Η τεχνητή νοημοσύνη ενσωματώνεται στην αναζήτηση της Google για επιβεβαίωση και πληροφορίες πηγαίου κώδικα

Τεχνητή νοημοσύνη στην αναζήτηση Google: πώς επαληθεύουμε τις πηγές

Οι απαντήσεις τεχνητής νοημοσύνης στην Αναζήτηση Google μπορούν να συνοδεύονται από συνδέσμους προς ιστοσελίδες, αλλά ο σύνδεσμος δεν αποδεικνύει από μόνος του ότι κάθε πρόταση της απάντησης είναι σωστή. Για ουσιαστική επιβεβαίωση χρειάζεται να ανοίξουμε το πρωτογενές τεκμήριο, να ελέγξουμε τι ακριβώς υποστηρίζει και να δούμε αν είναι επίκαιρο. Οι πληροφορίες για τις πηγές μιας απάντησης δεν ταυτίζονται με πρόσβαση στον πηγαίο κώδικα του συστήματος τεχνητής νοημοσύνης.

Τι εμφανίζει η Google όταν χρησιμοποιεί τεχνητή νοημοσύνη

Οι λειτουργίες AI Overviews και AI Mode της τεχνητής νοημοσύνης, AI (Artificial Intelligence), δηλαδή οι περιλήψεις και η διερευνητική αναζήτηση, μπορούν να συνθέτουν απαντήσεις και να προβάλλουν σχετικούς συνδέσμους. Σύμφωνα με την επίσημη τεκμηρίωση της Google για τους ιδιοκτήτες ιστότοπων, τα δύο περιβάλλοντα μπορεί να χρησιμοποιούν διαφορετικούς τρόπους αναζήτησης και σύνθεσης απαντήσεων. Δεν εμφανίζονται σε κάθε ερώτημα και η παρουσία μιας σελίδας ως συνδεδεμένης πηγής δεν είναι εγγυημένη. Αυτό σημαίνει ότι χρειάζεται διάκριση ανάμεσα στο κείμενο που παράγει το σύστημα και στις ιστοσελίδες που παραπέμπει.

Πώς ελέγχουμε αν μια απάντηση στηρίζεται στην πηγή

1. Απομονώνουμε την ακριβή πρόταση που θέλουμε να επαληθεύσουμε.
2. Ανοίγουμε τον συνδεδεμένο ιστότοπο και βρίσκουμε το σχετικό απόσπασμα.
3. Εξετάζουμε την ημερομηνία και το πλαίσιο, όχι μόνο μερικές λέξεις.
4. Όταν το θέμα είναι κρίσιμο, αναζητούμε την επίσημη ή πρωτογενή δημοσίευση.
5. Αν η πηγή δεν υποστηρίζει την πρόταση, δεν την επαναλαμβάνουμε ως επιβεβαιωμένο γεγονός.

Ιδιαίτερη προσοχή χρειάζεται σε τιμές, δικαιώματα, ιατρικά δεδομένα και τεχνικές οδηγίες που μπορούν να προκαλέσουν ζημιά. Μια σελίδα μπορεί να είναι αυθεντική αλλά παλιότερη, να αφορά άλλη χώρα ή να περιγράφει εξαίρεση που χάθηκε από τη σύντομη απάντηση.

Πηγές, αποσπάσματα και πηγαίος κώδικας είναι διαφορετικά πράγματα

Η «πηγή» μιας ενημερωτικής απάντησης είναι ένα τεκμήριο: άρθρο, μελέτη, επίσημη οδηγία ή καταχώριση. Το «απόσπασμα» είναι το κείμενο που εμφανίζεται στην αναζήτηση και μπορεί να διαφέρει ανά ερώτημα. Ο «πηγαίος κώδικας» μιας ιστοσελίδας είναι το τεχνικό υλικό που αποστέλλεται στον φυλλομετρητή και μπορεί να περιλαμβάνει γλώσσα σήμανσης υπερκειμένου, HTML (HyperText Markup Language), και άλλα αρχεία. Η πρόσβαση στον κώδικα μιας δημόσιας σελίδας δεν δίνει πρόσβαση στον κώδικα ή στα δεδομένα εκπαίδευσης του συστήματος Google.

Τι μπορεί να επαληθεύσει ένας ιδιοκτήτης ιστότοπου

Ο εκδότης μπορεί να ελέγξει αν η σελίδα του είναι διαθέσιμη για ανίχνευση, αν το βασικό περιεχόμενο υπάρχει ως αναγνώσιμο κείμενο, αν οι εσωτερικοί σύνδεσμοι είναι λειτουργικοί και αν οι δομημένες πληροφορίες συμφωνούν με όσα βλέπει ο επισκέπτης. Η Search Console της Google βοηθά στη διάγνωση κατάστασης ευρετηρίασης και άλλων τεχνικών προβλημάτων. Δεν αποτελεί όμως εργαλείο που πιστοποιεί την ορθότητα κάθε τεχνητά παραγόμενης απάντησης όπου μπορεί να αναφερθεί η σελίδα.

Γιατί η «πηγή» χρειάζεται ποιοτική αξιολόγηση

Δεν έχουν όλες οι ιστοσελίδες την ίδια αποδεικτική ισχύ. Μια ανακοίνωση οργανισμού είναι κατάλληλη για να επιβεβαιώσει τι δημοσίευσε ο ίδιος ο οργανισμός, όχι κατ' ανάγκην για να αποδείξει κάθε ευρύτερο συμπέρασμα. Μια επιστημονική μελέτη χρειάζεται ανάγνωση μεθοδολογίας και περιορισμών. Μια δημοσίευση χωρίς συντάκτη, ημερομηνία ή τεκμηρίωση μπορεί να είναι χρήσιμη ως ένδειξη συζήτησης αλλά όχι ως τελική απόδειξη. Η σωστή επαλήθευση ρωτά πρώτα «τι ακριβώς τεκμηριώνει αυτό;».

Πίνακας γρήγορου ελέγχου παραπομπών

Αν δεν βρίσκουμε επαρκές τεκμήριο, μπορούμε να διατυπώσουμε την πληροφορία ως μη επιβεβαιωμένη ή να τη διαγράψουμε. Η ειλικρινής αβεβαιότητα είναι προτιμότερη από τη δημιουργία εντυπώσεων ακρίβειας.

Τι σημαίνει αυτό για την ορατότητα ενός ιστότοπου

Η βελτιστοποίηση για μηχανές αναζήτησης, SEO (Search Engine Optimization), εξακολουθεί να στηρίζεται σε χρήσιμο περιεχόμενο, τεχνική προσβασιμότητα και σαφή δομή. Η επίσημη οδηγία της Google για τις λειτουργίες τεχνητής νοημοσύνης δεν ορίζει κάποιο ειδικό αρχείο ή ξεχωριστό σχήμα που εξασφαλίζει αναφορά σε αυτές. Ούτε η δημιουργία κειμένου αποκλειστικά για «να το πάρει η τεχνητή νοημοσύνη» υποκαθιστά τις πραγματικές ανάγκες του αναγνώστη. Σκοπός είναι να δημοσιεύονται σελίδες που μπορούν να διαβαστούν και να επαληθευτούν.

Πώς βελτιώνουμε τη δυνατότητα ανάκτησης αξιόπιστης πληροφορίας

Κάθε σημαντική σελίδα χρειάζεται σαφή τίτλο, ορισμούς κοντά στις σχετικές ερωτήσεις και διαχωρισμό ανάμεσα σε γεγονός, εκτίμηση και εμπορικό ισχυρισμό. Αν παρουσιάζονται τεχνικές προδιαγραφές, γράψτε τις με τρόπο που δεν εξαρτάται από κρυφό πλαίσιο. Αν αναφέρεται παλιότερη έκδοση προϊόντος, πείτε το. Προτιμήστε έναν πλήρη πίνακα με κριτήρια και εξαιρέσεις από πολλές ασύνδετες προτάσεις που μοιάζουν βέβαιες αλλά δεν βοηθούν στη λήψη απόφασης.

Η αρχιτεκτονική πληροφορίας με υποστήριξη τεχνητής νοημοσύνης εξετάζεται και στην ενότητα οργάνωση πληροφορίας για ιστοσελίδες. Για την ίδια τη διαδικασία αναζήτησης υπάρχει επίσης ο οδηγός βελτιστοποίησης σελίδων για Google.

Μπορούμε να γνωρίζουμε γιατί αναφέρθηκε μια συγκεκριμένη σελίδα;

Μπορούμε να ελέγξουμε την περιεχόμενη πληροφορία, τη δυνατότητα ευρετηρίασης και τα δημοσιευμένα κριτήρια της υπηρεσίας. Δεν μπορούμε να συναγάγουμε με βεβαιότητα τον εσωτερικό λόγο επιλογής μιας συγκεκριμένης παραπομπής μόνο από τη θέση της στην απάντηση. Οι σχετικές επιλογές μπορεί να διαφέρουν ανά ερώτημα και πλαίσιο. Γι' αυτό δεν έχουν αξία υποσχέσεις ότι ένα ειδικό τέχνασμα θα επιβάλει την εμφάνιση ενός ιστότοπου ως πηγής.

Πρακτικό σχέδιο ελέγχου πριν δημοσιεύσουμε ή αναμεταδώσουμε

Όταν γράφουμε μια ενημερωτική σελίδα, συγκεντρώνουμε τις πρωτογενείς παραπομπές, ελέγχουμε τις συγκεκριμένες προτάσεις που θα υποστηρίζουν και σημειώνουμε όσα δεν είναι βέβαια. Μετά τη δημοσίευση ελέγχουμε ότι η ορατή έκδοση συμφωνεί με το τεχνικό περιεχόμενο και ότι σημαντικές αλλαγές δεν άφησαν παλιά στοιχεία σε άλλες σελίδες. Αν μια παραγόμενη απάντηση μάς αποδώσει κάτι λανθασμένα, διατηρούμε την ακριβή ερώτηση, την εμφάνιση και το πραγματικό τεκμήριο για να εξετάσουμε το περιστατικό χωρίς εικασίες.

Η βασική αρχή για τον αναγνώστη

Οι λειτουργίες τεχνητής νοημοσύνης μπορούν να βοηθήσουν να εντοπιστούν θέματα και σύνδεσμοι, όχι να αντικαταστήσουν την κρίση για το τι αποδεικνύεται. Όταν μια απάντηση φαίνεται πολύ συγκεκριμένη, ακολουθήστε την τεκμηρίωση μέχρι το πρωτογενές κείμενο. Όταν μια ιστοσελίδα θέλει να θεωρείται αξιόπιστη πηγή, οφείλει να διακρίνει τα γεγονότα από τις υποθέσεις και να διευκολύνει τον ίδιο έλεγχο από τον επισκέπτη.

Η τεχνική επιβεβαίωση μιας σελίδας έχει δύο όψεις

Το αρχικό έγγραφο που στέλνει ένας εξυπηρετητής δεν είναι πάντοτε ίδιο με το περιεχόμενο που βλέπει ο επισκέπτης μετά την εκτέλεση προγραμμάτων στον φυλλομετρητή. Επομένως, όταν εξετάζουμε αν μια πληροφορία είναι διαθέσιμη στην αναζήτηση, δεν αρκεί να δούμε μόνο την οθόνη μας. Ελέγχουμε και τι μπορεί να διαβάσει ο ανιχνευτής, αν οι σημαντικοί σύνδεσμοι είναι προσβάσιμοι και αν δεν παρεμβάλλεται εμπόδιο σύνδεσης ή εσφαλμένη οδηγία αποκλεισμού.

Η τεχνική διαθεσιμότητα παραμένει διαφορετικό ερώτημα από την ακρίβεια του κειμένου. Μια άψογη σελίδα από πλευράς κώδικα μπορεί να περιέχει αναληθή ισχυρισμό, ενώ μια σωστή μελέτη μπορεί να μην εμφανίζεται στην αναζήτηση λόγω τεχνικού προβλήματος. Χρειάζονται λοιπόν δύο ξεχωριστές δοκιμές: μία για την πρόσβαση και μία για το περιεχόμενο. Αυτή η διάκριση εμποδίζει τις λανθασμένες εξηγήσεις όταν μια πηγή δεν αναδεικνύεται ή όταν μια απάντηση αποδίδει κάτι που η πηγή δεν λέει.