День: 24.01.2024

Исследователи из Лейпцигского университета (Leipzig University, Germany), Университета Баухаус в Веймаре (Bauhaus-Universität Weimar, Germany) и Центра масштабируемой аналитики данных и искусственного интеллекта (ScaDS.AI, Germany) решили ответить на вопрос: «Действительно ли поисковые системы стали работать хуже?»

Изучив полученные результаты поиска в поисковиках Google, Bing и DuckDuckGo в течение года, они обнаружили, что страницы с более высоким рейтингом обычно оптимизированы под запросы поисковиков, но при этом имеют низкое качество текста. Также они обратили внимание на то, что лишь небольшая часть обзоров продуктов в Интернете использует партнерский маркетинг, но в большинстве результатов поиска они находятся на первых местах.

Замечено, что спам-сайты постоянно воюют с поисковиками за высокие позиции в рейтингах, поэтому они находятся в постоянном поиске способов обмануть поисковую систему. Низкокачественные материалы поднимаются на вершину рейтинга Google, а затем вновь теряют позиции.

«SEO — это постоянная битва, и мы видим повторяющиеся шаблоны спама с отзывами, которые попадают в результаты и покидают их, поскольку поисковые системы и SEO-инженеры по очереди корректируют свои параметры», — пишут они.

Конечно же поисковики Google, Bing и DuckDuckGo регулярно настраивают свои алгоритмы и удаляют контент, являющийся явным спамом, но в целом это приводит лишь к временному эффекту, и скорее выглядит как борьба с ветряными мельницами.

«Поисковые системы, похоже, проиграли игру в кошки-мышки, то есть SEO-спам». Примечательно, что у Google, Bing и DuckDuckGo одни и те же проблемы, но во многих случаях, Google реагирует на спам быстрее, чем Bing и DuckDuckGo.

Исследователи предупреждают, что эта война за рейтинги, вероятно, станет намного хуже с появлением спама, генерируемого искусственным интеллектом, и что она действительно угрожает будущей полезности поисковых систем: «граница между доброкачественным контентом и спамом в виде ферм контента и ссылок становится все более размытым — ситуация, которая наверняка ухудшится с появлением генеративного искусственного интеллекта. Мы приходим к выводу, что динамичный состязательный спам в виде некачественного массового коммерческого контента заслуживает большего внимания».

Между тем, в индустрии SEO сейчас существует множество компаний, которые используют или планируют использовать генеративный искусственный интеллект для дальнейшей оптимизации типов контента. Bing и Google теперь сами предоставляют результаты поиска, генерируемые искусственным интеллектом. Возможным конечным результатом всего этого является то, что роботы будут продолжать писать огромное количество статей, чтобы «доставить удовольствие» другим роботам, и этот поиск станет еще менее удобным, чем он есть сейчас.

Ознакомиться с полной версией исследования (англ. язык)

Изображение:Shutterstock.com/Zhuravlev Andrey

Источник

Исследовательская лаборатория DeepMind, занимающаяся вопросами искусственного интеллекта, утверждает, что создала нейросеть которая может решать сложные геометрические задачи. По мнению экспертов, это значительный шаг на пути к машинам с более человеческими способностями мышления.

Геометрия и математика в более широком смысле уже некоторое время бросают вызов ученым. По сравнению с текстовыми моделями генеративного ИИ, данных для обучения нейросетей решению математических задач намного меньше. Дело в том, что решение математических задач требует логических рассуждений, с чем большинство современных моделей ИИ не справляются . Именно эта потребность в рассуждениях объясняет, почему математика служит важным ориентиром для оценки прогресса в области искусственного интеллекта.

Разработка DeepMind под названием AlphaGeometry сочетает в себе языковую модель с типом искусственного интеллекта, называемым символическим движком, который использует символы и логические правила для выполнения выводов. Языковые модели превосходно распознают закономерности и прогнозируют последующие этапы процесса. Однако их рассуждениям не хватает строгости, необходимой для решения математических задач. С другой стороны, символический механизм основан исключительно на формальной логике и строгих правилах, что позволяет ему направлять языковую модель к рациональным решениям.

Эти два подхода, отвечающие за творческое мышление и логическое рассуждение соответственно, работают вместе для решения сложных математических задач. Это очень похоже на то, как люди решают задачи по геометрии, сочетая имеющиеся у них знания с исследовательскими экспериментами.

DeepMind утверждает, что протестировала AlphaGeometry на 30 геометрических задачах того же уровня сложности, что и на Международной математической олимпиаде, и добилась неплохих результатов. За время отведенное для решения задач, искусственный интеллект решил двадцать пять. Предыдущая современная система, разработанная китайским математиком Вэнь-Цюн Ву в 1978 году, выполнила всего десять.

«Это действительно впечатляющий результат, я ожидал, что это произойдет [только] через несколько лет»», — говорит Флорис ван Доорн (Floris van Doorn), профессор математики Боннского университета, не принимавший участия в исследовании.

Изображение: сгенерировано fusionbrain.ai

Источник