什麼是Google AI Overview?
傳統的搜尋結果往往只依賴關鍵字匹配，導致我們在Google的時候，常常需要花費大量的時間做研究，其中可能有部分時間花在瀏覽不相關或過時的資訊。
而AI摘要(AI Overview)運用大型語言模型(Large Language Model) ，整合多個搜尋結果中的關鍵資訊，並結合搜尋習慣和個人偏好，自動生成簡單扼要的摘要，迅速讓使用者能掌握重點。同時，摘要中也提供相關連結，方便深入瞭解特定內容。
本文將根據Google的一項關於大語言模型應用在搜尋引擎的專利，探討Google AI Overview是如何生成的。
- 專利名稱: Generative summaries for search results
- 專利代號: US11769017B1
- 專利申請者: Google Inc.
上下文的威力
這項專利技術的核心概念，是運用 LLM 來處理除了被使用者搜尋的內容以外，在該主題下更多的相關資訊，從而更深入理解使用者的需求。它不僅僅停留在關鍵字匹配的層面上，而是透過分析「上下文」來精準地提供使用者真正需要的答案。
那麼，究竟什麼是「上下文」呢？
- 與搜尋直接相關的網頁：直接回答使用者搜尋的內容，提供最基本的資訊。
- 與搜尋部分相關的網頁：與使用者搜尋內容相似，但可以提供更廣泛的資訊。
- 與近期搜尋相關的網頁：與使用者最近的搜尋紀錄相關，反映使用者的興趣和需求的變化。
- 可能跟搜尋相關的網頁：這些網頁根據使用者的個人檔案、使用習慣和當下情境自動生成，提供更個人化的資訊。
通過整合這些不同層次的上下文資訊，大型語言模型可以更全面理解使用者的搜尋意圖，並生成更準確、更相關的搜尋結果摘要。
舉例來說，假設你搜尋「如何製作蛋糕」，傳統的搜尋結果可能會列出各種蛋糕食譜。而運用上下文資訊，搜尋結果摘要可以更精準判斷你是否需要基礎的蛋糕製作方法、特定的蛋糕種類、或是某種特殊食材的蛋糕食譜。
甚至，它可以根據你最近瀏覽過的烘焙工具網站，推薦你適合製作該蛋糕的工具。由此可見，上下文資訊的運用，為搜尋結果帶來了革命性的改變，讓搜尋引擎不再只是冷冰冰的工具，而是真正理解你的需求。
量身打造動態摘要
想像一下，你的搜尋結果摘要可以隨著你的互動而改變，就像一位貼心的導遊，根據你的喜好調整行程。這正是這項專利技術的另一大亮點：動態摘要。
傳統的搜尋結果摘要是靜態的，無論你點擊哪個連結，它都保持不變。而動態摘要則會根據你的互動，例如點擊特定連結、瀏覽特定頁面等，自動更新內容，提供更精準、更符合你當下需求的資訊。
舉例來說，假設你搜尋「台北旅遊景點」，初始的動態摘要可能會列出一些熱門景點。當你點擊「夜市美食」的連結後，摘要就會更新內容，重點介紹台北的夜市文化和特色小吃，甚至可以根據你過去的搜尋紀錄，推薦你可能會喜歡的夜市。 這種個人化、互動式的搜尋體驗，將徹底改變我們獲取資訊的方式。
信心指數與生成模型的選擇
為了確保搜尋結果摘要的可靠性，這項專利技術引入了「信心指數」的概念。系統會針對摘要內容的不同部分進行評估，並以分數或顏色標記，代表其可信度。例如，高可信度的部分可能會以綠色標記，而低可信度的部分則可能以紅色標記。
此外，系統會根據查詢內容和上下文訊息，從眾多的語言模型中選擇最合適的一個來生成摘要。因為不同的LLM擅長處理不同的任務，例如資訊檢索或創意寫作。智能選擇AI模型，能確保摘要的內容既準確又生動，滿足不同用户的需求。
信心指數和生成模型選擇的結合，為搜尋結果摘要提供了雙重保障：
- 信心指數：幫助用户快速判斷摘要的可信度，將注意力集中在最可靠的訊息上。
- 選擇生成式模型：根據任務需求選擇最合適的LLM，確保摘要內容的品質和風格。
透過這些設計，這項專利技術將搜尋結果的準確性、相關性和可靠性提升到了一個全新的高度。
Google專利給SEO的啟發
- 聚焦實體和主題：瞭解與內容相關的實體(Entity)和主題(Topic)，並確保它們能被清晰的呈現。這有助於LLM掌握網頁的核心含義。
- 建立內部連結：建立一個內部連結網路，將相關頁面和主題連接起來，模仿LLM探索相關資料的方式。
- 鼓勵互動：透過發人深省的問題，鼓勵受眾評論和分享內容。用戶互動向LLM傳達了內容的相關性和可信度。
- 追蹤用戶行為：分析用戶如何與你的內容互動（停留時間、點擊率），以找出需要改進和個人化的部分。
- 利用結構化資料：使用Schema標記，有助於LLM更輕鬆理解內容。
總結
這項專利技術的核心貢獻，在於利用大型語言模型和上下文資訊，創造更加個人化、智慧化和互動化的搜尋體驗。
透過這項技術，我們將告別傳統關鍵字匹配的局限，迎來一個真正理解我們需求的搜尋引擎。它將成為我們探索知識、獲取資訊、做出決策的得力助手，引領我們進入一個全新的資訊時代。
