Bing が AI 検索の可視性にとってグラウンディングの意味を明らかにする
Microsoft の Bing チームは、検索結果のランク付けではなく AI の答えを根拠にすることが目標である場合に、インデックス作成の要件がどのように変化するかを説明したフレームワークを公開しました。
この投稿では、同社によると 2 つのシステムが異なる 5 つの測定領域が特定されています。また、AI を活用した検索の設計上の選択肢として「棄権」を挙げています。
マイクロソフトが説明した内容
この投稿では、従来の検索インデックスとグラウンディング インデックスは同じ基盤を共有していますが、異なる目的を果たしていると主張しています。
従来の検索では「ユーザーはどのページにアクセスすべきか?」とチームは書いている。グラウンディング層は、「AI システムが応答を構築するために責任を持って使用できる情報は何ですか?」と尋ねます。
Microsoft では、測定要件が異なる 5 つのカテゴリを特定しています。
事実の忠実性に関して、チームは、ユーザーがクリックスルーして評価できるため、従来の検索では多少のランキングの不一致は許容できると指摘しています。この投稿では根拠として、コンテンツを取得可能なチャンクに分割することは、「ランキング シグナルには決して表示されない方法でページの内容を歪める可能性がある」プロセスであると説明しています。
ソース アトリビューションの品質について、Bing チームはアトリビューションを従来の検索では役立つものの、基礎付けでは「コア シグナル」と呼んでいます。 AI の回答の証拠として、インデックス付けされたすべてのコンテンツが同等に重要であるわけではない、とチームは付け加えています。
鮮度に関しては、Microsoft はコストの明らかな違いを指摘しています。検索のコンテンツが古くなると、ランキングの問題になります。この投稿は根拠として、「古い事実は誤解を招く反応を生み出す」と述べている。
価値の高い事実を報道する場合、この投稿では、代替結果が存在するため、検索で見逃した文書を回復できると説明しています。根拠付けにおいては、インデックスは「人々が尋ねる可能性が高い特定の事実と情報源が実際に入手可能であり、根拠のあるもの」であることを保証する必要があります。
矛盾がある場合、従来の検索では、あるソースを別のソースの上に表示し、ユーザーに決定させることができます。接地システムではそれができません。 「矛盾する情報源の間を黙って調停する AI システムは、自信を持って間違ったことを主張する可能性があるシステムです」と研究チームは述べています。
棄権と反復検索
この投稿では、システム間の 2 つの設計の違いについても説明します。
Microsoftは回答拒否を「棄権」としている。接地システムの場合、サポートが不足している、古い、または競合している場合、これは有効な結果です。従来の検索では、人間が評価できるオプションが提示されるため、この判断を行う必要がありません。
もう 1 つの違いは、反復取得です。従来の検索は通常、クエリが入力され、ランク付けされた結果が出力される単一のインタラクションです。接地システムは、フォローアップの質問をし、中間結果に基づいて検索を改良し、複数の情報源からの証拠を組み合わせる必要がある場合があります。
初期の検索ステップでのエラーは、「人間のレビュー担当者がリアルタイムで把握できないような形で、その後の推論ステップで複雑化します」と投稿では付け加えています。
コンテクスト
このブログ投稿は、基礎となるツールを構築し、パブリッシャーにそれを可視化するという Microsoft の一連の動きの後に公開されました。
Microsoft は 2 月に、Bing ウェブマスター ツールで AI パフォーマンス ダッシュボードを開始し、AI が生成した回答に対する最初のページレベルの引用データをサイトに提供しました。同社は 3 月に Bing ウェブマスター ガイドラインを書き換えて、名前付きの最適化カテゴリとして GEO を含め、同月に基礎的なクエリとページのマッピングをダッシュボードに追加しました。 4 月の SEO Week で、Madhavan は、引用シェアやグラウンディング クエリ インテント ラベルなど、ダッシュボードの 4 つの追加機能をプレビューしました。
この投稿は以前の発表よりも概念的なものです。新しいツールや機能は導入されません。代わりに、同社がインデックスの進化の指針として説明するエンジニアリング原則を説明します。
なぜこれが重要なのか
このフレームワークは、Microsoft が AI 回答のインデックスからシステムに必要としているものを明確にします。
Microsoft は、グラウンディングは検索と同じクローリング、品質、Web の理解に依存していると述べていますが、根拠のある回答には正確で新鮮で帰属可能で一貫性のある証拠が必要です。コンテンツが回答に使用される場合、古い事実、弱い情報源、矛盾はリスクを引き起こします。
将来を見据えて
この投稿では、一部のコンテンツが AI にとって引用されやすい理由についての洞察が得られます。 SEO Week でプレビューされた引用シェアとインテントラベル機能が出荷されれば、ここで説明した測定の優先順位が実際のパブリッシャーデータに現れるかどうかをテストするのに役立つ可能性があります。
注目の画像: TYリム/シャッターストック
