Googleがコンテンツを評価する方法:最新の更新

Google's Method for Evaluating Content Latest Updates

グーグルは、世界をリードする検索エンジンであり、人工知能(AI)技術の理解と適応において重要な進展を遂げています。最近のGoogle Search Central Live Tokyo 2023イベントでは、ゲイリー・イリエス氏をはじめとする専門家たちが、GoogleのAI生成コンテンツに対するアプローチについて貴重な洞察を共有しました。本記事では、GoogleのAIコンテンツに関する方針や、コンテンツ評価におけるE-E-A-T(Experience、Expertise、Authoritativeness、Trustworthiness)の概念について掘り下げます。

Google Search Central Live Tokyo 2023:AIコンテンツに関する洞察

Google Search Central Live Tokyo 2023イベントでは、ゲイリー・イリエス氏をはじめとする業界の専門家たちが、AI生成コンテンツに関するGoogleの最新の見解と推奨事項について明らかにしました。このイベントは、コンテンツ制作者や出版社にとってのAIのチャレンジや機会を議論するプラットフォームを提供しました。

また読む:Google I/O 2023のハイライト

GoogleはAIではなく、コンテンツの品質を優先する

コンテンツがAI生成されたものであろうとなかろうと、Googleはコンテンツの品質に重要性を置いています。Googleは、関連性が高く、価値があり、信頼性のある情報をユーザーに提供することに注力しています。つまり、コンテンツの品質は、その作成方法よりも重要です。

区別なし:GoogleはAI生成コンテンツにラベルを付けない

一部の人々は、GoogleがAI生成と人間によるコンテンツを区別するのかと疑問に思うかもしれませんが、答えは「いいえ」です。Googleは、AI生成コンテンツに明示的にラベルを付けていません。これは、コンテンツの起源にかかわらず、その価値と関連性に基づいてコンテンツを評価することにGoogleがコミットしていることを強調しています。

また読む:AI検出器がAI生成と判定した米国憲法

EUによるAI生成コンテンツのラベル付けの呼びかけ

フェイクニュースへの対抗の文脈で、欧州連合(EU)は、ソーシャルメディア企業に対してAI生成コンテンツに自主的にラベルを付けるよう促しています。しかし、Googleは出版社に対してそのようなラベル付けの要件を課しておらず、ラベル付けよりもコンテンツの品質を優先することを選択しました。

また読む:EU、ディープフェイクとAIコンテンツの識別策を提唱

GoogleはAI生成画像にラベル付けを推奨する

Googleは、IPTC画像データのメタデータを使用してAI生成画像にラベルを付けることを出版社に推奨していますが、必須ではありません。このアプローチにより、透明性が確保され、ユーザーがAI生成ビジュアルを識別できるようになります。さらに、画像AI企業は、出版社の手間を省き、自動的にメタデータを追加する自動化方法を開発しています。

また読む:Googleが発表したスタイルドロップ:驚くべきビジュアルのための究極のデザインハック

判断の余地あり:AI生成テキストのラベル付けは出版社が決定する

画像とは異なり、Googleは出版社に対して、AI生成テキストコンテンツにラベルを付けることを要求していません。代わりに、Googleは、テキストコンテンツをAI生成とラベル付けすることが、全体的なユーザーエクスペリエンスを向上させるかどうかを出版社の裁量に委ねています。この柔軟なアプローチは、コンテンツの性質が異なることを認識し、出版社の判断を尊重しています。

人間によるコンテンツはGoogleのランキングで依然として主導的な役割を果たす

人間によるコンテンツの重要性を強調することで、Googleは、そのアルゴリズムとランキングシグナルが、自然な人間によるコンテンツを評価して優先するように主に設計されていることを再確認しています。これにより、各分野で経験、専門知識、権威性を持つ個人によって作成されたコンテンツがGoogleのランキングの最前線に位置することが保証されます。

また読む:グラミー賞がAIを禁止:人間の創造者が中心に

E-E-A-Tの理解:コンテンツ評価における重要な要素

E-E-A-Tは、Experience、Expertise、Authoritativeness、Trustworthinessの頭文字をとった略語であり、Googleのコンテンツ評価プロセスにおいて重要な役割を果たしています。Googleの検索品質評価者ガイドラインでは、著者がその主題に対する専門知識や経験を示しているかどうかを評価することが推奨されています。この基準は、コンテンツの信頼性と信頼性を確立するのに役立ちます。

AIが抱える経験と品質の閾値に対する課題

AIが直面する課題の1つは、特定のトピックや製品における経験を主張することができないことです。そのため、AI生成コンテンツは、人間の経験に重点を置いた特定のタイプのコンテンツの品質基準を満たすことができない場合があります。Googleはこの問題に対して認識を示し、この懸念に対処し、包括的な方針を確立するための内部的な議論を行っています。

移行期:AIの信頼性の評価

AI技術が進歩するにつれて、AIによるコンテンツの信頼性の不足は独自の課題を提供します。かつてはAIによるコンテンツを実験することに熱心だった主要なメディア企業も、その意義を見直すために今はスローダウンしています。Googleはコンテンツの品質維持の重要性を認識し、出版社が望む基準を満たすように注意を促しています。

また読む:Google Bardの最新の進展が論理と推論を向上

私たちの意見

GoogleのAIコンテンツに対する進化する方針は、AI技術の進展に合わせてコンテンツの品質の重要性を強調しています。Googleがアプローチを洗練するにつれて、出版社はE-E-A-T原則に沿った価値ある信頼性の高いコンテンツを作成するよう努めるべきです。GoogleのAIによるコンテンツに対する姿勢を理解することで、出版社は最高のユーザー体験を提供しながらオンラインプレゼンスを最大化するために戦略を適応させることができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

コンピュータサイエンス

「生成AI」の「スーパーユーザー」に出会ってください:Gen Zの70%がGenAIを使用しています

Salesforceの調査によると、年齢と雇用状況はAIの導入における主要な要素です

データサイエンス

「ミストラル・トリスメギストス7Bにお会いしてください:神秘的で霊的なオカルトの知恵伝統に関する指示データセット...」

ミストラル・トリスメギストス7Bは、Google AIによって開発された巨大な言語モデルであり、巨大な文学とコードのデータセット...

機械学習

「Embroid」を紹介します:複数の小さなモデルから埋め込み情報を組み合わせるAIメソッドで、監視なしでLLMの予測を自動的に修正することができます

もしも、薬や医療歴に基づいた基本的なデータ分析を行うための言語モデル(LM)をプログラムしたとしたら、機械学習モデルの...

AI研究

「ジョンズ・ホプキンス大学の研究者たちは、がんに関連するタンパク質フラグメントを正確に予測することができる深層学習技術を開発しました」

ジョンズ・ホプキンス大学のエンジニアとがん研究者は、最先端の深層学習技術を駆使して、個別のがん治療における画期的な突...

人工知能

「A.I.ブームで最も不可欠な賞を必死に追い求める」

人工知能製品を動かすために、スタートアップ企業と投資家は、グラフィックス処理ユニット(GPU)として知られる重要なチップ...

AI研究

MITとFAIR Metaの研究者は、「組織化された条件つき画像生成 (Representation-Conditioned Image Generation; RCG):クラス非依存の画像生成における画期的なAIフレームワーク」を発表しました

人の注釈に頼らずに高品質な画像を生成する方法はありますか?MIT CSAILとFAIR Metaのこの論文では、人の注釈に頼らずに高品...