AI ਓਵਰਵਿਊ ਤੋਂ ਬਾਅਦ ਸਰਚ ਦੀ ਨਵੀਂ ਹਕੀਕਤ

ਵੈੱਬ ਹੁਣ ਲਿੰਕਾਂ ਦੀ ਲਾਇਬ੍ਰੇਰੀ ਤੋਂ ਬਦਲ ਕੇ ਇੱਕ ਅਜਿਹੀ ਮਸ਼ੀਨ ਬਣ ਰਿਹਾ ਹੈ ਜੋ ਖੁਦ ਜਵਾਬ ਦਿੰਦੀ ਹੈ। ਦਹਾਕਿਆਂ ਤੱਕ, ਸਰਚ ਇੰਜਣਾਂ ਨੇ ਵਿਚੋਲੇ ਵਜੋਂ ਕੰਮ ਕੀਤਾ। ਉਹ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵੈੱਬਸਾਈਟਾਂ ਵੱਲ ਭੇਜਦੇ ਸਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਖੋਜ ਰਾਹੀਂ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਲੱਭਣ ਦਿੰਦੇ ਸਨ। ਹੁਣ, ਉਹ ਉਪਭੋਗਤਾ ਦੇ ਕਲਿੱਕ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਉਹਨਾਂ ਵੈੱਬਸਾਈਟਾਂ ਦਾ ਸਾਰ (summary) ਪੇਸ਼ ਕਰ ਦਿੰਦੇ ਹਨ। Zero-click search ਵੱਲ ਇਹ ਬਦਲਾਅ ਮਤਲਬ ਹੈ ਕਿ ਕ੍ਰਿਏਟਰਾਂ ਅਤੇ ਪਲੇਟਫਾਰਮਾਂ ਵਿਚਕਾਰ ਰਵਾਇਤੀ ਰਿਸ਼ਤਾ ਟੁੱਟ ਚੁੱਕਾ ਹੈ। ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਜੋ ਚਾਹੀਦਾ ਹੈ ਉਹ ਤੇਜ਼ੀ ਨਾਲ ਮਿਲ ਜਾਂਦਾ ਹੈ, ਪਰ ਪਬਲਿਸ਼ਰਾਂ ਨੂੰ ਉਹ ਟ੍ਰੈਫਿਕ ਗੁਆਉਣਾ ਪੈਂਦਾ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਜ਼ਿੰਦਾ ਰੱਖਦਾ ਹੈ। ਇਹ ਸਿਰਫ ਇੱਕ ਐਲਗੋਰਿਦਮ ਅਪਡੇਟ ਨਹੀਂ ਹੈ, ਇਹ ਇੰਟਰਨੈੱਟ ‘ਤੇ ਜਾਣਕਾਰੀ ਦੇ ਚੱਲਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਬਦਲਾਅ ਹੈ। ਅਸੀਂ ਅਜਿਹੇ ‘ਅਨਸਰ ਇੰਜਣਾਂ’ (answer engines) ਦਾ ਉਭਾਰ ਦੇਖ ਰਹੇ ਹਾਂ ਜੋ ਡੂੰਘੀ ਖੋਜ ਨਾਲੋਂ ਤੁਰੰਤ ਸੰਤੁਸ਼ਟੀ ਨੂੰ ਪਹਿਲ ਦਿੰਦੇ ਹਨ। ਇਹ ਬਦਲਾਅ ਵੱਡੀਆਂ ਮੀਡੀਆ ਕਾਰਪੋਰੇਸ਼ਨਾਂ ਤੋਂ ਲੈ ਕੇ ਛੋਟੇ ਬਲੌਗਰਾਂ ਤੱਕ ਹਰ ਕਿਸੇ ਨੂੰ ਸਫਲਤਾ ਦੀ ਪਰਿਭਾਸ਼ਾ ਬਾਰੇ ਮੁੜ ਸੋਚਣ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਜੇ ਕੋਈ ਉਪਭੋਗਤਾ ਸਰਚ ਪੇਜ ‘ਤੇ ਤੁਹਾਡੇ ਲੇਖ ਦਾ ਸਾਰ ਪੜ੍ਹ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਸ਼ਾਇਦ ਤੁਹਾਡੀ ਸਾਈਟ ‘ਤੇ ਕਦੇ ਨਹੀਂ ਆਵੇਗਾ। ਫਿਰ ਵੀ, ਉਸ ਸਾਰ ਦੇ ਮੌਜੂਦ ਹੋਣ ਲਈ ਤੁਹਾਡੀ ਜਾਣਕਾਰੀ ਜ਼ਰੂਰੀ ਸੀ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਤਣਾਅ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਇੰਟਰਨੈੱਟ ਦੇ ਅਗਲੇ ਦਹਾਕੇ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗਾ।

Generative synthesis ਉਹ ਤਕਨਾਲੋਜੀ ਹੈ ਜੋ ਇਹਨਾਂ ਓਵਰਵਿਊਜ਼ ਦੇ ਪਿੱਛੇ ਹੈ। ਕੀਵਰਡਸ ਨੂੰ ਮਿਲਾਉਣ ਦੀ ਬਜਾਏ, ਸਿਸਟਮ ਟਾਪ-ਰੈਂਕਿੰਗ ਪੇਜਾਂ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਵੱਡੇ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ (LLMs) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਫਿਰ ਇਹ ਇੱਕ ਤਰਕਪੂਰਨ ਪੈਰਾ ਲਿਖਦਾ ਹੈ ਜੋ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ। ਇਹ ਪ੍ਰਕਿਰਿਆ Retrieval-Augmented Generation ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। AI ਵੈੱਬ ਤੋਂ ਸੰਬੰਧਿਤ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਫਿਰ ਉਸ ਡੇਟਾ ਦੇ ਆਧਾਰ ‘ਤੇ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਇਹ ਇੱਕ ਸਟੈਂਡਰਡ ਚੈਟਬੋਟ ਤੋਂ ਵੱਖਰਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਰੀਅਲ-ਟਾਈਮ ਵੈੱਬ ਨਤੀਜਿਆਂ ‘ਤੇ ਅਧਾਰਤ ਹੈ। ਹਾਲਾਂਕਿ, ਉਪਭੋਗਤਾ ਲਈ ਨਤੀਜਾ ਇੱਕੋ ਜਿਹਾ ਹੈ। ਉਹ ਸਰਚ ਪੇਜ ‘ਤੇ ਹੀ ਰਹਿੰਦੇ ਹਨ। ਇਹ ਤਕਨਾਲੋਜੀ ਸਿਰਫ ਜਾਣਕਾਰੀ ਲੱਭਦੀ ਨਹੀਂ, ਇਹ ਇਸਦੀ ਵਿਆਖਿਆ ਵੀ ਕਰਦੀ ਹੈ। ਇਹ ਉਤਪਾਦਾਂ ਦੀ ਤੁਲਨਾ ਕਰ ਸਕਦੀ ਹੈ, ਗੁੰਝਲਦਾਰ ਡਾਕਟਰੀ ਸਲਾਹ ਦਾ ਸਾਰ ਦੇ ਸਕਦੀ ਹੈ, ਜਾਂ ਕਿਸੇ ਰੈਸਿਪੀ ਲਈ ਕਦਮ-ਦਰ-ਕਦਮ ਨਿਰਦੇਸ਼ ਦੇ ਸਕਦੀ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਜਵਾਬ ਲੱਭਣ ਦੀ ਰਗੜ (friction) ਨੂੰ ਘਟਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਕਈ ਟੈਬਾਂ ਖੋਲ੍ਹਣ ਦੀ ਲੋੜ ਨੂੰ ਖਤਮ ਕਰਕੇ, ਸਰਚ ਇੰਜਣ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਦੀ ਬਜਾਏ ਅੰਤਿਮ ਮੰਜ਼ਿਲ ਬਣ ਰਹੇ ਹਨ। ਇਹ ਬਦਲਾਅ Google ਅਤੇ Bing ‘ਤੇ ਹੋ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਹ Perplexity ਵਰਗੇ ਨਵੇਂ ਖਿਡਾਰੀਆਂ ਦਾ ਵੀ ਮੂਲ ਹੈ। ਇਹ ਕੰਪਨੀਆਂ ਦਾਅਵਾ ਕਰ ਰਹੀਆਂ ਹਨ ਕਿ ਉਪਭੋਗਤਾ ਵਿਕਲਪਾਂ ਦੀ ਸੂਚੀ ਨਾਲੋਂ ਇੱਕ ਸਿੰਗਲ ਜਵਾਬ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਦਾਅ ਹੈ ਜੋ ਸਰੋਤਾਂ ਦੀ ਵਿਭਿੰਨਤਾ ਨਾਲੋਂ ਸੁਵਿਧਾ ਨੂੰ ਪਹਿਲ ਦਿੰਦਾ ਹੈ। ਇਹ ਨਵਾਂ ਸਰਚ ਵਾਤਾਵਰਣ Google ਦੇ ਅਧਿਕਾਰਤ ਬਲੌਗ ‘ਤੇ ਵਿਸਥਾਰ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ ਜੋ ਇਹਨਾਂ AI-ਸੰਚਾਲਿਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਟੀਚਿਆਂ ਨੂੰ ਰੇਖਾਂਕਿਤ ਕਰਦਾ ਹੈ।

ਇਸ ਬਦਲਾਅ ਦਾ ਗਲੋਬਲ ਪ੍ਰਭਾਵ ਅਸਮਾਨ ਹੈ। ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਜਿੱਥੇ ਇੰਟਰਨੈੱਟ ਡੇਟਾ ਮਹਿੰਗਾ ਜਾਂ ਹੌਲੀ ਹੈ, ਇੱਕ ਸਿੰਗਲ ਟੈਕਸਟ-ਅਧਾਰਿਤ ਜਵਾਬ ਕਈ ਮੀਡੀਆ-ਭਾਰੀ ਵੈੱਬਸਾਈਟਾਂ ਨੂੰ ਲੋਡ ਕਰਨ ਨਾਲੋਂ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੋ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਕੁਝ ਟੈਕ ਦਿੱਗਜਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਸ਼ਕਤੀ ਨੂੰ ਕੇਂਦਰਿਤ ਵੀ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਇੱਕ ਸਰਚ ਇੰਜਣ ਸਿੱਧਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਸੱਚਾਈ ਦਾ ਅੰਤਿਮ ਗੇਟਕੀਪਰ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਹ ਖਾਸ ਤੌਰ ‘ਤੇ ਚਿੰਤਾਜਨਕ ਹੈ ਕਿਉਂਕਿ ਜ਼ਿਆਦਾ ਲੋਕ ਖਬਰਾਂ ਅਤੇ ਰਾਜਨੀਤਿਕ ਜਾਣਕਾਰੀ ਲਈ ਆਟੋਮੇਟਿਡ ਸਿਸਟਮਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਸਰਚ ਨਤੀਜਿਆਂ ਵਿੱਚ ਆਵਾਜ਼ਾਂ ਦੀ ਵਿਭਿੰਨਤਾ ਇੱਕ ਸਿੰਗਲ, ਅਧਿਕਾਰਤ-ਆਵਾਜ਼ ਦੇ ਪਿੱਛੇ ਲੁਕ ਜਾਂਦੀ ਹੈ। ਇਹ ਸੋਚ ਦੇ ਸਮਰੂਪੀਕਰਨ (homogenization) ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਸਿਰਫ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਜਾਂ ਆਸਾਨੀ ਨਾਲ ਸੰਖੇਪ ਕੀਤੇ ਗਏ ਵਿਚਾਰ ਹੀ ਜਨਤਾ ਦੇ ਸਾਹਮਣੇ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਗਲੋਬਲ ਪਬਲਿਸ਼ਰਾਂ ‘ਤੇ ਆਰਥਿਕ ਪ੍ਰਭਾਵ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਗਲੋਬਲ ਸਾਊਥ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਨਿਊਜ਼ ਸੰਸਥਾਵਾਂ ਮਾਲੀਏ ਲਈ ਸਰਚ ਟ੍ਰੈਫਿਕ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ। ਜੇ ਉਹ ਟ੍ਰੈਫਿਕ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਦੀ ਸਥਾਨਕ ਪੱਤਰਕਾਰੀ ਪੈਦਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਖਤਰੇ ਵਿੱਚ ਹੈ। Pew Research ਵਰਗੀਆਂ ਸੰਸਥਾਵਾਂ ਨੇ ਇਹ ਦਸਤਾਵੇਜ਼ੀ ਤੌਰ ‘ਤੇ ਦਰਜ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ ਕਿ ਇਹ ਤਬਦੀਲੀਆਂ ਜਨਤਕ ਵਿਸ਼ਵਾਸ ਅਤੇ ਜਾਣਕਾਰੀ ਦੀ ਖਪਤ ਦੀਆਂ ਆਦਤਾਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰਦੀਆਂ ਹਨ। ਗਲੋਬਲ ਗਿਆਨ ਅਰਥਵਿਵਸਥਾ ਲਈ ਲੰਬੇ ਸਮੇਂ ਦੇ ਨਤੀਜਿਆਂ ‘ਤੇ ਅਜੇ ਵੀ ਮਾਹਰਾਂ ਅਤੇ ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਦੁਆਰਾ ਬਹਿਸ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।

• ਸਿਲੀਕਾਨ ਵੈਲੀ ਵਿੱਚ ਜਾਣਕਾਰੀ ਨਿਯੰਤਰਣ ਦਾ ਕੇਂਦਰੀਕਰਨ।
• ਘੱਟ ਗਿਣਤੀ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਸਥਾਨਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਲਈ ਘੱਟ ਦਿੱਖ।
• ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਸੁਤੰਤਰ ਮੀਡੀਆ ਆਉਟਲੈਟਾਂ ‘ਤੇ ਆਰਥਿਕ ਦਬਾਅ।
• ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਲੈਣ ਲਈ ਆਟੋਮੇਟਿਡ ਸਾਰਾਂ ‘ਤੇ ਵਧੀ ਹੋਈ ਨਿਰਭਰਤਾ।

ਦਸ ਨੀਲੇ ਲਿੰਕਾਂ ਦਾ ਅੰਤ

ਸਾਰਾਹ ਨਾਮ ਦੀ ਇੱਕ ਡਿਜੀਟਲ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਦੇ ਦਿਨ ਬਾਰੇ ਸੋਚੋ। ਪਹਿਲਾਂ, ਸਾਰਾਹ ਕਲਿੱਕ-ਥਰੂ ਰੇਟ ਦੇਖ ਕੇ ਆਪਣੀ ਸਫਲਤਾ ਨੂੰ ਟਰੈਕ ਕਰਦੀ ਸੀ। ਜੇਕਰ ਉਸਦੀ ਸਮੱਗਰੀ ਸਰਚ ਨਤੀਜਿਆਂ ਦੇ ਸਿਖਰ ‘ਤੇ ਦਿਖਾਈ ਦਿੰਦੀ ਸੀ, ਤਾਂ ਉਹ ਵਿਜ਼ਿਟਰਾਂ ਦੇ ਇੱਕ ਸਥਿਰ ਪ੍ਰਵਾਹ ਦੀ ਉਮੀਦ ਕਰ ਸਕਦੀ ਸੀ। ਅੱਜ, ਉਹ ਆਪਣਾ ਡੈਸ਼ਬੋਰਡ ਖੋਲ੍ਹਦੀ ਹੈ ਅਤੇ ਇੱਕ ਅਜੀਬ ਰੁਝਾਨ ਦੇਖਦੀ ਹੈ। ਉਸਦੇ ਇੰਪ੍ਰੈਸ਼ਨ ਸਭ ਤੋਂ ਉੱਚੇ ਪੱਧਰ ‘ਤੇ ਹਨ। ਉਸਦੀ ਸਮੱਗਰੀ ਹਜ਼ਾਰਾਂ ਸਵਾਲਾਂ ਲਈ AI ਓਵਰਵਿਊ ਵਿੱਚ ਵਰਤੀ ਜਾ ਰਹੀ ਹੈ। ਪਰ ਉਸਦੀ ਅਸਲ ਵੈੱਬਸਾਈਟ ਟ੍ਰੈਫਿਕ ਡਿੱਗ ਰਹੀ ਹੈ। ਸਾਰਾਹ Visibility-to-value ratio ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀ ਹੈ। ਉਸਦਾ ਬ੍ਰਾਂਡ ਪਹਿਲਾਂ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਦਿਖਾਈ ਦੇ ਰਿਹਾ ਹੈ, ਪਰ ਉਹ ਉਸ ਦਿੱਖ ਤੋਂ ਪੈਸਾ ਨਹੀਂ ਕਮਾ ਸਕਦੀ। ਸਰਚ ਇੰਜਣ ਉਪਭੋਗਤਾ ਨੂੰ ਸੰਤੁਸ਼ਟ ਕਰਨ ਲਈ ਉਸਦੀ ਮੁਹਾਰਤ ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ, ਪਰ ਇਹ ਉਪਭੋਗਤਾ ਨੂੰ ਉਸਦੇ ਸਟੋਰ ‘ਤੇ ਨਹੀਂ ਭੇਜ ਰਿਹਾ ਹੈ। ਇਹ ਸਾਰਾਹ ਨੂੰ ਆਪਣੀ ਪੂਰੀ ਰਣਨੀਤੀ ਬਦਲਣ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਉਹ ਹੁਣ ਵਿਕਰੀ ਵਧਾਉਣ ਲਈ ਸਧਾਰਨ ਜਾਣਕਾਰੀ ਵਾਲੀ ਸਮੱਗਰੀ ‘ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਰਹਿ ਸਕਦੀ। ਉਸਨੂੰ ਅਜਿਹੀ ਸਮੱਗਰੀ ਬਣਾਉਣੀ ਪਵੇਗੀ ਜੋ ਇੰਨੀ ਵਿਲੱਖਣ ਜਾਂ ਇੰਟਰਐਕਟਿਵ ਹੋਵੇ ਕਿ ਇੱਕ ਸਾਰ ਇਸਦੀ ਥਾਂ ਨਾ ਲੈ ਸਕੇ। ਇਸਦਾ ਮਤਲਬ ਕਮਿਊਨਿਟੀ ਬਿਲਡਿੰਗ, ਈਮੇਲ ਨਿਊਜ਼ਲੈਟਰਾਂ, ਜਾਂ ਵਿਸ਼ੇਸ਼ ਟੂਲਸ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਹੋ ਸਕਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਲਈ ਉਸਦੀ ਸਾਈਟ ‘ਤੇ ਆਉਣਾ ਜ਼ਰੂਰੀ ਹੈ।

ਸਾਰਾਹ ਆਪਣੀ ਦੁਪਹਿਰ ਇਹ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਿੱਚ ਬਿਤਾਉਂਦੀ ਹੈ ਕਿ ਉਸਦੇ ਕਿਹੜੇ ਲੇਖਾਂ ਦਾ AI ਦੁਆਰਾ ਹਵਾਲਾ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਉਹ ਦੇਖਦੀ ਹੈ ਕਿ AI ਸਪੱਸ਼ਟ, ਸੰਰਚਨਾਬੱਧ ਡੇਟਾ ਅਤੇ ਸਿੱਧੇ ਜਵਾਬਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਅਨੁਕੂਲ ਹੋਣ ਲਈ, ਉਹ ਆਪਣੇ ਉਤਪਾਦ ਗਾਈਡਾਂ ਨੂੰ ਵਧੇਰੇ ਮਲਕੀਅਤ ਡੇਟਾ ਅਤੇ ਨਿੱਜੀ ਕਿੱਸਿਆਂ ਨਾਲ ਦੁਬਾਰਾ ਲਿਖਣਾ ਸ਼ੁਰੂ ਕਰਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ AI ਆਸਾਨੀ ਨਾਲ ਦੁਹਰਾ ਨਹੀਂ ਸਕਦਾ। ਉਹ ਇਹ ਵੀ ਸਮਝਦੀ ਹੈ ਕਿ AI ਓਵਰਵਿਊ ਲਈ ਇੱਕ ਸਰੋਤ ਬਣਨਾ ਬ੍ਰਾਂਡ ਜਾਗਰੂਕਤਾ ਦਾ ਇੱਕ ਰੂਪ ਹੈ, ਭਾਵੇਂ ਇਹ ਸਿੱਧੇ ਕਲਿੱਕ ਵੱਲ ਨਾ ਲੈ ਜਾਵੇ। ਉਹ ਇਹਨਾਂ ਹਵਾਲਿਆਂ ਨੂੰ ਆਪਣੇ ਬੋਰਡ ਲਈ ਇੱਕ ਨਵੇਂ ਮੁੱਖ ਪ੍ਰਦਰਸ਼ਨ ਸੂਚਕ (KPI) ਵਜੋਂ ਰਿਪੋਰਟ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਉਹ ਅਜੇ ਵੀ ਇਹ ਸਮਝਾਉਣ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੀ ਹੈ ਕਿ ਉਹਨਾਂ ਦੀ ਉੱਚ ਦਿੱਖ ਦੇ ਬਾਵਜੂਦ ਆਰਗੈਨਿਕ ਸਰਚ ਤੋਂ ਉਹਨਾਂ ਦਾ ਮਾਲੀਆ ਕਿਉਂ ਘਟ ਰਿਹਾ ਹੈ। ਲੱਖਾਂ ਪੇਸ਼ੇਵਰਾਂ ਲਈ ਇਹ ਨਵੀਂ ਹਕੀਕਤ ਹੈ। ਖੋਜ ਬਦਲ ਗਈ ਹੈ। ਇਹ ਹੁਣ ਪਹਿਲਾ ਲਿੰਕ ਹੋਣ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਉਹ ਸਰੋਤ ਬਣਨ ਬਾਰੇ ਹੈ ਜਿਸਦਾ ਜ਼ਿਕਰ ਕੀਤੇ ਬਿਨਾਂ AI ਰਹਿ ਨਹੀਂ ਸਕਦਾ। ਉਦੋਂ ਵੀ, ਦਿੱਖ ਵਿਜ਼ਿਟ ਦੀ ਗਾਰੰਟੀ ਨਹੀਂ ਦਿੰਦੀ। ਜਾਣੇ ਜਾਣ ਅਤੇ ਵਿਜ਼ਿਟ ਕੀਤੇ ਜਾਣ ਵਿਚਕਾਰ ਪਾੜਾ ਹਰ ਦਿਨ ਵੱਡਾ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ।

ਇਹ ਦ੍ਰਿਸ਼ ਹਰ ਉਦਯੋਗ ਵਿੱਚ ਚੱਲ ਰਿਹਾ ਹੈ। ਟ੍ਰੈਵਲ ਬਲੌਗਰਾਂ ਤੋਂ ਲੈ ਕੇ ਸਾਫਟਵੇਅਰ ਕੰਪਨੀਆਂ ਤੱਕ, ਟੀਚਾ ਹੁਣ ਸਿਰਫ ਦੇਖਿਆ ਜਾਣਾ ਨਹੀਂ ਹੈ। ਟੀਚਾ ਲਾਜ਼ਮੀ ਬਣਨਾ ਹੈ। ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਪ੍ਰਸੰਗਿਕ ਅਤੇ ਲਾਭਦਾਇਕ ਬਣੇ ਰਹਿਣ ਲਈ AI ਯੁੱਗ ਲਈ ਸਰਚ ਇੰਜਣ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਪ੍ਰਤੀ ਆਪਣੀ ਪਹੁੰਚ ‘ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ AI ਕਹਾਣੀ, ਟੂਲ, ਰੁਝਾਨ ਜਾਂ ਸਵਾਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕਵਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸਾਨੂੰ ਆਪਣਾ ਲੇਖ ਦਾ ਵਿਚਾਰ ਭੇਜੋ — ਅਸੀਂ ਇਸਨੂੰ ਸੁਣਨਾ ਪਸੰਦ ਕਰਾਂਗੇ।

ਸਾਨੂੰ ਇਸ ਮਾਡਲ ਦੇ ਭਵਿੱਖ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। ਜੇਕਰ ਕ੍ਰਿਏਟਰ ਕਾਰੋਬਾਰ ਤੋਂ ਬਾਹਰ ਹੋ ਜਾਂਦੇ ਹਨ ਤਾਂ ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਵਾਲੀ ਸਮੱਗਰੀ ਲਈ ਕੌਣ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ? ਜੇ ਸਰਚ ਇੰਜਣ ਪਬਲਿਸ਼ਰਾਂ ਨੂੰ ਟ੍ਰੈਫਿਕ ਭੇਜਣਾ ਬੰਦ ਕਰ ਦਿੰਦੇ ਹਨ, ਤਾਂ ਉਹ ਪਬਲਿਸ਼ਰ ਨਵੀਂ ਜਾਣਕਾਰੀ ਤਿਆਰ ਕਰਨਾ ਬੰਦ ਕਰ ਦੇਣਗੇ। ਇਹ ਇੱਕ ਫੀਡਬੈਕ ਲੂਪ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ ਜਿੱਥੇ AI ਮਾਡਲਾਂ ਨੂੰ ਹੋਰ AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸਮੱਗਰੀ ‘ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਜਾਣਕਾਰੀ ਦੇ ਈਕੋਸਿਸਟਮ ਦਾ ਇਹ ਵਿਗਾੜ ਇੱਕ ਵੱਡਾ ਖਤਰਾ ਹੈ। ਸਾਨੂੰ ਗੋਪਨੀਯਤਾ ਦੇ ਪ੍ਰਭਾਵਾਂ ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਹੋਵੇਗਾ। ਵਿਅਕਤੀਗਤ ਓਵਰਵਿਊ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ, ਸਰਚ ਇੰਜਣਾਂ ਨੂੰ ਸਾਡੇ ਇਰਾਦੇ ਅਤੇ ਇਤਿਹਾਸ ਬਾਰੇ ਹੋਰ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ। ਕੀ ਅਸੀਂ ਤੇਜ਼ ਜਵਾਬ ਦੀ ਸਹੂਲਤ ਲਈ ਆਪਣੇ ਨਿੱਜੀ ਡੇਟਾ ਦਾ ਵਪਾਰ ਕਰ ਰਹੇ ਹਾਂ? ਸ਼ੁੱਧਤਾ ਦਾ ਮੁੱਦਾ ਵੀ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਸਿਸਟਮ ਸੁਧਰ ਰਹੇ ਹਨ, ਉਹ ਅਜੇ ਵੀ ‘ਹੈਲੂਸੀਨੇਸ਼ਨ’ (ਗਲਤ ਜਾਣਕਾਰੀ) ਪੈਦਾ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਇੱਕ ਸਰਚ ਇੰਜਣ ਇੱਕ ਗਲਤ ਬਿਆਨ ਨੂੰ ਤੱਥਾਂ ਦੇ ਸਾਰ ਵਜੋਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਤਾਂ ਪ੍ਰਭਾਵ ਇੱਕ ਗਲਤ ਵੈੱਬਸਾਈਟ ਨਾਲੋਂ ਕਿਤੇ ਵੱਡਾ ਹੁੰਦਾ ਹੈ। ਸਰਚ ਇੰਜਣ ਵਿੱਚ ਅਧਿਕਾਰ ਦਾ ਇੱਕ ਪ੍ਰਭਾਵ ਹੁੰਦਾ ਹੈ ਜੋ ਲੱਖਾਂ ਲੋਕਾਂ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰ ਸਕਦਾ ਹੈ। ਸਾਨੂੰ ਇਸ ਬਾਰੇ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਮੰਗ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਕਿ ਇਹ ਸਾਰ ਕਿਵੇਂ ਤਿਆਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਕਿਹੜੇ ਸਰੋਤਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾ ਰਹੀ ਹੈ। ਸਹੂਲਤ ਦੀ ਕੀਮਤ ਇੰਟਰਨੈੱਟ ਦੀ ਵਿਭਿੰਨਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਹੀ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਬਦਲਾਅ ਪੱਤਰਕਾਰਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਕਾਫੀ ਚਿੰਤਾ ਪੈਦਾ ਕਰ ਰਿਹਾ ਹੈ, ਜਿਵੇਂ ਕਿ The Verge ਦੁਆਰਾ ਸਰਚ ਵਿਵਹਾਰ ਵਿੱਚ ਹਾਲੀਆ ਤਬਦੀਲੀਆਂ ਦੇ ਉਹਨਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ। ਸਾਨੂੰ ਇਹ ਮੁਲਾਂਕਣ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਕਿਸੇ ਜਵਾਬ ਦੀ ਕੁਸ਼ਲਤਾ ਸਰੋਤ ਦੇ ਸੰਭਾਵੀ ਨੁਕਸਾਨ ਦੇ ਬਰਾਬਰ ਹੈ।

ਆਧੁਨਿਕ ਖੋਜ ਦਾ ਤਕਨੀਕੀ ਆਰਕੀਟੈਕਚਰ

ਤਕਨੀਕੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਜਨਰੇਟਿਵ ਸਰਚ ਵੱਲ ਬਦਲਾਅ ਲਈ ਟੂਲਸ ਦੇ ਇੱਕ ਨਵੇਂ ਸੈੱਟ ਦੀ ਲੋੜ ਹੈ। ਡਿਵੈਲਪਰ ਹੁਣ ਇਸ ਗੱਲ ‘ਤੇ ਵਿਚਾਰ ਕਰ ਰਹੇ ਹਨ ਕਿ ਰਵਾਇਤੀ ਸਰਚ ਬੋਟਾਂ ਦੀ ਬਜਾਏ LLM ਕ੍ਰੌਲਰਾਂ ਲਈ ਕਿਵੇਂ ਓਪਟੀਮਾਈਜ਼ ਕੀਤਾ ਜਾਵੇ। ਇਸ ਵਿੱਚ ਸਟ੍ਰਕਚਰਡ ਡੇਟਾ ਅਤੇ ਸਪੱਸ਼ਟ, ਅਧਿਕਾਰਤ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਜਿਸਨੂੰ AI ਆਸਾਨੀ ਨਾਲ ਸਮਝ ਸਕੇ। ਅਸੀਂ ਦੇਖ ਰਹੇ ਹਾਂ ਕਿ ਜ਼ਿਆਦਾ ਕੰਪਨੀਆਂ ਆਪਣੇ ਅੰਦਰੂਨੀ ਡੇਟਾਬੇਸ ਨੂੰ ਸਰਚ API ਨਾਲ ਜੋੜ ਰਹੀਆਂ ਹਨ ਤਾਂ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ ਕਿ ਉਹਨਾਂ ਦਾ ਡੇਟਾ ਓਵਰਵਿਊ ਵਿੱਚ ਸਹੀ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ। ਲੋਕਲ ਸਟੋਰੇਜ ਅਤੇ ਐਜ ਕੰਪਿਊਟਿੰਗ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ ਕਿਉਂਕਿ ਉਪਭੋਗਤਾ ਇਹਨਾਂ AI-ਸੰਚਾਲਿਤ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੇ ਤੇਜ਼ ਤਰੀਕੇ ਲੱਭ ਰਹੇ ਹਨ। ਮੌਜੂਦਾ API ਦੀਆਂ ਸੀਮਾਵਾਂ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਰੀਅਲ-ਟਾਈਮ ਅਪਡੇਟਸ ਅਜੇ ਵੀ ਬਹੁਤ ਸਾਰੇ ਸਿਸਟਮਾਂ ਲਈ ਇੱਕ ਚੁਣੌਤੀ ਹਨ। ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਤਾਜ਼ਾ ਡੇਟਾ ਦੀ ਲੋੜ ਦੇ ਨਾਲ ਉੱਚ-ਫ੍ਰੀਕੁਐਂਸੀ API ਕਾਲਾਂ ਦੀ ਲਾਗਤ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਵਰਕਫਲੋ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਵੀ ਬਦਲ ਰਹੇ ਹਨ। ਸਿਰਫ ਰੈਂਕਿੰਗ ਨੂੰ ਟਰੈਕ ਕਰਨ ਦੀ ਬਜਾਏ, ਡਿਵੈਲਪਰ AI-ਤਿਆਰ ਸਾਰਾਂ ਵਿੱਚ ਭਾਵਨਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਟੂਲ ਬਣਾ ਰਹੇ ਹਨ। ਇਸ ਲਈ ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਅਤੇ ਸਿਮੈਂਟਿਕ ਸਰਚ ਸਮਰੱਥਾਵਾਂ ਵੱਲ ਵਧਣ ਦੀ ਲੋੜ ਹੈ। ਫੋਕਸ ਕੀਵਰਡ ਘਣਤਾ ਤੋਂ ਹਟ ਕੇ ਟੌਪੀਕਲ ਅਥਾਰਟੀ ਅਤੇ ਡੇਟਾ ਦੀ ਇਕਸਾਰਤਾ ਵੱਲ ਜਾ ਰਿਹਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਇਹ ਸਿਸਟਮ ਗੁੰਝਲਦਾਰ ਹੁੰਦੇ ਜਾਂਦੇ ਹਨ, ਲੋਕਲ ਡੇਟਾ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਅਤੇ ਇਸਨੂੰ ਗਲੋਬਲ ਸਰਚ ਮਾਡਲਾਂ ਨਾਲ ਸਿੰਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਟੈਕ-ਫਾਰਵਰਡ ਕੰਪਨੀਆਂ ਲਈ ਇੱਕ ਮੁੱਖ ਪ੍ਰਤੀਯੋਗੀ ਫਾਇਦਾ ਹੋਵੇਗੀ।

• ਤੇਜ਼ ਸਿਮੈਂਟਿਕ ਪ੍ਰਾਪਤੀ ਲਈ ਵੈਕਟਰ ਡੇਟਾਬੇਸ ਦਾ ਏਕੀਕਰਣ।
• ਸਰੋਤ ਡੇਟਾ ਦੇ ਵੱਡੇ ਸੈੱਟਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਦਾ ਅਨੁਕੂਲਨ।
• ਜਨਰੇਟਿਵ ਸਰਚ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਕੇਲ ਕਰਨ ਵੇਲੇ API ਰੇਟ ਸੀਮਾਵਾਂ ਦਾ ਪ੍ਰਬੰਧਨ।
• ਅਕਸਰ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲਾਂ ਲਈ ਮਜ਼ਬੂਤ ਕੈਚਿੰਗ ਰਣਨੀਤੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ।

ਨਵੀਂ ਜਾਣਕਾਰੀ ਦੇ ਪ੍ਰਵਾਹ ਦੇ ਅਨੁਕੂਲ ਹੋਣਾ

ਸਰਚ ਵਾਤਾਵਰਣ ਹਮੇਸ਼ਾ ਲਈ ਬਦਲ ਗਿਆ ਹੈ। ਅਸੀਂ ਹੁਣ ਅਜਿਹੀ ਦੁਨੀਆ ਵਿੱਚ ਨਹੀਂ ਹਾਂ ਜਿੱਥੇ ਚੰਗੀ ਰੈਂਕਿੰਗ ਕਲਿੱਕ ਦੀ ਗਾਰੰਟੀ ਦਿੰਦੀ ਹੈ। ਸਫਲਤਾ ਲਈ ਹੁਣ ਇਸ ਗੱਲ ਦੀ ਡੂੰਘੀ ਸਮਝ ਦੀ ਲੋੜ ਹੈ ਕਿ AI ਜਾਣਕਾਰੀ ਦੀ ਵਿਆਖਿਆ ਅਤੇ ਸੰਖੇਪ ਕਿਵੇਂ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਟ੍ਰੈਫਿਕ ਦਾ ਨੁਕਸਾਨ ਇੱਕ ਅਸਲ ਖਤਰਾ ਹੈ, ਦਿੱਖ ਵਿੱਚ ਵਾਧਾ ਬ੍ਰਾਂਡ ਬਿਲਡਿੰਗ ਲਈ ਨਵੇਂ ਮੌਕੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਮੁੱਖ ਗੱਲ ਇਹ ਹੈ ਕਿ ਸਿਰਫ ਕੱਚੇ ਟ੍ਰੈਫਿਕ ਨੰਬਰਾਂ ਦੀ ਬਜਾਏ ਵਪਾਰਕ ਮੁੱਲ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਜਾਵੇ। ਜੋ ਇਸ ਨਵੀਂ ਹਕੀਕਤ ਦੇ ਅਨੁਕੂਲ ਹੋਣਗੇ ਉਹ ਤਰੱਕੀ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭ ਲੈਣਗੇ, ਜਦੋਂ ਕਿ ਜੋ ਨੀਲੇ ਲਿੰਕ ਯੁੱਗ ਦੇ ਪੁਰਾਣੇ ਤਰੀਕਿਆਂ ਨਾਲ ਚਿਪਕੇ ਰਹਿਣਗੇ ਉਹ ਪਿੱਛੇ ਰਹਿ ਜਾਣਗੇ। ਖੋਜ ਦਾ ਭਵਿੱਖ ਇੱਥੇ ਹੈ, ਅਤੇ ਇਹ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਹੈ। ਸਾਨੂੰ ਇਸ ਤੱਥ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਰਚ ਹੁਣ ਇੱਕ ਸਿੰਗਲ ਉਤਪਾਦ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਚੈਟ ਇੰਟਰਫੇਸਾਂ ਅਤੇ ਅਨਸਰ ਇੰਜਣਾਂ ਦੀ ਇੱਕ ਲੜੀ ਹੈ। ਟੀਚਾ ਇੱਕ ਆਟੋਮੇਟਿਡ ਸੰਸਾਰ ਵਿੱਚ ਸੱਚਾਈ ਦਾ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਬਣੇ ਰਹਿਣਾ ਹੈ।

Editor’s note: We created this site as a multilingual AI news and guides hub for people who are not computer geeks, but still want to understand artificial intelligence, use it with more confidence, and follow the future that is already arriving.

ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।