Mt. Stupid Has A Pricing Page

от

Дарио Амодей, написавший в январе, отметил, что растет количество доказательств того, что системы AI могут быть непредсказуемыми и трудными в управлении – важное наблюдение, учитывая, что его компания разрабатывает и продает эту технологию.

Купил акции на все деньги, а они упали? А Илон Маск снова написал твит? Знакомо. У нас тут клуб тех, кто пытается понять этот цирк и не сойти с ума.

Купить на падении (нет)

Посмотрите на свою ленту LinkedIn на этой неделе и подумайте вот о чем: использование структурированных данных (schema markup) помогает поисковым системам и ИИ понимать ваш контент. Каждый раздел должен начинаться с прямого ответа на вопрос, на который он отвечает. Сосредоточьтесь на том, чтобы ваш контент было легко разбивать на более мелкие, искомые фрагменты. Вы можете увидеть увеличение количества цитирований на 13% и в 2,8 раза более высокий коэффициент конверсии при внедрении этих стратегий.

Как SEO-эксперт, я наблюдаю действительно тревожную тенденцию. Появляется невероятно чёткий паттерн в поведении поисковых систем, но по какой-то причине многие люди в индустрии игнорируют его. Ещё более странно то, что люди *фактически работающие с* этими системами – те, кто действительно понимает нюансы – становятся всё более и более нерешительными в утверждении, что у них всё под контролем. Тем временем, те, кто наиболее далёк от технических деталей, уверенно заявляют, что они ‘решили’ алгоритм. Это совершенно наоборот – чем больше ты знаешь, тем осторожнее становишься, и наоборот. Это опасная ситуация, потому что эти уверенные, но дезинформированные голоса сейчас определяют стратегию.

https://www.searchenginejournal.com/wp-json/sscats/v2/tk/Middle_Post_Text

Что говорят люди, которые его построили.

Anthropic опубликовала свой основной исследовательский пост по интерпретируемости в мае 2024 года. Он начинается так:

Мы обычно воспринимаем модели ИИ как таинственные – мы вводим информацию и получаем ответ, но трудно понять, *почему* модель выдала именно этот результат. Не очевидно, что привело к выбору этого ответа, а не какой-либо другой возможности.

Anthropic, пишущая о своей собственной модели, два года назад.

Я уже некоторое время слежу за прогрессом механической интерпретируемости (mech interp), и, честно говоря, ситуация выглядит не так многообещающе, как некоторые изначально надеялись. Нил Нанда, возглавляющий команду в Google DeepMind, работающую над этим, недавно поделился в интервью довольно трезвыми мыслями. По сути, он считает, что действительно амбициозные цели – получение надёжных и твёрдых гарантий относительно того, как работают эти AI модели – вероятно, недостижимы. Он не видит пути к достижению такого уровня уверенности, и стоит пересмотреть его идеи, если вы интересуетесь этой областью. Это суровая проверка реальности, но важная.

Эксперт, которому поручено понять, как думает ИИ, теперь признает, что первоначальная цель проекта, вероятно, не будет достигнута.

Во время конференции NeurIPS 2024, Илья Суцкевер, сооснователь Safe Superintelligence и бывший главный научный сотрудник OpenAI, получил награду Test of Time. Затем он удивил аудиторию, поделившись неожиданным сообщением.

«Чем больше оно рассуждает, тем более непредсказуемым оно становится.»

Оглядываясь на работу Ильи Суцкевера, всегда было всё о простом масштабировании – более крупные модели, больше данных. Поэтому, когда он предполагает, что следующий шаг вперед будет менее предсказуемым, это действительно поразило меня. Это почти как признание того, что простое вливание больше ресурсов в проблему больше не является гарантированным путем к улучшению. Честно говоря, это довольно значительное признание, учитывая его историю.

Подумайте о том, как обычно работает опыт. Эта кривая обучения выглядит похоже – вы начинаете с чрезмерной уверенности (‘Гора Глупости’), затем достигаете самой низкой точки, когда понимаете, как много вы *не* знаете, и, наконец, благодаря упорной работе, приобретаете реальную экспертизу. Это применимо к любой области, и самая сложная часть – где вы действительно улучшаетесь – это долгий процесс.

Что говорят люди, которые его продают.

Сейчас в мире поисковой оптимизации (SEO) легко найти смелые заявления. Один эксперт продвигает четырехчастную систему под названием ‘Technical GEO’. Другой обещает, что ваш контент будет представлен в AI Overviews от Google. Агентство рекламирует увеличение цитирований на 13%, но данные, подтверждающие это заявление, взяты из их собственной работы, основанной на их собственных методах. В популярной публикации ошибочно утверждается, что сохранение абзацев менее чем в 300 символов автоматически определит, как векторная база данных разбивает ваш контент. Один поставщик хвастается, что контролирует 78% AI модели, в то время как лидер отрасли утверждает, что увидел более чем двукратное увеличение конверсий только благодаря тому, что был представлен в Search Generative Experience (SGE) от Google.

Язык, используемый для описания этих систем, очень строгий и абсолютный, с использованием таких слов, как ‘обеспечивает’ и ‘гарантирует’, и предоставлением точных цифр. Однако это не соответствует тому, как люди, которые фактически создают эти системы, описывают то, что они делают – их описания гораздо менее определенные.

Я постоянно разочарован этим подходом. Консультанты часто тестируют стратегии, применяя их к клиентам и наблюдая изменения в конкретных метриках, но это не является строгим тестированием. Им не хватает важных элементов, таких как контрольные группы и чётко определённые прогнозы, сделанные *до* теста. По сути, они видят то, что ожидают увидеть, а не проводят настоящее тестирование. Это приводит к необоснованному уровню уверенности – их результаты, вероятно, гораздо менее надёжны, чем они считают, даже если сами стратегии эффективны. Вызывает беспокойство, что люди уверенно оптимизируют на основе модели, в которой Anthropic признаёт, что не все понимают.

Либо Anthropic был подозрительно скромен на публике, либо кто-то другой подозрительно уверен.

Когда кто-то тестирует

В прошлый понедельник Ahrefs опубликовала исследование, проведённое Луизой Лайнхан и Сибейцзя Гуань, с удивительным выводом: несмотря на то, что многие веб-страницы начали добавлять разметку schema, использование цитат, сгенерированных ИИ, существенно не увеличилось. Название исследования это подчёркивает: ‘We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved’.

Наш подход следовал установленным практикам, если бы сфера их приоритизировала. Мы проанализировали 1 885 страниц, на которых схема JSON-LD была добавлена в период с августа 2025 года по март 2026 года, сравнив их с 4 000 контрольными страницами. Мы отслеживали изменения в цитированиях в течение 30 дней до и после обновления схемы, изучая Google AI Overviews, Google AI Mode и ChatGPT. Мы использовали метод разницы в разницах для анализа сопоставленных групп.

Наше исследование показало, что использование AI Overviews не привело к заметному увеличению цитирований. Фактически, мы наблюдали небольшое, но статистически значимое, снижение. Вероятность увидеть такую большую разницу просто случайно очень мала – примерно 1 из 2500. Это говорит о том, что идея о том, что структурирование контента определенным образом помогает AI понять его и, следовательно, улучшить его видимость, не подтверждается при тестировании в большом масштабе.

Это доказывает то, что я утверждал на прошлой неделе в *The Whole Point Was the Mess*: большие языковые модели действительно обрабатывают текст так, как он написан естественно, а не полагаются на предопределенные структуры или сегментированные фрагменты. Я предсказал это, основываясь на фундаментальных принципах две недели назад, и теперь у нас есть данные измерений, подтверждающие это с прошлой недели понедельника.

Важно действительно обдумать это. Ключевая идея, лежащая в основе GEO-стратегии, была доказана ошибочной посредством тестирования, публично и известной компанией. Тем не менее, люди продолжают продвигать эти устаревшие методы.

Затем Google Сам Ответил

15 мая 2026 года Google опубликовала официальные рекомендации о том, как лучше всего подготовить веб-сайты к новым поисковым функциям на базе искусственного интеллекта. В документации чётко указано, что несколько ранее предложенных методов *не* нужны: вам не нужно создавать файлы llms.txt, разбивать контент на части, переписывать контент специально для искусственного интеллекта или использовать специальную схему разметки. Google также подчеркивает, что попытки искусственно увеличить упоминания не улучшат ваш рейтинг в поиске. Этот совет представлен очень прямо, что необычно для ресурсов для разработчиков Google.

«Многие предложенные ‘взломы’ неэффективны или не соответствуют тому, как на самом деле работает Google Search.»

Google явно избегает терминов ‘Answer Engine Optimization’ и ‘Generative Engine Optimization’ и не поддерживает стратегии, основанные на этих концепциях.

Цена вопроса

Это там, где диагноз перестаёт быть вежливым.

В социальных сетях смелые заявления распространяются быстро, в то время как точные исправления с трудом набирают популярность. Это происходит потому, что сделать заявление бесплатно и это может привлечь внимание, увеличить число подписчиков и создать возможности. Даже если заявление окажется ложным, обычно не следует никаких последствий – люди быстро забывают и переходят к следующему новому.

Стоит отметить распространенную тактику: когда вы просите GEO-консультанта объяснить свои методы простым языком – как это работает, что могло бы это доказать, и что могло бы это опровергнуть – объяснение быстро наполняется техническим жаргоном. Они будут использовать такие термины, как «vector-space alignment» или «chunk-level semantic retrieval» – реальные концепции машинного обучения, соединенные таким образом, чтобы звучало впечатляюще, но их трудно понять или проверить. Это работает, потому что полагается на тот факт, что постановка вопросов по поводу этих терминов может показаться невежественной, и те, кто не обладает специализированными знаниями, не могут легко отличить настоящие объяснения от выдуманных.

Если вы посмотрите на комментарии к популярным постам о навыках или техниках, вы быстро заметите закономерность. Большинство комментаторов просто соглашаются или добавляют что-то к списку. Некоторые могут вежливо выразить сомнение, попросив больше доказательств или предложив незначительные разногласия. Оригинальный автор обычно тратит время на то, чтобы ответить на вопросы о сложности темы, поскольку с ними легко справиться. Однако критику о том, действительно ли эти навыки что-то *доказывают* – что они приводят к уверенным мнениям без твердых доказательств – обычно отмахивают самыми осторожными и косвенными ответами.

По сути, это широкомасштабная попытка ввести людей в заблуждение. Тех, кто точно понимает технологию, представляют как оторванных от реальности, а ошибочные данные преподносят как инновационные. GEO хитро переложил вину, создав впечатление, что проблема заключается в указании на неточности, а не в самих неточностях.

Недавно я увидел увлекательный эксперимент в X, который наглядно продемонстрировал, насколько внешнее влияние влияет на SEO-мышление. Кто-то опубликовал картину Моне, притворившись, что она создана ИИ, и попросил людей указать, что делает её хуже, чем настоящую работу Моне. Это было невероятно – сотни ответов уверенно перечисляли все ‘признаки’ – такие вещи, как плоская манера письма кистью, отсутствие эмоциональной глубины и плохая композиция. Подвох? Это *была* настоящая картина Моне. Формулировка вопроса – представление её как сгенерированной ИИ – полностью сформировала то, как люди воспринимали и ‘анализировали’ произведение искусства. Это действительно показало, как легко наши представления могут быть манипулированы, и как важно ставить под сомнение наши первоначальные предположения.

Оригинальный пост, где было удалено множество первоначальных ответов.

Это повторяющийся паттерн: впечатляющий язык используется, чтобы скрыть отсутствие реального содержания. Сначала представляется определенная точка зрения, что заставляет людей искать только информацию, подтверждающую ее, даже не рассматривая факты. То, что вы покупаете, — это не подлинный анализ, а скорее перформанс *анализа*. Делаются утверждения – «это X» – без какой-либо фактической проверки. По сути, заключение определяется сначала, а затем ‘анализ’ просто его поддерживает.

Те, кто лучше всего подходит для оспаривания этих утверждений – опытные SEO-специалисты, которые протестировали эти методы, понимают, как работает схема разметки, и могут легко выявлять вводящие в заблуждение результаты – удивительно молчат.

Результат, на графиках, которые читает высшее руководство, — это односторонний рынок.

Как эксперт по SEO, я действительно обеспокоен некоторыми вещами, которые я вижу. Прямо сейчас клиенты оплачивают аудит схемы, который, откровенно говоря, последние данные показывают, не является надежным. Слишком много новых SEO-специалистов строят свои навыки – и свою карьеру – на техниках, которые не выдержат реальной проверки. Это вредит репутации нашей отрасли. Нам нужно будет вернуть это доверие, когда поиск эволюционирует, и от SEO-специалистов наконец-то будут ожидать непосредственного сотрудничества с инженерными командами, которые долгое время недооценивали сложность поисковых технологий.

Прогресс в понимании достигается путем попыток *опровергнуть* идеи, а не только доказать их. GEO, однако, похоже, сосредотачивается на исследованиях, которые просто подтверждают то, что они уже предлагают. Если предполагаемые эксперты в GEO не готовы подвергать сомнению свои собственные утверждения, трудно доверять тому, что они говорят.

Отсутствие — это данные.

Устранив дискурс, остаётся лишь отсутствие.

Когда устоявшаяся область знаний сталкивается с доказательствами того, что её основные идеи неверны, но продолжает продвигать эти идеи, ход дебатов меняется. Речь больше не идёт о том, *являются ли* идеи ошибочными — тест уже показал, что да. Более насущным становится вопрос: что это говорит о самой области знаний, если она игнорирует ясные доказательства и не адаптируется?

То же самое относится и к градиентам. Как только создатели этих систем признают потенциальные проблемы, а те, кто их совершенствует, подтвердят эти опасения, спорить о том, кто прав, становится бессмысленным. Исследователи и разработчики обычно правы – любой, кто знаком с тем, как работают эти системы, согласен с этим. Реальный вызов заключается в понимании того, почему в этой области нечасто ставят под сомнение эти установленные выводы.

К сожалению, гораздо выгоднее казаться уверенным, чем быть осторожным. Подробные отчеты получают финансирование, в то время как реалистичные оценки часто остаются незамеченными. Смелые заявления гораздо эффективнее для маркетинга, чем осторожные формулировки, особенно когда обещается гарантия.

Вам не нужно никого винить за это. Устройство вещей таково, что системы последовательно отдают предпочтение смелости и уверенности в себе, даже если это означает игнорирование точности.

Вы можете продолжать игнорировать проблему и позволить всему идти своим чередом. Или вы можете признать правду: эта индустрия построена на шатком фундаменте, извлекающем прибыль из отсутствия реального понимания.

Смотрите также

2026-05-20 16:42