Sztuczna inteligencja w SEO

Jej fascynacja sięga aż XIX wieku, kiedy światem zawładnęły liczne odkrycia naukowe, a literaturą popularny gatunek science fiction z Frankensteinem Mary Shelley na czele. Wtedy właśnie sztuczne istoty zdolne do myślenia rozpowszechniły się w fikcji, natomiast dzisiaj jej zalążki widywane są niemalże w każdej dziedzinie życia. O ile do osiągnięcia jej pełnego potencjału jeszcze długa droga, tak już dziś bardzo wiele branż zdaje sobie sprawę z ogromnej mocy i szeregu zastosowań sztucznej inteligencji w praktyce – choćby w pozycjonowaniu czy marketingu.

Na co dzień widzimy ją w różnego rodzaju urządzeniach i aplikacjach. Często spotykana jest w nowoczesnych fabrykach, a tłumacze używają jej do translacji treści, szczególnie tych technicznych. Ponadto, o SI (sztuczna inteligencja) słyszymy, kiedy mowa o inteligentnych samochodach i domach, a w wolnym czasie czatujemy z botami w naszych ulubionych sklepach online. Znajdziemy ją oczywiście również w… kieszeniach. Aktualnie w Polsce aż 75% osób ma smartfona, a w nim najprawdopodobniej Asystenta Google bądź Siri. Na świecie z kolei coraz większą popularnością cieszy się Alexa, wirtualny asystent Amazona. Wszystko to sprawia, że nie jesteśmy w stanie w żaden sposób uciec od sztucznej inteligencji.

SI, uczenie maszynowe oraz sieci neuronowe to trzy pojęcia, które bardzo często stosowane są zamiennie. To błąd, gdyż są to trzy różne, niemniej jednak zależne od siebie rzeczy. SI to swoisty kod, technika lub algorytm, który pozwala maszynom na naśladowanie, rozwijanie i demonstrowanie ludzkiego zachowania, np. myślenia. W ogromnym skrócie, sztuczna inteligencja to koncept, który mówi o maszynach mogących naśladować ludzką inteligencję. Nie chodzi już tylko o odpowiadanie na pytania, jak to bywa np. z wirtualnymi asystentami, ale również rozumienie, planowanie czy predykcję zachowań. Sztuczna inteligencja ma być “inteligentna”, oznacza to, że komputer może przejawiać oznaki inteligencji, nie będąc równocześnie inteligentnym.

Według wielu naukowców aktualnie znajdujemy się w fazie WEAK AI, oznacza to, że dzisiejsza technologia to dopiero zarodek. W przyszłości, w fazie STRONG AI, maszyny będą robić wszystko to, co ludzie. Jednakże, abyśmy mogli dotrzeć do tak zaawansowanego etapu, musimy najpierw nauczyć maszyny wszystkich ludzkich zwyczajów i zachowań. Techniki i procesy używane przez naukowców i specjalistów ulepszających dzisiejsze inteligentne roboty nazywamy uczeniem maszynowym.

Machine learning (ML) to algorytm lub technika, rozpoznające wzorce i później robiące coś według tych wzorców. Ma to swoje wady – uczenie maszynowe działa według określonych schematów. Natomiast, w momencie, gdy komputer otrzyma coś, z czym się jeszcze nie spotkał, coś, co wykracza poza jego możliwości, to przestaje być użyteczny. W tym procesie nie ma miejsca na kreatywność czy myślenie. Maszyna uczy się z doświadczeń, może nauczyć się rozpoznawać głos, obrazy czy treści, a dzieje się to za pomocą danych wprowadzanych do specjalnego programu, który jest w stanie “nauczyć się” z tych danych. W rezultacie maszyna wie, jak używać i rozpoznawać rzeczy mieszczące się w zbiorze danych, nawet jeśli wcześniej nie miała z nimi do czynienia.

Uczenie maszynowe możemy podzielić na nadzorowane i nienadzorowane. W nadzorowanym maszyny uczą się przewidywania wyników na postawie przykładów. Dane wejściowe wykorzystuje się do wyszukiwania zależności, które z kolei służą do rozwiązywania problemów, a otrzymany wzorzec wykorzystywany jest w podobnych przypadkach. W uczeniu nienadzorowanym maszyny uczą się przewidywać wyniki w trakcie rozpoznawania wzorów w danych wejściowych. Kiedy maszyny mogą wyciągać sensowne i konkretne wnioski z ogromnych ilości danych, demonstrują umiejętność nauki głębokiego nauczania.

Sztuczne sieci neuronowe oparte zostały na modelu ludzkiego mózgu, który działa właśnie dzięki neuronom. Gdy te zostaną ze sobą połączone, tworzą sieć przesyłania danych. Dopiero po dodaniu danych, określeniu co one oznaczają oraz wskazaniu pożądanego rezultatu sieci te tworzą umiejętność rozpoznawania w ogólnym schemacie. Jest to jedna z najczęściej używanych i najpopularniejszych metod wykorzystywanych do budowania oprogramowania nauczania maszynowego.

W uczeniu maszynowym, jeżeli maszyna otrzyma coś, z czymś się jeszcze nie spotkała i wykracza poza jej umiejętności, przestaje być użyteczna. Nie ma w tym procesie miejsca na kreatywność. Z kolei sztuczna inteligencja, w odróżnieniu od sieci neuronowych oraz uczenia maszynowego z założenia powinna być kreatywna, posiadać umiejętność myślenia abstrakcyjnego oraz móc analizować rzeczy poza znanym jej kontekstem.

Jak już wspominaliśmy, najnowsze technologie swoje zastosowanie znalazły w wielu różnych dziedzinach życia. Według ekspertów marketing daje ogromne pole do popisu SI, gdyż to właśnie w tej branży analizowane są ogromne ilości danych, a maszyny doskonale spisują się w odnajdywaniu zależności i typów zachowań. Sztuczna inteligencja od Google, a dokładniej samouczące się algorytmy, zbierają dane na temat aktywności użytkowników w sieci, czasie spędzania na stronach internetowych itp. Pozwala to osiągnąć lepszą konwersję kampanii reklamowych. Deep learning wykorzystywane jest do analizy danych i przydaje się np. podczas targetowania reklam. Pozwala zwiększyć zaangażowanie klientów oraz zoptymalizować koszt kampanii.

Proponowane oferty widoczne po włożeniu produktów do koszyka w sklepie internetowym to również sprawka SI, a dokładniej, ML. Niemalże do perfekcji opanował to Amazon, tworząc jeden z najlepszych i najbardziej zaawansowanych systemów, oferując użytkownikom spersonalizowane user experience. Każdy z milionów klientów sklepu internetowego po otwarciu strony głównej zostaje przywitany wyjątkowym, w pełni spersonalizowanym widokiem, opartym na podstawie jego zainteresowań i historii zakupów.

AI Copywriter to pojęcie, które coraz częściej pojawia się podczas rozmów o sztucznej inteligencji w pozycjonowaniu. Już dzisiaj możemy znaleźć w sieci artykuły napisane przez boty i to nie tylko te szkodliwe, szerzące fake news. Washington Post opatentował Heliograf, program piszący artykuły, które widziane są później na stronie internetowej gazety. Forbes również używa SI – Bertie to program, który pomaga dziennikarzom w tworzeniu pierwszych szkiców artykułów oraz szablonów newsów. Bardzo podobnie działające, inteligentne narzędzia używane są w e-commerce.

Alibaba to jedna z największych na świecie firm zajmujących się handlem detalicznym i e-commerce. Ponadto, znajdują się również na liście największych firm internetowych oraz firm zajmujących się sztuczną inteligencją. Ich własnością jest m.in. sklep internetowy Taobao, który należy równocześnie do jednej z najczęściej odwiedzanych stron internetowych na świecie. To także portal, który używa technologie głębokiego uczenia się oraz przetwarzania języka naturalnego z milionów najwyższej jakości, istniejących próbek do generowania tytułów i opisów produktów. Umożliwia on wytworzenie nawet 20 000 wersów na sekundę. Eksperci twierdzą, że narzędzie to używane jest nawet milion razy dziennie przez wszystkich sprzedawców na witrynach należących do Alibaby.

Już od lat Google Ads z powodzeniem używa uczenia maszynowego. Jak już wspominaliśmy, dzięki ML maszyny są w stanie analizować ogromne ilości zbiorów danych. Przykładowo, systemy Google automatycznie znajdują odpowiednich klientów, by osiągnąć jak najlepsze wyniki. Co ciekawe, są to zarówno nowe osoby, jak i dotychczasowi klienci, którym oferowane są produkty lub usługi, które mogłyby ich zainteresować.

Według Hitwise, wyszukiwanie głosowe jest obecnie drugim najpopularniejszym wyborem wyszukiwania, zaraz po przeglądarce mobilnej. Wyszukiwanie głosowe opiera się dna technologiach sztucznej inteligencji, takich jak generowanie i przetwarzanie języka naturalnego. Stąd też nacisk na frazy długiego ogona. Urządzenia głosowe dostępne są w smartfonach, nowoczesnych autach i inteligentnych domach, a “walka o głos” nadal trwa. Mitch Joel, ekspert od marketingu, sugeruje, że aktualnie marki prześcigają się w tworzeniu coraz lepszych i bardziej zaawansowanych technologii, które mogłyby poprawić ich sposób łączenia się z klientami, a “Voice search” daje temu ogromne możliwości.

Obiektyw Google (Google Lens) to opracowana przez amerykańskie przedsiębiorstwo technologia rozpoznawania obrazu na podstawie sieci neuronowych. Aplikacja dostępna jest na smartfony i w styczniu 2021 dobiła do 500 milionów pobrań. Obiektyw Google łączy w sobie wiele funkcji.

SI używana przez Google przewiduje również reakcje określonej grupy docelowej na konkretną ofertę. To ona proponuje także jak najlepiej targetowane rekomendacje. Ponadto, same reklamy Google generowane mogą być automatycznie. Specjalista dodaje jedynie elementy, czyli np. nagłówki czy obrazy, natomiast to system automatycznie generuje reklamy widziane przez internautów na stronach internetowych i w aplikacjach.

Co ciekawe, ma to ogromny wpływ na sprzedaż stacjonarną. Według Think With Google około 76% wyszukiwań lokalnych z urządzeń mobilnych zakończonych jest wizytą w sklepie, a aż 26% z tych wizyt owocuje zakupem. Internauci chętnie wyszukują ofert lokalnych np. na smartfonach, dodając na końcu frazę “w pobliżu” (en. near me). Wtedy właśnie wyszukiwarka pokazuje im otwarte sklepy czy restauracje w pobliżu ich aktualnej lokalizacji.

Jest to oparty na uczeniu maszynowym algorytm wyszukiwarki Google używany odgadywania intencji użytkowników. Jego użycie pierwszy raz potwierdzone zostało przez Google w 2015 roku, przy czym na początku stosowany był tylko do 15% wszystkich zapytań, natomiast od 2016 Google używa go dla wszystkich zapytań. Wykorzystując możliwości sztucznej inteligencji, potrafi lepiej odpowiedzieć na potrzeby użytkownika niż standardowe algorytmy. RankBrain nieustannie uczy się, jakie wyniki powinny być wyświetlane w określonym momencie.

Podobnie jak jego poprzednik, Koliber, ma wpływ na naturalność fraz. Gdy Rankbrain nie rozpoznaje jakiejś frazy lub słowa, to może odgadnąć wyrażenia o podobnym znaczeniu, by odpowiednio odfiltrować wyniki. Jest on bardzo skuteczny w przypadku, gdy ma do czynienia z zapytaniami, z którymi nie miał jeszcze styczności. Rankbrain świetnie interpretuje również relacje między słowami. Obejmuje to tzw. stop words, czyli stop słowa, słowa odrzucane przez wyszukiwarki internetowe w celu zredukowania wielkości zbiorów, takie jak spójniki i, oraz, lub. Dlaczego są one odrzucane? Ponieważ nie niosą ze sobą znaczenia. Jest on ciągle ulepszany i stara się odgadnąć, co ludzie mają na myśli, a następnie odpowiednio dostosowuje wyniki, by zapewnić większą użyteczność wyszukiwarki.

Wiele osób poszukuje interesujących ich produktów lub usług poprzez wpisanie w wyszukiwarkę nienaturalnego ciągu słów, który według nich zostanie zrozumiany przez wyszukiwarkę. BERT, czyli Bidirectional Encoder Representations from Transformers, to dodatek do RankBrain. Algorytm oparty jest na przetwarzaniu języka naturalnego. Technologia od Google przetwarza słowa w odniesieniu do wszystkich innych wyrazów w zdaniu, a nie jedno po drugim. To znaczne ułatwienie dla internautów, których długie zapytania rozumiane są o wiele lepiej, a proponowane wyniki są coraz trafniejsze.

Dzisiaj sztuczna inteligencja od Google najczęściej używana jest w formie uczenia maszynowego przez Google Ads czy Rankbrain. Amazon wykorzystuje ją, by zdobyć aprobatę użytkowników oraz oczywiście wyższe sprzedaże, natomiast Alibabie zależy na szybkim generowaniu trafnych tytułów i opisów produktów. Dziś specjaliści od marketingu i pozycjonowania dopiero poznają moc sztucznej inteligencji w praktyce, a wielu ekspertów i naukowców jest zdania, że to dopiero początek wykorzystywania możliwości SI.