Tìm hiểu sâu về cơ chế và cách thức vận hành của AI Overview

Google AI Overviews là một tính năng của Google Search giúp cung cấp tóm tắt thông tin nhanh chóng dựa trên truy vấn của người dùng. Hệ thống này sử dụng trí tuệ nhân tạo, cụ thể là các mô hình ngôn ngữ lớn (LLMs), để hiểu ý định và tạo ra phản hồi hữu ích.

Tiếp Nhận và Hiểu Truy Vấn

Khi người dùng nhập truy vấn, Google sử dụng LLMs để phân tích ngữ cảnh và ý định, đảm bảo hiểu rõ nhu cầu tìm kiếm.

Thu Thập và Xử Lý Nội Dung

Hệ thống thu thập các tài liệu liên quan từ web, như trang web, bài viết, hình ảnh, và video, dựa trên các tiêu chí như tính liên quan, xếp hạng vị trí, và độ tin cậy. Nó cũng xem xét các truy vấn liên quan để bổ sung thông tin.

Tạo và Điều Chỉnh Phản Hồi

LLMs kết hợp thông tin để tạo tóm tắt, có thể được điều chỉnh dựa trên tương tác người dùng, như giả định người dùng đã biết một số nội dung. Phản hồi có thể hiển thị với liên kết đến nguồn gốc để xác minh, cùng với mức độ tin cậy (cao, trung bình, thấp).

Tương Lai và Tùy Chỉnh

Người dùng có thể yêu cầu định dạng cụ thể, như danh sách hoặc biểu đồ, và hệ thống có thể xử lý các câu hỏi phức tạp trong một lần tìm kiếm, với kế hoạch nâng cấp như phản hồi hình ảnh và video.

Báo Cáo Chi Tiết Về Cách AI Overviews Vận Hành

Google AI Overviews là một tính năng tiên tiến của Google Search, ra mắt tại Mỹ vào ngày 14 tháng 5 năm 2024 và mở rộng sang các quốc gia như Anh, Ấn Độ, Nhật Bản, Indonesia, Mexico, Brazil vào ba tháng sau đó. Tính năng này sử dụng trí tuệ nhân tạo, cụ thể là các mô hình ngôn ngữ lớn (Large Language Models - LLMs), để cung cấp tóm tắt thông tin dựa trên truy vấn của người dùng, trước đây được gọi là Search Generative Experience (SGE). Dưới đây là phân tích chi tiết về cách nó vận hành, dựa trên các nguồn thông tin từ tài liệu chính thức của Google, nghiên cứu độc lập, và bằng sáng chế liên quan.

Bối Cảnh và Định Nghĩa

AI Overviews là một phần của nỗ lực của Google trong việc tích hợp AI tạo sinh (generative AI) vào kết quả tìm kiếm, xuất hiện ở "vị trí zero" trên trang kết quả tìm kiếm (SERP), đôi khi đi kèm với quảng cáo AI Overview Ads cho các truy vấn có ý định thương mại. Tính năng này được thiết kế để cung cấp tóm tắt thông tin nhanh chóng, giúp người dùng hiểu rõ chủ đề phức tạp hoặc câu hỏi chi tiết mà không cần tìm kiếm nhiều lần.

Quá Trình Vận Hành Chi Tiết

Dựa trên bằng sáng chế "Generative summaries for search results", quy trình vận hành của AI Overviews bao gồm các bước sau:

1. Tiếp Nhận Truy Vấn:

   • Người dùng có thể nhập truy vấn bằng văn bản, giọng nói, hình ảnh, hoặc thậm chí là các truy vấn ngầm định (implied query).

   • Ví dụ, một truy vấn như "tìm yoga studio tốt nhất ở Boston với ưu đãi cho thành viên mới" có thể được xử lý.

2. Hiểu Truy Vấn:

   • Google sử dụng các LLMs để phân tích ngữ cảnh và ý định của truy vấn. Điều này bao gồm việc xác định loại truy vấn (thông tin, giao dịch, điều hướng) và nhu cầu cụ thể của người dùng.

   • Hệ thống có thể phân loại truy vấn bằng các classifier hoặc quy tắc để chọn mô hình phù hợp, chẳng hạn LLM thông tin cho các câu hỏi cần chi tiết hoặc LLM sáng tạo cho các yêu cầu sáng tạo.

3. Thu Thập Nội Dung:

   • Hệ thống chọn các tài liệu kết quả tìm kiếm (Search Result Documents - SRDs) dựa trên nhiều tiêu chí, được chia thành ba nhóm:

     • Phụ thuộc vào truy vấn: Tính liên quan, xếp hạng vị trí, vị trí địa lý, ngôn ngữ.

     • Độc lập với truy vấn: Tỷ lệ lựa chọn, độ tin cậy, độ phổ biến, độ tươi mới.

     • Phụ thuộc vào người dùng: Hồ sơ người dùng, tương tác trước đó, các truy vấn gần đây, và các tương tác không phải truy vấn (như lịch sử duyệt web).

   • Ngoài ra, hệ thống có thể bao gồm SRDs từ các truy vấn liên quan, gần đây, hoặc ngầm định, dựa trên độ tương quan, độ chồng chéo, hoặc dữ liệu hồ sơ người dùng.

4. Xử Lý Nội Dung Bổ Sung:

   • Hệ thống xem xét các truy vấn liên quan và thông tin hữu ích từ các truy vấn tương tự để bổ sung ngữ cảnh, đảm bảo phản hồi toàn diện.

   • Ví dụ, nếu người dùng tìm kiếm "yoga studio ở Boston", hệ thống có thể thêm thông tin về ưu đãi hoặc đánh giá từ các truy vấn liên quan.

5. Tạo Tóm Tắt:

   • Một LLM được sử dụng để xử lý nội dung từ các SRDs đã chọn và tạo ra một tóm tắt bằng ngôn ngữ tự nhiên (Natural Language - NL). Quá trình này có thể bao gồm:

     • Sử dụng một LLM để chọn các đoạn văn (passages) từ SRDs.

     • Một LLM khác tạo tóm tắt cho từng đoạn văn.

     • Một LLM thứ ba tổng hợp các tóm tắt này thành một tóm tắt chung.

   • LLM có thể được điều chỉnh bằng các prompt như "tóm tắt nội dung sau" để đảm bảo phù hợp với yêu cầu.

   • Hệ thống cũng có thể sử dụng nhiều LLMs song song để tạo ra các ứng viên (candidate summaries) và chọn phiên bản tốt nhất, với các LLMs khác nhau về huấn luyện, fine-tuning, hoặc kiến trúc.

6. Phản Hồi Động và Nhận Diện Ngữ Cảnh:

   • Phản hồi được điều chỉnh dựa trên ngữ cảnh của truy vấn. Ví dụ, nếu hệ thống phát hiện người dùng đã quen thuộc với một số nội dung (dựa trên hồ sơ), nó có thể giả định "người dùng đã biết X" và tập trung vào nội dung mới.

   • Đối với các truy vấn lặp lại hoặc tương tự, hệ thống điều chỉnh để cung cấp thông tin bổ sung hoặc chi tiết hơn, đảm bảo tính linh hoạt.

7. Tương Tác và Học Hỏi Của Người Dùng:

   • Phản hồi được điều chỉnh dựa trên tương tác của người dùng với các SRDs. Ví dụ, nếu người dùng đã xem một số nội dung, hệ thống có thể giả định người dùng đã biết một phần và bổ sung thông tin khác.

   • Hệ thống học hỏi từ các tương tác này để cải thiện độ chính xác và liên quan của các phản hồi trong tương lai, chẳng hạn bằng cách xử lý thêm nội dung (như nội dung Y) sau khi người dùng tương tác.

8. Nâng Cao Độ Chính Xác và Liên Quan:

   • Hệ thống liên tục cập nhật với thông tin mới và học hỏi từ tương tác người dùng để cung cấp phản hồi ngày càng tốt hơn.

   • Nếu mức độ tin cậy (confidence) của phản hồi đạt ngưỡng cao, hệ thống có thể ẩn các kết quả tìm kiếm bổ sung để tăng hiệu quả, chẳng hạn không hiển thị thêm kết quả nếu tóm tắt đã đủ chi tiết.

Tùy Chỉnh và Định Dạng

• Người dùng có thể yêu cầu định dạng cụ thể cho phản hồi, chẳng hạn như "dạng danh sách", "dạng biểu đồ", "top 5", hoặc "theo phong cách X". Hệ thống sẽ chọn hoặc điều chỉnh LLM phù hợp để đáp ứng, chẳng hạn bằng cách fine-tuning hoặc thay đổi prompt.

• Ví dụ, người dùng có thể yêu cầu "tóm tắt 5 lợi ích của yoga dưới dạng danh sách", và hệ thống sẽ điều chỉnh để đáp ứng.

Giao Diện và Xác Minh

• Phản hồi được hiển thị với các liên kết đến các SRDs nguồn gốc, cho phép người dùng xác minh thông tin. Các liên kết này được nhấn mạnh (linkified) trong tóm tắt, giúp người dùng dễ dàng truy cập nguồn gốc.

• Hệ thống cũng có thể hiển thị mức độ tin cậy (confidence annotations) như màu xanh (cao), cam (trung bình), hoặc đỏ (thấp), giúp người dùng đánh giá độ tin cậy của thông tin.

Sử Dụng Nhiều Mô Hình

• Dựa trên loại truy vấn, hệ thống có thể chọn các mô hình tạo thành khác nhau:

  • LLM thông tin: Cho các câu hỏi cần thông tin chi tiết, như "các loại tế bào trải qua nguyên phân".

  • LLM sáng tạo: Cho các yêu cầu sáng tạo, như "hình ảnh mèo chơi guitar".

  • Mô hình text-to-image diffusion: Cho các truy vấn liên quan đến hình ảnh.

• Lựa chọn này dựa trên phân loại truy vấn bằng classifier hoặc quy tắc, cũng như chất lượng của SRDs.

Tác Động và Hạn Chế

• AI Overviews xuất hiện cho 59% các truy vấn thông tin và 19% các truy vấn có ý định thương mại, nhưng có thể giảm số lần nhấp vào website do chiếm không gian lớn trên SERP.

• Tuy nhiên, nghiên cứu cho thấy có tranh cãi về độ chính xác, với khả năng cung cấp thông tin không chính xác hoặc thiên vị, và Google đang làm việc để cải thiện. Người dùng được khuyến khích kiểm tra thông tin từ nhiều nguồn để đảm bảo độ tin cậy.

Kế Hoạch Phát Triển Tương Lai

Google đang lên kế hoạch nâng cấp AI Overviews với các tính năng như phản hồi hình ảnh và video, định dạng phong phú hơn, và cải thiện truy cập nội dung web, đặc biệt thông qua AI Mode, một thí nghiệm mới sử dụng Gemini 2.0 cho các câu hỏi phức tạp. AI Mode cho phép xử lý các câu hỏi đa phần, như "so sánh tính năng theo dõi giấc ngủ giữa smart ring, smartwatch và tracking mat", với khả năng theo dõi sâu hơn.

AI Overviews vận hành bằng cách sử dụng LLMs để tạo tóm tắt thông tin từ các tài liệu liên quan, với khả năng điều chỉnh dựa trên ngữ cảnh, tương tác người dùng, và yêu cầu định dạng. Tuy nhiên, do tính phức tạp và tranh cãi về độ chính xác, người dùng nên kiểm tra thông tin từ nhiều nguồn để đảm bảo độ tin cậy.