Juan von SISTRIX hat mich spontan für den SISTRIX Live-Stream eingeladen, der jeden Freitag um 11 Uhr stattfindet, da sein Gast kurzfristig absagen musste. Ich habe mich nach der Google I/O noch tiefer mit den neuen Technologien von Google beschäftigt und insbesondere versucht zu verstehen, wie MuM in der Suche verwendet werden könnte.
Hier könnt ihr den kompletten Stream nochmal anschauen:
Um was ging es?
Wir sprechen über das Forschungspapier „Rethinking Search“ von Google vom 5. Mai, über das ich gestolpert bin. Darüber hatte ich schon einen eigenen Blogpost geschrieben. Darin ist ein Vergleich einer klassischen „Direct answer“ aus einer Webseite zu sehen, daneben ein Ergebnis eines trainierten Sprachmodells a la BERT und ganz rechts die Antwort eines Expertensystems:
Making Experts out of Dilettantes“, Metzler et al. 2021
Meine Vermutung nach der Google I/O war, dass MuM quasi das System ist, das in der Vorschungsarbeit noch theoretisch gesprochen wurde. Damit würde Google quasi aus Quellen zusammengestellte Antworten liefert mit den jeweiligen Webseiten als Referenzen/Quellenangaben!
Aber MuM kann noch viel mehr!
Es ist zwar ein Transformer wie BERT und GPT, aber Multi-Modal (d.h. es versteht Text, Bild und Video – bald sogar Audio) und das in 75+ Sprachen! Besonders spannend ist aber die neue Architektur, die es Multi-Tasking fähig macht.
Das bedeutet konkret, dass eine Suchanfrage wie „I’ve hiked Mt. Adams and now want to hike Mt. Fuji next fall, what should I do differently to prepare“ wird vom MuM in unzählige einfachere Suchanfragen zuerlegt und die Ergebnisse daraus wiederum als Antwort zusammengestellt.
SEO ist also mit MuM noch längst nicht tot! Denn wir sehen für jede dieser „zerlegten“ Suchanfragen wiederum reguläre Suchergebnisse. MuM ist also im nächsten Schritt eine Art Recherchehilfe und wird so komplexe Fragen noch nicht mit klaren Aussagen beantworten, sondern einem die vielen Suchanfragen sparen und direkt eine wirklich gute Themenübersicht in Echtzeit generieren. Als Quellen hierfür werden Bilder, Videos aber auch Texte in allen Sprachen dienen, die vom Nutzer dann natürlich auch direkt abgerufen werden können.
Zuletzt gehe ich auch noch kurz auf das Paper ein, wegen dem zwei der prominentesten KI Kritikerinnen von Google rausgeworfen wurde: „On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? 🦜“ Darin schreiben sie, unter anderem, dass die großen trainierten Netze viele Probleme haben: Es kommen teilweise plausible, aber falsche Informationen raus. Wenn dann aber Google dran steht, glauben das die Leute. Dazu sind diese Netze noch sehr aufwändig zu trainieren, stellen also aus finanzieller Sicht eine Einstiegsbarriere für kleine Unternehmen dar und haben durch den hohen Stromverbrauch natürlich auch Umweltprobleme wegen CO2 etc.
Eine der Autorinnen, Timnit Gebru hatte sich in der Vergangenheit schon kritisch mit KI auseinander gesetzt und auf die Risiken hingewiesen. Sie sieht die Gefahr erheblicher Schäden, einschließlich Stereotypisierung, Verunglimpfung, Zunahme der extremistischen Ideologie durch den Einsatz künstlicher Intelligenz. Hier noch ein spannender Artikel von MIT Technology Review dazu: „We read the paper that forced Timnit Gebru out of Google. Here’s what it says.“
Hier findet ihr übrigens meine Folien aus dem Stream: https://speakerdeck.com/seokai/quo-vadis-seo-kunstliche-intelligenz-als-bedrohung-fur-die-seo-branche
- Chain of Density Prompting: Endlich richtig gute Zusammenfassungen per KI! - 17. September 2023
- Zu Gast im OMR Education Podcast: Einblick in ChatGPT und wie Marketer davon profitieren können - 7. August 2023
- Analyse: Wird GPT-4 wirklich immer schlechter? - 7. August 2023
