Обзор искусственного интеллекта может содержать ошибки, указывающие на алгоритмы Google.

Неожиданная проблема с автоматическими резюме от Google может случайно раскрыть, как алгоритм Google интерпретирует поисковые запросы и выбирает ответы. Ошибки в поиске Google могут оказаться полезными, так как иногда они показывают скрытые аспекты алгоритмов компании.

📰 Факты без слухов!
Новости Сегодня дают тебе полную картину крипторынка!

Присоединиться в Telegram

Объяснялка ИИ?

Лили Рэй поделилась твитом, демонстрирующим, что ввод бессмысленных выражений в Гугл приводит к неверным ответам, будто ИИ-резюме генерируют ответы из пустоты. Она назвала это явление ‘ИИ-неправильное толкование’.

Выплюнул кофе из чашки.
Я называю это «объяснением от ИИ».
— Lily Ray 😏 (@lilyraynyc) Апрель 20, 2025

Это показывает, как G отошел от модели «поиска». Вместо того чтобы заниматься «нахождением релевантного» или «поиском аналогичного», G по сути создает новый контент, что представляет собой другой подход. a) Поисковую систему можно переопределить как «инструмент для нахождения информации в интернете». b) Отвечающую систему можно описать как «систему предоставления решений на вопросы». c) Система рекомендаций теперь описывается как «системы предложений, которые предлагают персонализированные рекомендации на основе предпочтений пользователя или его поведения». d) Потенциально вредоносный юмор — это фраза, которая может вызвать оскорбление, беспокойство или вред из-за своего содержания или последствий.

Функция поиска Google часто сталкивалась с проблемами в прошлом, однако на этот раз она отличается благодаря использованию языковой модели (LLM), которая суммирует ответы на основе данных из таких источников, как веб и граф знаний. Вследствие этого эксперт по поиску, называемый Dart Autoкрат, делает обоснованное замечание, что данный сбой в поиске Google превосходит все ранее встречавшиеся по сложности.

Несмотря на изменения, остается верным то, что ошибки поиска дают уникальный взгляд на действия за пределами поисковой строки, обычно скрытые от глаз.

Ошибка ИИ не ограничивается только Google AIO

Как SEO-эксперт, я считаю, что системы Google анализируют слова для понимания намерений пользователя при запросе. Когда вопрос пользователя неясен, языковая модель (LLM) делает обоснованное предположение о том, что именно хочет пользователь, рассматривая несколько вероятных интерпретаций, подобно дереву решений в машинном обучении, где система строит возможные значения, исключает наименее правдоподобные ветви и в конечном итоге предсказывает наиболее вероятное значение.

Недавно я наткнулся на патент, поданный компанией Google под названием ‘Real-Time Micro-Profile Generation Using a Dynamic Tree Structure’. Этот патент относится к инновационному методу использования голосовых помощников искусственного интеллекта. Говоря простыми словами, ИИ разработан для помощи пользователям в принятии более точных решений путем навигации по дереву принятия решений. В ходе этого процесса ИИ учится на основе взаимодействия и сохраняет информацию для последующего применения с тем же или другим пользователем. По сути, ИИ пытается предсказывать намерения пользователя исходя из их выборов и действий, что значительно повышает его эффективность во время будущих взаимодействий.

После тестирования Google, ChatGPT и Claude я обнаружил, что каждый из них иногда делает поспешные выводы о намерениях моих вопросов и заканчивает неправильными ответами.

Пример вопроса был:

Какая параллельная техника ловли щучьего окуня?

Как профессионал в области цифрового маркетинга, хочу уточнить, что метода под названием ‘parallel puppy fishing’ не существует. Однако в мире рыбной ловли существуют техники вроде ‘walking the dog’, а также метод, при котором рыболов (будь то на каяке или лодке) бросает удочку параллельно берегу или другому сооружению.

Обзоры искусственного интеллекта (AIO)

ИИ ошибочно предоставил иллюзорный ответ, содержащий ошибки из-за предположения, что пользователь случайно объединил несколько реальных стратегий рыбной ловли. В результате он смешал различные техники и приманки, чтобы придумать фиктивную стратегию.

Как опытный вебмастер, проведший множество часов на воде, я хочу поделиться одной из моих любимых техник ловли полосатого окуня — методом ‘параллельного щенка’. По сути, это уникальный способ использования приманок для поверхностного лова, известных как «walking the dog». Для реализации этой техники нужно создать зигзагообразное движение приманки боковыми взмахами удилища, сохраняя его примерно параллельным поверхности воды. Такое действие имитирует раненого малька, что может быть невероятно привлекательным для полосатого окуня. Попробуйте это в следующий раз, когда будете на воде!

Скриншот галлюцинации AIO

ЧатГПТ 4о

ЧатГПТ совершил ту же ошибку, что и ИИ от Гугла, и выдал сложную тактику рыбалки.

Один из эффективных подходов к ловле полосатого окуня — это использование уникальной стратегии, называемой техникой параллельного ловли с использованием ‘щенок’. Эта методика особенно полезна при охоте за этими рыбами в мелководных зонах вблизи таких объектов как пирсы, травянистые насыпи или скалистые берега вдоль побережья. Вот что обычно подразумевается под этим: Вместо заброса приманки на большую глубину, я сосредотачиваюсь на забросе параллельно береговой линии для лучших результатов. Щенки — это часто используемые термины для маленьких мягких пластиковых приманок, воблеров или небольших крючков с профилем, обычно размером от 3 до 5 дюймов. Они имитируют молодую рыбу в воде. Утверждение о существовании приманки под названием ‘щенок’ неверно; тем не менее существует техника ловли рыбы, известная как ‘прогулка собаки’.

Скриншот неправильного ответа ChatGPT

Антропический Клод

Проще говоря, Клод, управляемый актуальной моделью Sonnet 3.7, точно ответил, указав, что не может определить данную технику ловли рыбы как достоверную. Предполагая, что пользователь ищет советы по методам рыбалки на полосатого окуня (stiped bass), Клод предлагает различные техники, давая пользователю возможность выбрать конкретную тему для дальнейшего обсуждения.

Скриншот правильного ответа Антропологического Клода

Google Gemini Про 2.5

В заключение, я использовал продвинутую модель Pro 2.5 компании Google под названием Gemini для исследования вопроса. Помимо точного ответа, Gemini также создал диаграмму дерева решений, чтобы пользователи могли принимать обоснованные решения в соответствии со своими потребностями.

Они неправильно понимают рыболовные тактики.

Имеется в виду сильно локализованная тактика

C. Использует несколько тактик ловли рыбы одновременно

Д. Или он путает тактику с другой разновидностью рыб.

Скриншот верного ответа от Gemini Pro 2.5

Интересно, как это дерево решений напоминает подход, используемый в несвязанном патенте Google. Это может указывать на то, что при попытке ответить на вопросы модели ИИ, такие как GPT-3 и ChatGPT, рассматривают множество возможностей, подобно выбору из дерева решений. В данном случае они могли выбрать вариант C, предполагающий комбинирование рыболовных тактик, для основы своих ответов.

В знак самоуверенности Клод и Джемини выбрали вариант Е, который предполагал неуверенность пользователя в обсуждаемой теме. Затем они применили подход дерева решений для того, чтобы направить пользователя к правильному ответу.

Что значит этот обзор об ИИ?

Google объявила о запуске обновлённой версии Gemini 2.0, предназначенной для решения сложных математических задач, программирования и многогранных вопросов. Тем не менее, некоторые случаи AI галлюцинации указывают на то, что модель генерации текста, используемая Google, возможно, будет превзойдена в новой версии Gemini 2.5.

Вполне вероятно, что эти бессмысленные поисковые запросы показывают кое-что о том, как работает Искусственный Интеллект от Google, о чем я упоминал ранее. Это предоставляет захватывающий взгляд на его внутренние механизмы.

Смотрите также

2025-04-22 12:39