محتوای هوش مصنوعی و سئو

گوگل رسما درباره متن هوش مصنوعی چه گفته است؟

موضع گوگل از فوریه ۲۰۲۳ روی وبلاگ رسمی سرچ سنترال نوشته شده و از آن روز عوض نشده. تیتر بخش اصلی همان صفحه خودش جواب سوال است: پاداش دادن به محتوای باکیفیت، فارغ از اینکه چطور تولید شده باشد.

جمله ای که باید حفظ کنید این است: استفاده از اتوماسیون، از جمله هوش مصنوعی، برای تولید محتوا با هدف اصلی دستکاری رتبه در نتایج جستجو، نقض سیاست های اسپم است. دو نیمه این جمله را جدا کنید. نیمه اول ابزار را محکوم نمی کند. نیمه دوم هدف را محکوم می کند.

در بخش پرسش و پاسخ همان صفحه، گوگل دو جمله تندتر هم دارد. اول: استفاده از هوش مصنوعی هیچ امتیاز ویژه ای به محتوا نمی دهد، فقط محتواست. و دوم، که به نظر ما تصمیم اکثر کسب و کارها را می گیرد: اگر هوش مصنوعی را راه ارزان و آسانی برای بازی با رتبه می بینید، پاسخ نه است.

پس محتوای هوش مصنوعی در ادبیات گوگل اصلا یک دسته جداگانه نیست. دسته ای که وجود دارد اسم دیگری دارد و بخش بعدی درباره همان است. متن کامل این موضع را می توانید در راهنمای خود گوگل درباره محتوای تولید شده با هوش مصنوعی بخوانید.

خط قرمز روی ابزار است یا روی تعداد صفحه؟

روی تعداد صفحه و ارزش هر صفحه. در مارس ۲۰۲۴ گوگل سه سیاست اسپم تازه اعلام کرد و یکی از آنها دقیقا همین جاست: تولید انبوه محتوای بی ارزش، که در سند اصلی scaled content abuse نام گرفته. تعریفش این است که صفحه های زیادی ساخته شوند که هدف اصلی شان دستکاری رتبه است و نه کمک به کاربر، و معمولا حجم بزرگی از محتوای غیراصیل تولید می کنند که ارزشی به کاربر نمی دهد، فارغ از اینکه چطور ساخته شده باشند.

خود گوگل در همان اعلان توضیح می دهد چرا این سیاست تازه است: سیاست قبلی درباره «محتوای خودکار تولید شده» بود و این یکی جایگزینش شده تا فرقی نکند محتوا با اتوماسیون تولید شده، با نیروی انسانی، یا با ترکیبی از هر دو. یعنی راه فراری که خیلی ها دنبالش بودند، از قبل بسته شده.

مثال هایی که سند اسپم می آورد ارزش خواندن دارند، چون هیچ کدامشان درباره سبک نوشتن نیستند:

• استفاده از ابزارهای هوش مصنوعی مولد برای ساختن صفحه های زیاد، بدون اینکه چیزی به کاربر اضافه شود
• برداشتن فید یا نتایج جستجو یا محتوای دیگران و تبدیلشان به صفحه های زیاد، از جمله با ترجمه و مترادف کردن خودکار
• چسباندن تکه های چند صفحه به هم بدون اضافه کردن ارزش
• ساختن چند سایت برای پنهان کردن اینکه این محتوا انبوه است

یک بار دیگر فهرست را بخوانید و ببینید هیچ ردیفی نمی پرسد متن را کی نوشته. همه شان می پرسند چند تا و چه چیزی اضافه شده. این تفاوت، تفاوت بین یک صفحه که با کمک مدل نوشته شده و یک قفسه دویست صفحه ای است که از یک قالب با جابه جایی کلمه کلیدی بیرون آمده؛ دومی حتی اگر تک تک صفحه هایش را آدم تایپ کرده باشد باز مصداق همین سیاست است.

اگر بخواهیم همین را روی یک خط بگذاریم، چهار حالت می شود. کمک به نوشتن یک صفحه، و پیش نویس ماشینی با ویرایش و منبع، هر دو خارج از سیاست اسپم اند. انتشار انبوه با ویرایش سطحی مرز است و جوابش به این بستگی دارد که هر صفحه واقعا چه چیزی اضافه کرده. و تولید انبوه از یک قالب، همان تولید انبوه محتوای بی ارزش است که سیاست درباره اش نوشته شده.

و برعکسش هم درست است. اگر یک صفحه دارید که یک آزمایش واقعی، یک عدد اندازه گیری شده یا یک تجربه شکست خورده را روایت می کند، و مدل فقط پیش نویس اولش را نوشته، هیچ بندی از این سیاست به شما نمی خورد. متن کامل تعریف در سیاست های اسپم گوگل آمده است.

چرا الگو لو می رود، حتی بدون هیچ آشکارسازی؟

این بخش مهم ترین قسمت این درس است و کمتر جایی به فارسی نوشته شده.

نگرانی همه از جمله هاست: آیا این پاراگراف ماشینی به نظر می رسد. ولی چیزی که یک خزنده بدون هیچ ابزار مخصوصی می بیند جمله نیست، شکل سایت است. فرض کنید سایتی که هجده ماه دوازده صفحه داشت، ظرف یک هفته صد و شصت صفحه تازه منتشر می کند. همه شان دقیقا چهار تیتر دوم دارند. همه با یک جمله تعریفی شروع می شوند و با یک بند «جمع بندی» تمام می شوند. همه شان همان بلاک لینک داخلی را در انتها دارند. در هیچ کدام یک عدد اندازه گیری شده، یک اسم مشتری، یک تاریخ واقعی یا یک منبع لینک شده نیست.

هیچ کدام از این ها به آشکارساز متن احتیاج ندارد. تاریخ انتشار، ساختار تیترها، شباهت قالب، گراف لینک داخلی و میزان همپوشانی متن، چیزهایی هستند که هر موتور جستجویی از قبل و برای کارهای دیگر محاسبه می کند. الگو در همان داده هایی پیداست که سال هاست جمع می شوند.

ما داخل سیستم های گوگل را نمی بینیم و هیچ کس بیرون از گوگل هم نمی بیند؛ این جمله را جدی بگیرید چون هر کسی که ادعای خلافش را بکند دارد حدس می فروشد. چیزی که می توانیم بگوییم این است: سیاست رسمی، تعداد و ارزش را نام می برد و نه سبک را، و تعداد و ارزش دقیقا همان دو چیزی هستند که در الگوی بالا از بیرون دیده می شوند.

نتیجه عملی اش یک قاعده ساده است. اگر می خواهید بدانید انتشارتان ریسک دارد یا نه، به متن نگاه نکنید؛ به فهرست آدرس هایتان نگاه کنید. اگر تاریخ ها، طول ها و ساختارها همه شبیه هم اند و هیچ صفحه ای چیزی ندارد که فقط شما می دانید، ریسک همان جاست، حتی اگر تک تک جمله ها را خودتان نوشته باشید.

به ابزارهای تشخیص متن هوش مصنوعی می شود اعتماد کرد؟

نه به اندازه ای که بشود بر پایه شان تصمیم گرفت، و این را خود گوگل دیپ مایند نوشته است نه ما.

در همان صفحه ای که واترمارک SynthID را معرفی می کند، بندی هست درباره ابزارهای رایج تشخیص: این ابزارها معمولا دسته بند هستند، دسته بندها اغلب فقط روی کارهای خاصی خوب عمل می کنند، و وقتی یک دسته بند روی انواع مختلف پلتفرم و محتوا اجرا می شود کارایی اش همیشه قابل اتکا و یکنواخت نیست. نتیجه اش، به تصریح همان متن، این است که یک نوشته می تواند اشتباه برچسب بخورد و مثلا به غلط ماشینی تشخیص داده شود.

پس عدد درصدی که این ابزارها می دهند، در هر دو جهت بی معناست. نه رد کردن یک نویسنده به خاطر عدد هشتاد و دو درصد قابل دفاع است، و نه منتشر کردن یک متن ضعیف به خاطر عدد چهار درصد. هیچ بندی از سیاست های گوگل هم درباره خروجی این ابزارها نیست؛ سیاست درباره چیز دیگری است که در دو بخش قبل خواندید.

یک نکته مخصوص بازار فارسی هم اضافه کنیم و صادقانه به عنوان محدودیت دانش خودمان بگوییم: ما از هیچ کدام از این ابزارها ارزیابی منتشرشده ای روی متن فارسی ندیده ایم. اگر شما دیدید، قبل از اعتماد به آن، اندازه نمونه و روش را بخوانید. تصمیم گرفتن با عددی که برای زبان شما ارزیابی نشده، حدس زدن درباره یک حدس است.

موضع ما روشن است: اگر فرایند تحریریه شما به رد شدن از یک آشکارساز وابسته است، فرایند را دور چیز اشتباهی ساخته اید. چیزی که باید از آن رد شوید، خواننده ای است که دنبال جواب آمده.

SynthID چیست و برای سایت شما چه معنایی دارد؟

SynthID واترمارک گوگل دیپ مایند است: یک نشانه دیجیتال که مستقیم داخل تصویر، صدا، متن یا ویدیوی تولید شده با هوش مصنوعی جاسازی می شود. طبق صفحه خود دیپ مایند، این واترمارک در محصولات مصرفی مولد گوگل جاسازی می شود، برای انسان نامحسوس است و با فناوری خود SynthID قابل تشخیص است.

روش کارش برای متن جالب است و ارزش فهمیدن دارد. یک مدل زبانی متن را کلمه به کلمه می سازد و به هر گزینه بعدی یک امتیاز احتمال می دهد. SynthID همین امتیازها را در لحظه تولید کمی جابه جا می کند و همان الگوی جابه جایی، خود واترمارک است. برای تصویر و ویدیو هم نشانه در لحظه ساخت اضافه می شود و طوری طراحی شده که برش، فیلتر و فشرده سازی با افت را تحمل کند.

برای بررسی، صفحه رسمی دو راه می گوید: فایل را در Gemini آپلود کنید و بپرسید آیا با هوش مصنوعی گوگل ساخته یا ویرایش شده، و یا از پرتال جداگانه SynthID Detector استفاده کنید که فعلا با روزنامه نگاران و اهل رسانه در حال آزمایش است.

حالا مهم ترین قسمت، که همان صفحه صادقانه نوشته و کمتر نقل می شود. واترمارک متنی در برابر برش، تغییر چند کلمه و بازنویسی ملایم مقاوم است، ولی وقتی متن کامل بازنویسی یا به زبان دیگری ترجمه شود امتیاز اطمینانش به شدت پایین می آید. روی جواب های کوتاه واقعی هم ضعیف تر است، چون جای کمتری برای دستکاری احتمال ها هست بدون اینکه به درستی جواب بخورد. و خود دیپ مایند می نویسد SynthID گلوله نقره ای نیست.

نتیجه اش برای شما دو جمله است. اول، اگر جواب یک بررسی منفی بود، این ثابت نمی کند متن را آدم نوشته؛ فقط یعنی واترمارکی پیدا نشد. دوم، این موضوع اصلا سر رتبه نیست؛ سر این است که بعدا کسی بتواند نشان بدهد یک تصویر یا متن از دل مدل گوگل بیرون آمده. برای سایتی که روزی ده تصویر تولیدی منتشر می کند، این یک واقعیت اعتباری است و نه یک عامل رتبه.

پس در عمل چطور از هوش مصنوعی استفاده کنیم؟

قاعده ای که خودمان روی همین سایت اجرا می کنیم یک جمله است: مدل پیش نویس و بررسی را می گیرد، آدم مالک واقعیت ها و موضع و حد می ماند.

سه چیز هست که یک مدل نمی تواند بیاورد، و همان سه چیز است که یک صفحه را از دویست صفحه رقیب جدا می کند. عددی که خودتان اندازه گرفته اید. موردی که در آن همین توصیه جواب نداد. و مرزی که بعد از آن این حرف دیگر درست نیست. اگر صفحه ای هیچ کدام از این سه را ندارد، منتشر کردنش فقط قفسه را بلندتر می کند.

ترتیب کاری که پیشنهاد می کنیم هم ساده است. اول تصمیم بگیرید صفحه چه چیزی دارد که جای دیگر نیست؛ اگر جواب ندارید، همین جا بایستید. بعد پیش نویس را با مدل بگیرید تا سریع تر برسید. بعد هر ادعای واقعی را به یک منبع یا یک اندازه گیری وصل کنید و هر چه وصل نشد را حذف کنید. آخر سر بررسی مکانیکی را اجرا کنید، که در بخش مسیر سریع پایین همین صفحه آمده.

اگر این کار را برای یک سایت کامل انجام می دهید و ظرفیتش را ندارید، ما همین کار را به عنوان تولید محتوا انجام می دهیم؛ ولی این تصمیم شماست و نه نتیجه گیری این درس.

یک چیز آخر که تجربه به ما یاد داده: خطر جدی برای اکثر سایت ها جریمه گوگل نیست. خطر این است که شش ماه بعد صد صفحه داشته باشید که هیچ کدام دلیلی برای وجود داشتن ندارند، و هر تغییری در آن سایت از آن به بعد گران باشد. سیاست اسپم را می شود خواند؛ آن یکی را باید زندگی کرد تا فهمید.