(Kiemelt kép: Unsplash)
A generatív MI-keresés a Yahoo.com, a Google.com, a Bing.com és a többi online kereső következő iterációja lehet. A mesterséges intelligencia a mobileszközökön megjelenő személyi asszisztensek, mint például Cortana, Siri, Google Assistant, Alexa stb. megjelenése óta próbálják sikeresen befolyásolni az életünket. A tárgyak internetének (IoT) eszközein az MI segítségével számos dolgot vezérelhetünk otthon és a munkahelyen. Az MI belépett a multimédia-gyártó iparágba, hogy kulcsszavakból vagy utasításokból olyan tartalmakat állítson elő, mint képek, videók, hangok és szövegek. Napjainkban a fejlett mesterséges intelligenciák tökéletesen meg tudják szerkeszteni az olyan tartalmakat, mint a videó és a hang. Dióhéjban összefoglalva: a mesterséges intelligencia mindenhol jelen van. Ezért nincs már messze az a nap, amikor az MI befolyásolja a világhálón található tartalmak keresését is.

Mi az a generatív mesterséges intelligenciás keresés?
A generatív mesterséges intelligencia keresési koncepciójának megértéséhez először is meg kell érteni, hogy mi is az az MI. Egy ilyen „gépi elme” egyszerűen minta halmazokból állít elő tartalmat, például szöveget, képet, hangot, programkódot. A fejlesztők gépi tanulási (ML) modellek segítségével képeznek ki egy generatív mesterséges intelligenciát, hogy megértse a természetes tartalmat gépi nyelvre átültetve. Az ilyen megoldás lehet felügyelt, felügyelet nélküli vagy félig felügyelt. A generatív mesterséges intelligencia különböző ML-modelleket használ egy program, chatbot vagy virtuális asszisztens képzéséhez. Az alábbiakban néhány ilyen modellt és azok eredményeit ismertetjük.
Generatív vs. diszkriminatív modellek
A mesterséges intelligencia képzés diszkriminatív modelljében egy emberi felügyelő képzi ki a MI-t, hogy megtanulja a különbségeket egy bemeneti mintában lévő két vagy több objektum között. Ha például 10 különböző állat 10 képét adjuk meg bemenetként a mesterséges intelligenciának, az alapul szolgáló diszkriminatív modell segít neki abban, hogy sikeresen megkülönböztesse az összes állatot. Másrészt a generatív modell segít a gépi elmének abban, hogy a mintaadatokra utaló objektumokat félig felügyelettel vagy felügyelet nélkül hozza létre. A generatív gépi tanulási modell segít a mesterséges intelligenciának megérteni a bemeneti adatokat, és megőrizni a megértést a neurális hálózat memóriájában, hogy a jövőben, ha hasonló kihívás merül fel, ezt a tapasztalatot elő tudja hívni.
Generatív adverzális hálózatok (GAN)
Ez a gépi tanulási algoritmus a generatív és a diszkriminatív modelleket kombinálja az MI képzéséhez. Itt a generatív modell mintákat hoz létre a bemeneti vektorokból, például kulcsszavakból, kérdésekből. Ezután a diszkriminatív modellnek azonosítania kell, hogy a létrehozott minta hamis vagy eredeti. Ha hamis, akkor a generatív modell újra feldolgozza a feladatot, hogy egy másik kimenetet hozzon létre a diszkriminatív modell számára. Ez addig folytatódik iterációkban, míg a generatív modell nem tud olyan hamisítványokat létrehozni, melyeket a diszkriminatív modell már nem tud megkülönböztetni az eredeti bemenettől.

Transzformátor-alapú modellek
Az ML transzformátoros modellek olyan mély neurális hálózatok, melyek a bemeneti vektorokat szekvenciánként elemzik. Ezután megjósolja, hogy mi lehet a kimenet. Ha például egy transzformátornak egy sor, egymással össze nem függő szót mutatunk be, az elemzi a szavakat, és megpróbálja megjósolni az előző vagy egymást követő mondatrészeket, melyek kitölthetik az üres helyeket, és a nem összefüggő szavakat értelmes mondatokká alakíthatják. Egy transzformátorban a kódoló kivonja az összes jellemzőt vagy adatpontot a bemeneti sorozatból, és bemeneti vektorokká alakítja őket. Ezután a dekóder elemzi a bemeneti vektorokat, kontextust hoz létre az adatokból, és kimeneti szekvenciát állít elő. Számos sikeres transzformátor-alapú MI-modell létezik: generatív, előre betanított transzformátor modell 3 vagy 4, más néven ChatGPT, Language Model for Dialogue Applications, más néven LaMDA, mely a Google Transformerre épül.

A fenti modellek felhasználásával a mesterséges intelligencia fejlesztői sikeresen létrehoztak számos funkcionális generatív MI-programot, melyek a következőket tudják elvégezni vagy előállítani egyszerű bemenetekből, például képekből, szövegekből, leírásokból, hangokból: nem létező emberi lényekről készült képek generálása weboldalakról, magazinokból, Google képkeresőből származó adatok alapján. Valódi képek generálása vázlatokból. Művészi vagy kreatív stílus átvitele egyik képből a másikba. CT felvétel szintetizálása egy MRI-ből, mint bemeneti adatból. Az OpenAI Dall-E MI kiváló képeket képes létrehozni pusztán szövegekből is már. A DeepMind, Amazon Polly mesterséges intelligenciák képesek emberi beszédeket létrehozni szövegekből. Az Apple által felvásárolt AI Music képes a szerzői jogmentes nyilvános zenéket hangsávokká alakítani. A generatív MI-keresés most mindezen MI-eszközök és -technológiák kombinációja, hogy pontos tartalmakat mutasson be a webről. Egy ilyen MI-alapú keresési képességgel nem kell a Google, Bing, Yahoo keresőmotorok által létrehozott javaslatok millióit átnézni. A generatív MI kereső kész tartalmakat fog bemutatni az online forrásokból származó tartalmak közzétételére vagy fogyasztására, különböző támogatott tartalmakkal, például képekkel, videókkal és szöveggel egy képernyőn mindezeket kívánság szerint összegyűjtve, akárcsak ahogy ma a ChatGPT működik.

Miben különbözik a generatív MI keresés a szokásos online kereséstől?
A weboldalkeresés, ahogyan azt az Archie keresőmotor 1990. szeptember 10-i indulása óta ismerjük, teljesen meg fog változni, ha a generatív MI keresés végre népszerűvé és könnyen elérhetővé válik. A hagyományos világhálós keresés egy kézi online kutatási folyamat. Itt be kell írni a kérdést vagy a kulcsszavakat a keresőmotor keresőmezőjébe. A keresőmotor-szolgáltatók, mint például a Google, a Yahoo, a Bing a keresett tartalmat tároló weboldalakat valamilyen saját logika szerint súlyozzák. Például a weboldal aktuális „helyezése”, vagyis a releváns találatok szerint, az olvasottság, a weboldal oldalminősége alapján. Ezután a keresőmotor a keresés alapján rangsort rendel az egyes webhelyekhez, és az összes webhelyet ennek a logikának megfelelően jeleníti meg. Így például egy egyes rangú weboldal a keresőmotor találati oldalainak tetején fog megjelenni. Dióhéjban összefoglalva, a hagyományos online keresőmotorok nem hoznak létre tartalmat, csak megjelenítik az algoritmusuk alapján a weboldalakról származó adatokat. Amikor rákattintunk egy keresési eredményre, közvetlenül egy adott weboldalra léphetünk mindig tovább.

A generatív keresés elindításával azonban már eleve korlátozott tartalmakat kapunk. A mögöttes mesterséges intelligencia elemzi az összes keresési eredményt, egyéni tartalmat hoz létre, és azt egy webböngésző segítségével jeleníti meg. Ezek a generatív MI által a megjelenített tartalom elkészítéséhez felhasznált forrásokra mutató linkek is lehetnek természetesen. Ha a generatív MI-keresés lesz az online keresés új normája, akkor a következő különbségekre számíthatunk: a keresési lekérdezés kimeneti tartalma nagyban függ majd mindig a generatív modellt létrehozó vállalat piaci polarizációjától. Egyes megoldások így az XYZ generatív MI keresőeszközt fogják előnyben részesíteni az ABC eszközzel szemben. Így lesz egyre bonyolultabb az online keresésen alapuló munkák fellelése majd. Hiszen az ilyen keresőeszközök néha hasonló tartalmakkal találkozhatnak, és a kiadók megkockáztathatják, hogy plágiumtartalmat töltenek fel a weboldalakra az MI megoldásaikkal (mint amire ma már volt bőven példa). A keresési eredmény intuitívvá válik viszont, és különböző formájú kapcsolódó tartalmakkal lesz tele, például szövegek, képek, videók, hanganyagok stb. formájában. Abba fogjuk hagyni így a webhelyek látogatását és a webes hirdetésekkel való interakciót is, ha a tartalmat egy ChatGPT-szerű felületen kapjuk, ahol nincsenek zavaró tényezők. Ebből következik, hogy az online kutatási erőfeszítések drasztikusan csökkenni fognak majd. Nem kell többé megannyi weboldalt átolvasnia és saját tartalmakat összeállítania belőlük. Az MI fejlesztők nyilván új „gépi elmés” online hirdetési és egyéb bevételi modellekkel fognak előállni (mint ahogy a Microsoft is már a Bingben bepróbálkozott a minap), hogy növeljék működési profitjukat. Kevesebb lesz a figyelemelterelés a webes keresésben, így a minősége viszont sokat csökkenhet. Pont ezért tehetséges és szakértő online kutató szakembereket és adatelemzőket kell alkalmaznia az MI által előállított tartalom elemzésére egy magát valamire is tartó cégnek, mielőtt a tartalmat kereskedelmi célokra használhatná fel. Nincs egyértelmű iránymutatás arra vonatkozóan, hogy az ilyen MI-alapú weboldalkeresés hogyan kapcsolódik vissza majd a forrásoldalakhoz, és hogyan adja meg ezeknek a weboldalaknak a megfelelő értékelést (mivel ezek a mesterséges intelligenciák nem tudnak tartalmat generálni referenciatartalomra támaszkodva).

A generatív mesterséges intelligencia alapú keresés hatása a keresőmotorokra
Az olyan keresőóriások, mint a Google, a Yahoo, a DuckDuckGo és a Brave népszerűsége sokat fog csökkenni. A keresőmotorok által beszedett hirdetési bevételek is jelentősen megfogyatkoznak majd. Az ingyenes és tisztességes internetes keresési eredményekre is nagy hatással lesznek, és egy új bevételi forrás fog megjelenni, ahol a webhelytulajdonosok fizetnek a generatív MI-keresőszolgáltatóknak azért, hogy az ő oldalaikról származó tartalmakat jelenítsenek meg kizárólag. A weboldalak látogatottsága nagymértékben csökkenni fog, mivel a felhasználók egy másik weboldalon fogják megkapni a kívánt tartalmakat. Most néhány olyan keresőmotort fogunk megvizsgálni, melyek generatív mesterséges intelligencia alapú keresést használnak már ma is.

Generatív MI keresést használó keresőmotorok
Bing
A Microsoft nem állt meg csupán a ChatGPT fejlesztő OpenAI felvásárlásával. Az OpenAI saját technológiáit és licenceit használta fel a Bing Search MI képességekkel való bővítéséhez. A felújított termék a köznyelvben új Bing néven ismert. A keresőmotor valódi kérdésekre adott teljes körű válaszokkal segít, vagyis nincs többé kulcsszóalapú rangsorolás a webhelyek között és a legjobban rangsorolt webhelyek adatainak közötti különbség is kevésbé feltűnő. A keresőmotorral chatelni is lehet, akárcsak SMS-ben és üzenetben egy szakértővel azon a területen, ahol dolgozik vagy üzleti tevékenységet folytat. A keresőmotoros chat lehetővé teszi, hogy akár öt nyomkövető kérdést tegyünk fel a keresési eredmény finomhangolása érdekében, melyet a generatív mesterséges intelligenciamodell szolgáltat. Az új Bing nem csak arra szolgál, hogy online webes találatokat kapjunk, de a következőkben is segíthet: tippeket kaphatunk különböző témákhoz és hiánypótló tartományokhoz is. Kreatív tartalom előállítását is kieszközölhetjük egy olyan generatív MI segítségével, mint a ChatGPT. Intuitív és pontos keresési eredményekhez juthatunk, hogy gyorsan, a hirdetések és a call-to-action felugró ablakok zavaró tényezői nélkül dolgozhassunk.
A Google Search már évek óta kihasználja az MI-keresőeszközöket. A RankBrain az első MI eszköz, melyet a Google 2015-ben használt a webhelyek rangsorolásához. Ez az MI értelmezi a keresési eredményeket, és a releváns webhelyeket a rangsorolási hierarchia tetejére sorolja. A Google által a keresőmotorjában használt egyéb MI-programok a következők: a neurális megfeleltetés segít a keresőmotornak kitalálni, hogy a lekérdezések hogyan relevánsak az oldalakhoz. Bidirectional Encoder Representations from Transformers vagy BERT a természetes nyelvi feldolgozás előképzésére szolgál, a Google Lens a mobiltelefon vagy táblagép kamerájának segítségével történő tárgykereséshez, a Multitask Unified Model vagy MUM a COVID-19 vakcinával kapcsolatos információs keresésekben segített a webes találatokat finomra hangolni.

You
A You egy friss MI keresőmotor eszköz. A felhasználók gazdag keresési eredményekhez juthatnak vele az alábbiakban vázoltak szerint: az alkalmazások, eszközök és találatok számát mutatja a SERP (Search Engine Result Page) a kereső Motor Találati Oldalán. A People Also Ask eredmények a jobb oldali panelen jelennek meg a felületen, de itt javaslatokat is kaphatunk a YouChathez, ami megjeleníti a nevezetesebb közösségi médiumok, például a Reddit legnépszerűbb vitakártyáit is. A felhasználók több lekérdezést is hozzáadhatnak ugyanahhoz a kereséshez, jelenleg a következő MI Search termékeket kínálja: YouChat és YouCode.
Neeva
A Neeva egy MI-alapú online kutatási vagy weboldalkeresési eszköz. Segít abban, hogy a keresési találati oldalakról a hirdetések kihagyásával zavarmentes eredményeket kapjunk. A Neeva keresőmezőjébe beírhatunk egy szűkszavú kérdést; a Neeva szinte tökéletes, lépésről lépésre történő választ próbál adni a kérdésünkre. Nincs többé a Google keresőben látható hirdetések a keresési találatok felett. A Neeva egy előfizetők által finanszírozott online keresőeszköz, bevételeit a közönségtől szerzi, akik az alkalmazást rendszeres online keresésre használják; nem támaszkodik hirdetési bevételekre, mint a Google. Ezért elvárhatjuk, hogy jobban szolgáljon ki kontextuális keresési eredményekkel, mivel mi ezért fizetünk a szolgáltatásnak.

A keresőmotor-vállalatok már tudják, hogy az MI-alapú generatív keresés a jövő. Ezért a különböző keresőóriások elkezdték az MI keresőmotorok prototípusainak bevezetését és béta tesztelését. A generatív MI-alapú keresőmotorok problémát jelenthetnek az online kutatás számára már ma is. Amint ezek a cégek elkezdik tervezni a bevételek generálását azáltal, hogy fizetést kapnak bizonyos webhelyek vagy kiadók tartalmának népszerűsítéséért, az online keresés erősen elfogult lesz. Az MI keresőmotorok fejlesztőinek konzorciumot kell alakítaniuk, hogy etikus gyakorlatot dolgozzanak ki a szabad és tisztességes keresési gyakorlat biztosítása érdekében.