谷歌正着手对搜索排名系统开展新一轮调整,旨在提高搜索结果质量,并隐藏掉网络上那些最极端、过于愤世嫉俗的内容。该公司表示,他们还在努力下调总结性内容的排名——此类内容中可能有一部分是正常的搜索引擎优化结果,但大多属于生成式AI工具的批量生成产物。总之,谷歌希望通过此番举措帮助用户免受蒙蔽,享有更优质的搜索体验。
总有人尝试以种种方式让自己的发布内容登上搜索序列前端,这既是网络世界的真实写照,也是谷歌搜索团队的工作常态。谷歌一直在调整其排名算法,希望努力改善搜索结果,只是其中大部分变更并未对外公开。谷歌搜索业务副总裁Pandu Nayak表示:“用户还是会看到大量逃脱控制的内容,而且遗憾的是,这类问题绝不可能挥挥魔杖就直接消失。”
对于谷歌来说,此番公告有着两层含义。首先,这一波重大变化可能会以可感知的方式扭转用户的搜索体验——Nayak表示,谷歌的量化测试结果显示,“无用内容”已消减达40%。其次,谷歌也开始向整个网络世界正式宣告:垃圾内容与粗鲁行为该止矣。
Nayak列举了当前被谷歌认定为垃圾宣传,并将被降低排名的三个实例。首先就是大规模发布的内容:这些网站每天通过低薪外包商或AI生成器械创建几千篇低质量文章,并将这些内容投放在搜索结果当中。Nayak援引The Verge编辑Mia Sato最近的说法,提到了讣告内容这一典型的垃圾信息案例。
第二类垃圾内容被Nayak总结为“网站声誉滥用”。具体来讲,这是指某个受人尊敬的大站出租其部分频道或页面,用以传播垃圾内容。这里我不想指名道姓针对特定目标,但大家肯定见过这类网站,其中要么充斥着跟促销活动相关的软文,要么发表了一些跟其他内容完全格格不入的AI生成文章。第三种则是“过期域名滥用”,即有人买下某个已被废弃、但搜索排名较高的域名,并在其中发布各种劣质内容,借此拉高垃圾信息的搜索排名。The Hairpin网站就是个典型例子,Wired最近几周曾就此事进行过跟踪报道。
Nayak还提到,对于那些滥用网站声誉的情况,谷歌将给予相应网站60天的整改期限,若到期仍无好转则会在新方案中将其剔除。其余清理工作则即时生效。谷歌向来知道垃圾内容横行的问题,这一次明显是要重拳出击、着力整治。Nayak强调:“一旦搜索排名被垃圾内容发布者和低质量信息创作者所控制,健康、高质量的网络生态环境必将不复存在。”
当然,这项工作仍在起步阶段。对于AI生成内容的清查(包括内容如何、写给谁看、应该如何排名)才刚刚开始,这肯定将在谷歌内部引发不少令人头痛的困扰。毕竟作为互联网领域的一支核心力量,谷歌自己就在努力将AI带给每位网民,但同时又得想办法避免网络在AI的侵袭下彻底劣化(甚至谷歌自己的搜索引擎也在快速AI化)。另外,总会有新的、更加狡猾复杂的方法拉动劣质内容在搜索结果中的实际排名。而且,这个老大难问题完全由谷歌一手造成——如今网络上的大多数惯例,就是为了迎合谷歌的搜索排名规则。所以作为治理一方,谷歌永远要落后于现实一步。
但为了继续保持其搜索巨头的地位,谷歌必须想办法从网络上整理出更加优质的内容。一段时间以来,谷歌公司曾频繁暗示要更多采取以人为本的设计理念,不能让搜索引擎被机器牵着鼻子走。其目标就是让优质内容压倒点击诱饵,而且谷歌也正在朝着这个方向推进。不过可以肯定的是,这必将是一条漫长而曲折的抗争之路。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。