику: информация должна быть актуальной, подробной и интересной для пользователя. Следовательно, владельцам ресурсов следует продолжать проработку сайтов в соответствии с тремя основными направлениями, которые постулирует Google:

• Техническое. 
• Внутреннее (On page). 
• Внешнее (Off page).

Проработка технического направления

Для Google крайне важно, чтобы сайт работал корректно и обеспечивал качественный пользовательский опыт. Поэтому, прежде чем реализовать какую-либо стратегию продвижения, убедитесь, что:

• Ваш ресурс стабильно работает, на нем нет битых/дублирующихся страниц и цепочек редиректов.
• Страницы быстро загружаются даже на смартфонах при использовании мобильного интернета. 
• Сайт полностью оптимизирован для просмотра со смартфонов и предлагает этой категории пользователей тот же контент, что и десктопная версия. 
• Все страницы ресурса открыты для индексации поисковыми роботами Google и не перегружены элементами, созданными с помощью JavaScript.

Проработка внутреннего направления

Постраничная оптимизация придает вашему сайту уникальности в глазах поисковых роботов Google и подчеркивает его релевантность для потенциальных посетителей. Чтобы увеличить шансы на попадание в выдачу по важным для вас запросам, убедитесь, что:

Проработка внешнего направления

Для Google входящие ссылки – один из наиболее существенных факторов, определяющих успех в поисковой выдаче. Проработав технические и внутренние аспекты, приступайте к ссылочному продвижению:

• Размещайте больше ссылок на качественных сайтах, схожих по тематике с вашим, или на тематически близких страницах.
• Старайтесь использовать во входящих ссылках разные анкорные тексты, чтобы ваши ссылки были более разнообразными. 
• Формируйте разнообразный ссылочный профиль, размещайте ссылки в статьях, новостях, на форумах, в пользовательских отзывах на тематических порталах и в отраслевых справочниках. 
• Усиливайте наиболее ценные доноры, закупая ссылки на те страницы, которые на вас уже ссылаются.