Un vistazo a lo que sigue para la IA y la Búsqueda de Google | E/S de Google 2023




¿Qué es SGE? Un vistazo a lo que sigue para la IA y la Búsqueda de Google | E/S de Google 2023

Google habló durante más de hora y media sobre inteligencia artificial en la Google I/O 2023. Cada año por estas fechas, Google celebra un gran evento en el que nos habla sobre las novedades que han estado preparando a lo largo de los últimos meses y sobre tecnologías que podremos disfrutar en el futuro. Se trata del Google I/O, una cita centrada en software,

Durante más de una década, la IA ha estado detrás de la evolución de la búsqueda. Este es un vistazo de cómo la IA generativa hará evolucionar la Búsqueda en los próximos meses dentro de Google. Esta nueva experiencia generativa de búsqueda, también conocida como SGE, se implementará a través de su programa Search Labs: https://g.co/Labs .

A partir de hoy, si te encuentras en los EE. UU., puede unirse a la lista de espera tocando el icono de Labs en la última versión de la aplicación de Google o en el escritorio de Chrome. Os dejo el contenido traducido donde explica esta nueva busqueda. Los SEO nos vamos a echar a temblar. Nos va a hacer bajar referals desde Google

Un nuevo camino.Buscar con IA generativa en Google. Una visión general de SGE

Estamos entusiasmados de traer la IA generativa de vanguardia al frente y al centro de la Búsqueda de Google. Durante décadas, la IA ha estado ayudando a la Búsqueda de Google bajo el capó, permitiéndonos volver a imaginar cómo las personas interactúan y descubren información, mejoran la calidad y la relevancia, y respaldan una web abierta y saludable. De hecho, una de nuestras primeras aplicaciones de aprendizaje automático en un producto de Google fue nuestro primer sistema de corrección ortográfica en 2001, hace más de dos décadas, que ayudó a las personas a obtener resultados relevantes más rápido, independientemente de errores ortográficos o errores tipográficos.

En los últimos años, los avances en IA hanbúsqueda mejorada dramáticamente . En 2019, trajimos Representaciones de codificador bidireccional de Transformers (BERT ) a la clasificación de búsqueda, lo que resultó en un gran cambio en la calidad de la búsqueda. En lugar de tratar de comprender las palabras individualmente, BERT ayudó a Search a comprender las palabras en el contexto en el que se usaron, lo que permitió a las personas hacer consultas más largas y conversacionales y conectarse con resultados más relevantes y útiles.

Desde entonces, hemos aplicado modelos de lenguaje extenso (LLM) aún más potentes a la búsqueda, como nuestro modelo unificado multitarea (MAMÁ ) — un modelo que es 1000 veces más poderoso que BERT, capacitado en 75 idiomas diferentes y muchas tareas diferentes simultáneamente, y es multimodal. MUM se implementó en docenas de funciones en la Búsqueda para mejorar la calidad y ayudarnos a comprender y organizar la información de nuevas maneras. por ejemplo, nosotrosmamá aplicada para ayudar a las personas a encontrar temas relacionados en los videos, incluso cuando los temas no se mencionan explícitamente.

Pero solo hemos arañado la superficie de lo que es posible con la IA generativa. Estos modelos mejorarán la Búsqueda de Google y revolucionarán la forma en que las personas interactúan con la información. Estamos experimentando con lo que es posible a través de nuestro nuevo programa Search Labs, comenzando con un experimento llamadoSGE (Experiencia generativa de búsqueda) .

Aquí describimos cómo nos acercamos a SGE: qué es, cómo funciona y los pasos que hemos tomado para desarrollarlo de manera responsable. Nuestro enfoque de SGE evolucionará a medida que aprendamos de la investigación en curso, la experiencia y los comentarios de los usuarios en Labs. Para registrarse en Search Labs, disponible en inglés en los EE. UU. para comenzar, visitelabs.google.com/search .

¿Qué es SGE?

SGE es un paso inicial en la transformación de la experiencia de búsqueda con IA generativa. Al usar SGE, las personas notarán que su página de resultados de búsqueda muestra resultados web familiares, organizados de una nueva manera para ayudarlos a obtener más de una sola búsqueda.

Con SGE, las personas podrán:

  • Haz tipos de preguntas completamente nuevos que nunca pensaste que la Búsqueda podría responder.
  • Obtenga rápidamente la disposición del terreno sobre un tema, con enlaces a resultados relevantes para explorar más a fondo
  • Haga preguntas de seguimiento de forma natural en un nuevo modo de conversación
  • Y haga más fácilmente, como generar ideas creativas y borradores directamente en la Búsqueda

SGE tiene sus raíces en los cimientos de la Búsqueda, por lo que continuará conectando a las personas con la riqueza y la vitalidad del contenido en la web, y se esforzará por alcanzar el nivel más alto de calidad de la información.

¿Qué es SGE?

Cómo funciona SGE

Instantáneas impulsadas por IA

Cuando corresponda, SGE mostrará una instantánea impulsada por IA para ayudar a las personas a obtener rápidamente una descripción general, con factores a considerar y una síntesis útil de conocimientos e información relevantes.

Estas instantáneas sirven como punto de partida desde el cual las personas pueden explorar una amplia gama de contenido y perspectivas en la web. SGE mostrará enlaces a recursos que corroboran la información en la instantánea, para que las personas puedan verificar la información por sí mismos y explorar más. Esto permite a las personas profundizar y descubrir una amplia gama de contenido, desde editores, creadores, minoristas, empresas y más, y usar la información que encuentran para avanzar en sus tareas.

modo conversacional

Las personas pueden tocar para «solicitar un seguimiento» o en uno de los siguientes pasos sugeridos debajo de la instantánea. Esto lanzará el nuevo modo de conversación, donde naturalmente pueden preguntarle a Google más sobre el tema que están explorando. Más allá de las instantáneas sucintas de la información generada por la IA, las personas podrán profundizar con enlaces adicionales a recursos para explorar.

El modo conversacional es especialmente útil para preguntas de seguimiento, así como viajes de información más complejos o en evolución. Utiliza IA para comprender cuándo una persona está buscando algo relacionado con una pregunta anterior. Lleva el contexto de preguntas anteriores para reformular la consulta para reflejar mejor la intención. En el modo conversacional, las personas verán que sus enlaces web debajo de SGE cambian a lo largo de la conversación para que puedan explorar fácilmente el contenido más relevante de toda la web.

Experiencias verticales

SGE también será útil para viajes de información relacionados con verticales, como compras o búsquedas locales, ya que a menudo tienen múltiples ángulos o dimensiones para explorar. En las compras, por ejemplo, SGE ayuda a descubrir información para que las personas puedan tomar decisiones de compra complejas y meditadas de forma más rápida y sencilla.

Para las búsquedas de productos, SGE generará una instantánea de los factores importantes a considerar y una variedad de opciones de productos. SGE también proporciona descripciones de productos que incluyen reseñas, valoraciones, precios e imágenes de productos relevantes y actualizados. Esta información actualizada del producto es posible porque SGE se basa enGráfico de compras de Google , el conjunto de datos más completo del mundo de productos, vendedores, marcas, reseñas e inventario en constante cambio.

De manera similar, SGE proporcionará contexto sobre lugares locales, utilizando información basada en inteligencia artificial que facilita la comparación y exploración de opciones.

Anuncios

A medida que la Búsqueda aplica el poder de la IA generativa, los anuncios de búsqueda seguirán desempeñando un papel fundamental. Sirven como fuentes adicionales de información útil mientras ayudan a las personas a descubrir millones de negocios en línea.

Con SGE, los anuncios de búsqueda seguirán apareciendo en espacios publicitarios dedicados en toda la página. En esta nueva experiencia, los anunciantes seguirán teniendo la oportunidad de llegar a clientes potenciales a lo largo de sus recorridos de búsqueda. Probaremos y evolucionaremos la experiencia de los anuncios a medida que aprendamos más.

Como siempre, estamos comprometidos con la transparencia y con hacer que los anuncios se distingan de los resultados de búsqueda orgánicos. Cuando aparezcan los anuncios de búsqueda, seguirán presentando nuestras etiquetas de anuncios claras y transparentes líderes en la industria con el «Patrocinado» etiqueta en texto negro en negrita.

Creatividad

Estas nuevas capacidades de IA generativa pueden ayudar a las personas a continuar sus viajes de maneras más creativas, yendo más allá de simplemente encontrar información para hacer uso de ella. Creemos que esto tiene aplicaciones útiles para que las personas lleven a cabo pasos más creativos de un viaje de información, como pasar de buscar una nueva bicicleta eléctrica a ayudar a escribir la publicación social perfecta para mostrarla.

Si bien SGE es experto tanto en aplicaciones informativas como creativas, los usuarios notarán limitaciones en los usos creativos para empezar, ya que intencionalmente hemos puesto un mayor énfasis en la seguridad y la calidad. Con el tiempo, seguiremos ampliando las capacidades creativas a medida que mejore la calidad.

Experiencia de usuario

Todo lo que hacemos en Google se basa en una extensa investigación de usuarios. Hemos estado evolucionando la interfaz de usuario (IU) de Búsqueda durante muchos años para que sea más útil y accesible. Para llevar el poder de la IA a la búsqueda de una manera fácil de usar, creamos SGE como una experiencia integrada, aplicando lo que aprendimos sobre el comportamiento del usuario. La instantánea impulsada por IA tiene recursos de fácil acceso y una interfaz de usuario reconocible para enlaces que permiten a las personas explorar más en el escritorio y

móvil para llevar el poder de la IA generativa directamente a la Búsqueda de Google. Además, ayudamos a los usuarios a hacer la transición al modo conversacional a través de llamadas cuidadosamente elaboradas y estados resaltados que muestran al usuario cómo usar este nuevo paradigma. Por ejemplo, en el modo conversacional, un usuario puede ver cómo la IA une el contexto de la consulta y sus seguimientos para reformularla.

El color también juega un papel importante para ayudar a las personas a comprender claramente que SGE es una nueva forma de interactuar con la búsqueda. Por ejemplo, el contenedor de color de la instantánea impulsada por IA cambiará dinámicamente, y este uso del color evolucionará en los próximos meses para reflejar mejor los tipos de viaje específicos y la intención de la consulta en sí.

Aplicando generativo

IA responsablemente

Estamos implementando SGE cuidadosamente como un experimento y de acuerdo con nuestrosPrincipios de IA . Tomamos medidas extensas y un enfoque cuidadoso y considerado para desarrollar esta experiencia de manera responsable, apoyándonos en protecciones y enfoques que hemos perfeccionado durante años en la Búsqueda. Las siguientes son algunas de nuestras consideraciones clave. Continuaremos evolucionando y mejorando nuestro enfoque con el tiempo, y nos relacionaremos con expertos de la industria, legisladores, líderes de derechos humanos y civiles, creadores de contenido y más como parte de ese proceso.

Entrenando al modelo

SGE actualmente funciona con una variedad de LLM, incluida una versión avanzada de MUM yPaLM2. Mediante el uso de una variedad de modelos en todo el conjunto de funciones, podemos optimizar y ajustar aún más los modelos para satisfacer las necesidades únicas de los usuarios y ayudarlos a lo largo de sus viajes de información.

Muchas personas ahora se han comprometido directamente con los LLM, incluso a través de experimentos como Bard. Si bien SGE también aplica LLM, ha sido capacitado a propósito para llevar a cabo tareas específicos de la Búsqueda, incluida la identificación de resultados web de alta calidad que corroboren la información presentada en el resultado. Estos modelos se utilizan junto con nuestros principales sistemas de clasificación para ofrecer resultados útiles y fiables.

Al restringir SGE a estas tareas específicas, incluida la corroboración, podemos mitigar significativamente algunas de las limitaciones conocidas de los LLM, como alucinaciones o imprecisiones. Mitigamos aún más estos desafíos mediante el uso de nuestros sistemas de calidad de búsqueda existentes y nuestra capacidad para identificar y clasificar información confiable y de alta calidad. Más sobre eso a continuación.

Aporte humano y evaluación

El aporte humano y la evaluación son importantes para desarrollar productos de manera responsable. Entre otros controles de calidad, también utilizamos la participación humana cuando entrenamos los resultados de SGE, centrándonos en atributos como la longitud, el formato y la claridad.

Durante mucho tiempo, la búsqueda ha aplicado procesos sólidos de evaluación y aportes humanos para capacitar y mejorar nuestros sistemas de clasificación, y hemos aplicado muchos de esos principios y aprendizajes bien probados a la forma en que capacitamos y evaluamos SGE, que incluyen:

  • Calificadores: Trabajamos con evaluadores de calidad de búsqueda independientes para ayudarnos a medir la calidad de los productos y los resultados que se muestran. Estas calificaciones no tienen un impacto directo en la producción de SGE, pero se utilizan para capacitar a los LLM y mejorar la experiencia en general.

 

  • Análisis enfocado: Siguiendo nuestro proceso para lanzamientos significativos en la Búsqueda hoy, analizamos los resultados en múltiples conjuntos de consultas amplios y representativos, así como también llevamos a cabo estudios más enfocados para confirmar que las respuestas cumplen con nuestros umbrales de calidad. En particular, nos enfocamos en áreas temáticas que pueden ser más susceptibles a riesgos de calidad conocidos, o que son más complejas y matizadas. Esto incluye clases de consultas que pueden tener un mayor riesgo de problemas de seguridad o inclusión y tiene como objetivo garantizar que nuestras protecciones y respuestas sean efectivas en esos dominios.

 

  • Equipo rojo:Llevamos a cabo pruebas adversarias de estos sistemas para identificar áreas en las que los sistemas no funcionan según lo previsto. Esto ayuda a identificar problemas de sesgo, problemas de seguridad y otras áreas en las que podemos mejorar el producto.

 

Continuamos evolucionando y mejorando estos enfoques con nuevos respaldado por la investigación tecnicas

Buscar sistemas de calidad

Sabemos que las personas acuden a Buscar información confiable, incluso para verificar lo que han escuchado en otros lugares, y nos mantenemos en un alto estándar parainformación confiable, útil y de alta calidad . Es por eso que construimos una integración personalizada de IA generativa en la Búsqueda que está arraigada en nuestros sistemas principales de clasificación y calidad de Búsqueda, que hemos estado perfeccionando durante décadas. Llevamos muchos años incorporando avances de IA a la Búsqueda y desarrollamos un proceso de evaluación cuidadoso y riguroso para garantizar que cualquier actualización mantenga el nivel alto que establecimos para brindar resultados confiables.

Así como nuestros sistemas de clasificación están diseñados para no sorprender ni ofender inesperadamente a las personas con contenido potencialmente dañino, odioso o explícito, SGE está diseñado para no mostrar dicho contenido en sus respuestas.

Exigimos a SGE un estándar aún más alto cuando se trata de generar respuestas sobre ciertas consultas en las que la calidad de la información es de vital importancia. En la Búsqueda, nos referimos a estos como«Tu dinero o tu vida» (YMYL) temas, como finanzas, salud o información cívica, áreas en las que las personas quieren un grado aún mayor de confianza en los resultados. Al igual que hacemos en la Búsqueda, para los temas de YMYL, SGE pone aún más énfasis en producir respuestas informativas que

son corroborados por fuentes confiables. También hemos entrenado el modelo para incluir renuncias de responsabilidad en su salida, cuando corresponda. Por ejemplo, en las consultas relacionadas con la salud en las que mostramos una respuesta, el descargo de responsabilidad enfatiza que las personas no deben confiar en la información para obtener asesoramiento médico y deben trabajar con profesionales médicos para recibir atención individualizada.

Hay algunos temas para los que SGE está diseñado para no generar una respuesta. En algunos temas, simplemente puede haber una falta de calidad o información confiable disponible en la web abierta. Para estas áreas, a veces llamadas «vacíos de datos» o «brechas de información», donde nuestros sistemas tienen una menor confianza en nuestras respuestas, SGE tiene como objetivo no generar una instantánea impulsada por IA. SGE también está diseñado para no generar instantáneas para temas explícitos o peligrosos, o para consultas que indiquen una situación vulnerable, por ejemplo, en consultas de autolesiones, donde nuestros sistemas mostrarán automáticamente recursos de línea directa confiables en la parte superior de la Búsqueda.

Políticas

Nuestros sistemas automatizados trabajan para prevenircontenido que infringe las políticas de aparecer en SGE. SGE también se alinea con algunas de nuestras políticas únicas parafragmentos destacados yautocompletar , que incluyen consideraciones cuidadosas para el contenido que puede ser explícito, odioso, violento o contradictorio con el consenso sobre temas de interés público, por ejemplo.

Si bien nuestros sistemas generalmente funcionan bien para detectar contenido que infringe las políticas antes de que aparezca, SGE es una función experimental y es posible que surja contenido que infrinja las políticas. En tales casos, podemos tomar medidas según nuestras políticas para evitar que este contenido infractor vuelva a aparecer. También usamos estos ejemplos para informar futuras mejoras a los modelos. Dado que SGE es una característica experimental en Search Labs, continuaremos examinando y evolucionando adecuadamente nuestras políticas para que la experiencia sea más útil con el tiempo.

Realidad versus fluidez

Otra elección intencional que hicimos se refiere a la fluidez de las respuestas en SGE, tanto en las instantáneas impulsadas por IA como en el modo conversacional.

Descubrimos que dar a los modelos un margen de maniobra para crear respuestas fluidas que suenen humanas da como resultado una mayor probabilidad de imprecisiones (consulte las limitaciones a continuación) en la salida. Al mismo tiempo, cuando las respuestas son fluidas y de naturaleza conversacional, hemos descubierto que es más probable que los evaluadores humanos confíen en las respuestas y es menos probable que detecten errores.

Dada la confianza que la gente deposita en la Búsqueda, restringimos intencionalmente la conversación. Lo que esto significa, por ejemplo, es que es posible que las personas no consideren que el modo conversacional en SGE sea un socio de intercambio de ideas creativo y fluido, y en su lugar lo encuentren más fáctico con indicadores de recursos relevantes.

Es importante equilibrar la fluidez de la experiencia con la calidad de la información, y SGE mejorará con el tiempo a medida que iteremos en este equilibrio.

Falta de personalidad

En ocasiones, los LLM tienen el potencial de generar respuestas que parecen reflejar opiniones o emociones, ya que se han capacitado en el lenguaje que las personas usan para reflejar la experiencia humana. Capacitamos intencionalmente a SGE para que se abstuviera de reflejar una personalidad. SGE no está diseñado para responder en primera persona, por ejemplo, y ajustamos el modelo para brindar respuestas objetivas y neutrales que se corroboren con los resultados web.

Limitaciones conocidas

Si bien hemos integrado una variedad de protecciones en SGE, existen limitaciones conocidas tanto de los LLM como de esta experiencia en su forma experimental inicial. Los siguientes son algunos de los patrones de pérdida que observamos durante las evaluaciones y las pruebas contradictorias, y otras limitaciones que esperamos en SGE. En muchos casos, ya hemos realizado mejoras con actualizaciones de modelos y ajustes adicionales, y esperamos seguir progresando a medida que se desarrolla SGE.

  • Mala interpretación durante la corroboración:Hemos visto algunos casos en los que SGE ha identificado adecuadamente la información para corroborar su instantánea, pero con ligeras interpretaciones erróneas del lenguaje que cambian el significado del resultado.
  • Alucinación:Al igual que todas las experiencias basadas en LLM, SGE a veces puede tergiversar hechos o identificar ideas de manera incorrecta.
  • Inclinación:Debido a que SGE está capacitado para corroborar las respuestas con recursos de alta calidad (que, por lo tanto, son resultados altamente clasificados), puede mostrar una instantánea que refleje una gama de perspectivas más limitada que la que está disponible en la web, lo que refleja sesgos en esos resultados. Esto puede crear la impresión de que el

Modelo ha aprendido este sesgo. Sin embargo, es más probable que SGE proporcione resultados que reflejen sesgos contenidos en los mejores resultados. Este es un fenómeno que también ocurre en los resultados de búsqueda hoy en día. Por ejemplo, las organizaciones autorizadas y los medios de comunicación a menudo no agregan un calificador de «masculino» cuando escriben sobre deportes masculinos, y las consultas genéricas sobre ese deporte pueden sesgar hacia los jugadores o equipos masculinos, incluso si la información sobre jugadoras o equipos femeninos es igualmente importante. o tal vez incluso una respuesta más precisa.

  • Contenido de opinión que implica personalidad:Si bien SGE está diseñado para reflejar un tono neutral y objetivo en su salida generativa, puede haber casos en los que la salida refleje opiniones que existen en la web, dando la impresión de que el modelo muestra una personalidad.

 

  • Duplicación o contradicción con las funciones de búsqueda existentes: Debido a que SGE está integrado en la Búsqueda junto con otros resultados y funciones en la página de resultados de búsqueda, es posible que la salida de SGE parezca estar en contradicción con otra información en esos resultados. Por ejemplo, las personas pueden ver un resultado de fragmento destacado que destaca la perspectiva de una sola fuente, mientras que SGE representa una perspectiva sintetizada corroborada en una variedad de resultados.

 

Construyendo juntos el futuro de la Búsqueda

Parte de nuestro enfoque para implementar SGE de manera responsable es establecer expectativas claras con nuestros usuarios y ser conscientes de las limitaciones que aún existen, incluso a medida que avanzamos en calidad y seguridad. Al hacer que SGE esté disponible por primera vez a través deLaboratorios de búsqueda , estamos brindando a las personas la oportunidad de interactuar con esta nueva tecnología y, al mismo tiempo, somos transparentes de que aún se encuentra en una fase experimental.

Aunque todavía es pronto para SGE, estamos mejorando activamente la experiencia y nos comprometemos a mejorar la calidad y las capacidades. Esperamos aprender de los comentarios de los usuarios en Labs, continuar mejorando e iterando y construyendo juntos el futuro de la Búsqueda.

Fuente: https://static.googleusercontent.com/media/www.google.com/en//search/howsearchworks/google-about-SGE.pdf

. Leer artículo completo en Frikipandi Un vistazo a lo que sigue para la IA y la Búsqueda de Google | E/S de Google 2023.

Te interesa

OpenAI trae una gran actualización de ChatGPT para usuarios pagos

OpenAI trae una gran actualización de ChatGPT para usuarios pagos

OpenAI trae una gran actualización de ChatGPT para usuarios pagos Espere respuestas más directas y …

Últimas noticias de Frikipandi.com

Las noticias se actualizan cada 15 minutos.