Google Arama’nın “bin kesikle” gerilemesi

 (matt-rickard.com)
1 puan yazan GN⁺ 2023-07-04 | 1 yorum | WhatsApp'ta paylaş
  • Reddit’in gizliye alınması ve Twitter’ın giriş zorunluluğu ile hız sınırları gibi büyük sitelerde erişim kısıtlamaları arttıkça, Google arama sonuçlarındaki birçok bağlantı pratikte açılamaz sonuçlara dönüşüyor
  • Büyük dil modelleri açık verilerle eğitildikçe, içerik siteleri verilerini açık tutmak yerine satma veya doğrudan kullanma yönünde teşviklere sahip oluyor
  • Bu kısıtlamalar Google’ın arama dizini için veri toplamasını engelleyebilir ya da karmaşıklaştırabilir ve yapay zeka modeli eğitim verilerine erişimi de etkileyebilir
  • Wikipedia gibi arama sonuçlarında sık görünen siteler bile API erişimini ücretli hale getirir veya kısıtlarsa, Google Arama’nın temel kaynakları da sarsılabilir
  • Google bunu yapay zeka yanıtlarıyla desteklese bile veriler giriş duvarlarının ve ödeme engellerinin arkasına taşınırsa arama kalitesi yıllar içinde kademeli olarak kötüleşebilir

Erişim kısıtlamaları arama sonuçlarını ölü bağlantılara dönüştürüyor

  • Reddit’teki bazı topluluklar yeni API kurallarını protesto ederek hâlâ gizli durumda kalıyor
  • Twitter giriş duvarını güçlendiriyor ve kullanıcılara hız sınırı uyguluyor
  • Bu değişim, Google dizininde kalan milyonlarca arama sonucunu fiilen ölü bağlantıya dönüştürdü
    • Google’da Reddit sonuçlarını bulup kullanan kullanıcılar, Reddit’in kendi aramasını daha kötü buldukları bir durumda alternatiflerini kaybediyor
    • Arama sonuçlarındaki tweet bağlantıları birçok kullanıcıyı giriş talebi ekranına götürüyor

Yapay zeka çağında veri kontrolü Google dizinine baskı yapıyor

  • Büyük dil modelleri API’ler üzerinden toplanan açık verilerle eğitiliyor; içerik açısından zengin sitelerin, kendi verileriyle eğitilmiş modellerden etkilenme olasılığı daha yüksek
  • Bu tür siteler veri erişimini kısıtladıktan sonra iki seçeneği değerlendirebilir
    • Veriyi satmak
    • Kendi modellerini eğitmek
  • Erişim kısıtlamaları Google’ın arama için verileri otomatik toplama sürecini engeller veya karmaşıklaştırır ve model eğitimi için veri teminini de etkiler
  • Google Arama, site site sonuç kaybettiği bin kesiklik bir süreç yaşayabilir

  • Wikipedia kısıtlama getirirse

    • Wikipedia’nın Google aramalarının %99’unda ilk sayfada göründüğü tahmin ediliyor
    • API erişimini ücretli hale getirmesi veya kısıtlaması arama sonuçları üzerinde büyük etki yaratabilir
    • Wikipedia verileri, neredeyse tüm büyük dil modeli derlemlerinde yer alan bir veri kümesidir
    • Wikimedia Foundation bağış banner’larıyla finansal destek talep edegeldi ve 2021’de Wikimedia Enterprise adlı kurumsal API ürününü piyasaya sürdü
    • Arama sonuçları tek tek ölü bağlantılara dönüşüp dizinden kaldırıldıkça, kullanıcılar kapalı hizmetler içindeki siteye özgü aramaya daha fazla bağımlı hale gelir
    • Google sonuçları yapay zeka tarafından üretilen yanıtlarla desteklemeye çalışabilir, ancak tüm yanıtlar yeterince iyi olmayabilir ve eğitim verileri de giriş duvarlarının ya da ödeme engellerinin arkasına taşınabilir
    • Yeni bir alternatif ortaya çıkana kadar arama yıllar içinde kademeli olarak kötüleşebilir

İlgili okumalar

1 yorum

 
GN⁺ 2023-07-04
Hacker News görüşleri

  • Google Arama’nın zaten uzun zamandır yavaş yavaş ölmekte olduğunu hissediyorum.
    Eskiden belgeler, forum yazıları, wikiler gibi özlü bilgilere ulaşılabiliyordu; şimdi ise arama motoru için optimize edilmiş pazarlama metinleri, link çiftlikleri, clickbait, binlerce kelime yazıp hiçbir şey söylemeyen uzun yazılar, Amerikalı değilseniz bağlamı oturmayan siyasi tiratlar ve muazzam miktarda reklam görünüyor.
    Bu durum, doğrudan Google reklamlarının ve Google’ın arama algoritmasının ürettiği bir sonuç gibi görünüyor; bu yüzden LLM’lere sormak aramadan çok daha cazip. Halüsinasyonlar olmasa, yapay zeka gürültüyü ayıklayıp gerçek bilgiyi çıkaracağı için.
    Web artık insanlar ya da bilgi arayışı için değil; botlar, crawler’lar, Google algoritmaları ve pazarlama için var. İnsanların bunu sindirmesi zorlaştı ve bu yüzden yapay zekadan daha özlü, daha nokta atışı sonuçlar beklenir oldu.

    • Google, altın yumurtlayan tavuğu kesmiş sayılır. Google sağlıklı, açık bir web’e bağımlı olmasına rağmen, web üzerinde en büyük etkiye sahip aktörlerden biri olarak bu ekosistemi sürdürmekte ya da iyileştirmekte tamamen başarısız oldu.
    • Bir süre önce "canned cabbage soup" arattığımda mobil site daha önce hiç görmediğim bir moda sabitlendi.
      Kutucuklu öneri arayüzü üzerinden yalnızca lahana çorbasını evde konservelemeye dair blog spam’i tarifler gösteriyordu; normal metin bağlantıları yoktu, gerçek konserve çorba ürünleri de yoktu. Birkaç sayfa dolaştım ama değişmedi.
      İlginç biçimde "canned cabbage soup history" diye arayınca normal sonuç moduna geçti ve ürünler ile Wikipedia çıktı. Ürün satın almak için aktif biçimde yapılan bir aramada Google’ı garip bir özel aramayla bozmanın ticari nedeni en açık olan şey olurdu; ama neden "blog spam’i sunma" modunun var olduğunu anlamıyorum.
      Üstelik artık günde en az beş kez robot olup olmadığımı soran ekran görüyorum.
    • Dün gece bir sayfanın başlığıyla birebir aynı ifadeyi arattım, sonuç 0’dı. Arama terimini değiştirince aradığım sayfa ilk sonuç olarak çıktı; Google gerçekten feci şekilde gerilemiş.
    • Bir arama motorundan istediğim şey, yapay zekanın daha kısa ve sindirmesi kolay bir özet sunması değil.
      İstediğim, ilgili bilginin bulunduğu yerlere giden bir bağlantı listesi; arama motorunun içeriği özetlemesini ya da arıtmasını istemiyorum. Kendiniz okuyup anlamazsanız çok fazla bilgi ve bağlam kayboluyor.
    • Yapay zeka/makine öğrenimine yönelik bazı korkuların, kendi reklam ve pazarlama dünyalarının tamamının anlamsızlaşabileceğini fark etmelerinden kaynaklandığını düşünüyorum.
      Kullanıcılar reklamlardan geçmeden kısa ve doğru yanıtlar alabilir; bu da web’in çok eskiden olduğu hale benziyor.

  • Asıl kaldırılması gereken Stack Overflow spam klon siteleri ya da Canva ve Pinterest gibi başlıkları azıcık farklı binlerce benzer sayfa üreten siteler hâlâ Google’da kabul ediliyor ve üst sıralarda çıkıyor.
    "best domain name registrar" gibi bir şey arattığımda çıkan ilk 10 sayfadan da nefret ediyorum. Satış ortaklığı linkleriyle dolu spam blog yazıları yerine gerçek alan adı kayıt kuruluşlarını göstermesini isterim; ChatGPT’ye sorunca bunu yapıyor.
    Google aşırı derecede manipüle edilmiş durumda ve o spam blog yazılarında kendi reklamları olduğu için doğru düzgün müdahale etmiyor gibi görünüyor. HN’de öğrendiğim uBlock Origin filtreleme yöntemleri de var, ama aramanın kendisini Google’ın düzeltmesi gerekiyor. Şu anda yararlı içerik engelleniyor, spam içerik üst sıralara yerleşiyor.

    • SEO kelimesini ilk gördüğüm andan itibaren, aramanın ölümüne doğru kronometre çalışmaya başlamış gibi hissettim.
      Eskiden crawler’ların gördüğü ama kullanıcıların görmediği, çok küçük ve şeffaf yazı tipiyle yazılmış anahtar kelimeler gibi hileler insanı rahatsız ediyordu; arama motorlarını manipüle etmek bir meslek haline geldiği anda aramanın sonu görünmeye başladı.
      Sonunda muhtemelen webring’lere ve bağlantı dizinlerine geri döneceğiz; onlar da birleştirilip ağır biçimde ücretlendirildikten sonra terk edilecek. Şansımız yaver giderse 2040’larda çevirmeli BBS’lere döneriz belki.
    • Kagi kısa süre önce alan adına göre kullanıcı tanımlı sıralamaları yayımladı; Pinterest, "düşür" kategorisinde 2. sırada, "engelle" kategorisinde 1. sıradaydı: https://i.imgur.com/ViLamx7.png
    • Rastgele birinin rastgele aramalar yapıp bariz spam’i etiketleyerek dizinden çıkarmasının bile epey etkili olacağı hissine hep kapılıyorum.
      Ama Google, insanları işi iyi yapmaları için işe alabilecekken, aynı işi yapamayan bir yapay zekayı eğitmekte ısrar ediyor gibi.
    • Spam niteliğindeki Stack Overflow klon sitelerini neden öylece kaldıramadıklarını anlamıyorum. Her yanıt aradığımda değerli zamanımı boşa harcatıyorlar.
      Kolay bir özellik gibi görünüyor ama Google yolunu çoktan kaybetti.
    • Google ya da DDG kullananlar için, yüzlerce GitHub/StackOverflow klon sitesini içeren uBlock filtrem var: https://github.com/quenhus/uBlock-Origin-dev-filter
      Çeşitli arama motorlarında klon siteleri engelleyip gizliyor. uBlacklist ile birlikte de kullanılabilir.

  • Bu, Google’ın inovasyon başarısızlığı
    Google’ın hedefi “dünyadaki bilgiyi düzenlemek”ti; ancak insanların okuması için iyi hazırlanmış, yüksek kaliteli bir bilgi deposu olan Wikipedia’yı da, önemsiz olmayan bilgi hatırlama ve düzenleme işlerini yapacak kadar iyi ilk LLM olan ChatGPT’yi de üretemedi.
    Google, aramada erken başarı elde ettikten sonra, rakiplerin işe almasını zorlaştırmak için “en zeki insanlara” para yağdırarak liderliğini pekiştirmeye çalıştı. Bunun sonucunda kaynaklarını inovasyondan çok Android, Chrome, e-posta gibi internet altyapısını kontrol ederek mevcut üstünlüğünü korumaya harcamanın daha mantıklı olduğu bir duruma geldi.
    Çok büyük bir değişiklik olmazsa Google’ı yürüyen bir ceset olarak görüyorum. Buradaki “en zeki insanlar”, akademik olarak başarılı olmuş ama kurallara iyi uyan, hayal gücü zayıf ve riskten kaçınan kişiler anlamına geliyor.

    • Google, bugün tüm LLM’lerin hâlâ dayandığı temel atılımları, özellikle attention mimarisini ve büyük ölçekli derin sinir ağlarının eğitimini ortaya çıkardı; ChatGPT çıkmadan çok önce de benzer bir sohbet botu olan Meena’ya sahipti.
      Sadece bunu halka açmadı; bu yüzden inovasyon başarısızlığı doğru, ama teknoloji ya da makine öğrenmesi açısından bir başarısızlık değil.
      https://ai.googleblog.com/2020/01/towards-conversational-age...
    • Google, OpenAI’dan önce LLM’e sahipti ve bunu mümkün kılan temel tekniği de geliştirmişti.
      Benim yorumum, Google’ın kendi ağırlığı altında ezildiği yönünde. Devlet cezaları ve bu cezalardan korkmaya başlayan kurumsal yapı ilerlemeyi yavaşlattı; böyle bir ortamda değişiklikleri piyasaya sürmek çok zor.
      Referans noktası da aynı şekilde işliyor. İnsanlar değişime tepki veriyor ve mevcut durumu altın standart olarak görüyor. Böyle bir durumda radikal değişiklikler sunmanın zor olduğunu düşünüyorum.
      Çıkış yolunun yalnızca ürünleri küçültmek olduğunu düşünüyorum. Bölmek mi olur, sharding mi olur; geri kalanına kıyasla varsayılan hedef olmayacak kadar küçük hâle gelmeleri gerekir. Coca Cola veya Procter & Gamble gibi şirketler bunu iyi yapıyor.
    • Wikipedia’daki içerik kalitesinden şüpheliyim.
      Siyasallaştırılabilecek her şey siyasallaştırılıyor; birinin planını veya bakış açısını dayatmak için kullanılabilecek her şey kullanılıyor.
      Kötü niyetten bağımsız olarak, gönüllülük temelli olduğu için bazı maddelerde ilgili bilgiler eksik olabiliyor ya da hatalar bulunabiliyor.
    • Google’ın ölmekte olduğu öngörüsü aceleci görünüyor. Aramanın ötesinde Android ekosistemini kontrol ediyor.
    • Birkaç gün önce bazıları Schumpeter’in “çok büyük şirketler inovasyona öncülük eder” fikrini tartışıyordu; bu bakış açısından Google Search’ü nasıl değerlendireceğimizi merak ediyorum.

  • Gezegen bilimi yaparken Google’da görüntü ID’leri arama alışkanlığım vardı.
    Genelde makalede bahsedilen belirli bir uydu yörünge görüntüsü olurdu; elbette böyle şeyleri aramak için özel arşivler de var, ama Google şaşırtıcı derecede iyi sonuçlar verirdi.
    Şimdi bir görüntü ID’si aradığımda kelimenin tam anlamıyla 0 sonuç çıkıyor. Neyin değiştiğini bilmiyorum. Planetary Data System dizinini mi kaldırdılar, yoksa gezegen bilimi makalelerinin dizinini mi kaldırdılar merak ediyorum.

    • Parça numaraları, hata kodları gibi yüksek entropili arama terimleri de aynı kaderi yaşıyor gibi.
      Hiç sonuç olmamasından daha kötüsü, biraz farklı sayılar veya kodlar içeren “sonuçların” sayfa sayfa gelmeye devam etmesi.
    • Sonuçları dizinden kaldırdıklarından ziyade, metin eşleşmesi yerine vektör araması yapmaya başlamışlar gibi. Bu ID’lerin vektör uzayında gidecek yeri yok.
    • Edebiyat okurken, hatırladığım bir metin ya da makaleden küçük parçaları tarif ederek bile çok belirsiz referansları bulabiliyordum.
      Şimdi ya sonuç yok ya da alakasız arama motoru optimizasyonu yazıları çıkıyor.
    • Görsel arama söz konusuysa Google yerine Yandex denemek daha iyi. Görsel aramada Google’ın en az bir basamak önünde.
      Düzenleme: Görselle değil, görüntü ID’siyle arama yapıldığını kaçırmışım.
    • Şüphelendiğim şey BERT ve semantik arama.
      Ondan önceki kelime gömme modellerinin çoğu tek dilliydi ve bağlama bakmadığı için aramada kullanışlı değildi; bu yüzden Google ters dizin ve yıllarca ayarlanmış algoritmalar kullanmak zorundaydı.
      BERT’ten sonra, dillerin %99,99’undaki arama sorgularını gömen bir model yapılabiliyor ve sorguların %99’unda kabaca iyi çalışıyor; görünüşe göre bunu yeterli görüyorlar.
      Hangi sorguların yeni yöntem yerine eski dizinde daha iyi çalıştığını tespit etmek görece kolay olurdu, ama bunu yapmamışlar gibi; bunun sonucunda telefon numarası araması gibi pek çok kullanışlılık kayboldu.

  • Google’ın ölümü derlem sorunundan daha derin; sıralama algoritması da ciddi şekilde kötüleşiyor.
    Bir hafta önce < James Palmer manchester foreign policy > araması https://foreignpolicy.com/2017/05/23/i-love-manchester-but-p... bağlantısını ilk sayfada göstermedi, ama < James Palmer manchester site:foreignpolicy.com > onu buldu.
    Bugün düzelmiş gibi görünüyor, ancak bu tür anaokulu seviyesinde bir arama niyetini bile karşılayamamak, birkaç yıl önceki Google için hayal etmesi zor bir şeydi.
    https://twitter.com/BeijingPalmer/status/1670904508191322112
    https://twitter.com/shalmanese/status/1670973880637493249

  • Bu, internet versiyonu bir ortak malların trajedisi: https://en.wikipedia.org/wiki/Tragedy_of_the_commons
    Çok fazla kişi ve grup, mümkün olan en az çabayla çıkar elde etmeye çalışırken; ortak kaynaklar olan serbestçe erişilebilir veriler, açık API’ler, FLOSS yazılımları vb. uzun vadeli etkileri düşünülmeden aşındırılıyor.
    Veri sonsuza kadar kopyalanabilir ama en başta birinin onu üretmesi gerekir; güncellenmezse eskir ve faydası azalır. Kimsenin üretme ya da güncelleme isteği ve kapasitesi yoksa iyi şeyler yok olur, sinyal-gürültü oranı hızla çöker. Her şey gürültüye dönüşür ve berbatlaşır.

    • İnsanlık tarihinde fikri mülkiyet hakları görece yeni bir olgu.
      Pek çok teknoloji ve kültür böyle bir “koruma” olmadan üretildi. Telif hakkı ve patentler olmasaydı yakın tarihin nasıl akacağını bazen merak ediyorum.
    • Şu an, bir MMO’da spam’ciler ve satıcılar o kadar sıkış tepiş doluşmuş ki görev vereni bulamadığınız bir bölge gibi.

  • Eskiden Google, Reddit olmadan da son derece kullanışlıydı.
    Dev bir şirket olmasının bir nedeni vardı; gerçekten kullanışlı araçlar ve hizmetler yapıyordu. İnsanlar ürünler iyi olduğu için kullanıyordu; Search, Gmail, Maps, Translate gibi şeylerin hepsi birer cevherdi.
    Aramayı ihmal mi ettiler yoksa bilerek mi bozdular bilmiyorum ama Reddit’ten bağımsız olarak bozulduğu kesin. Reddit’te çok bilgi var, ama internetin tek web sitesi değil.
    Oysa Google internetin en büyük 150-200 sitesi civarını indeksliyormuş gibi görünüyor; bu sonuçlarda bile arama teriminin eksik olduğu sıkça oluyor.

    • Bence internetin silo’laşması ve kamusal alanların önemli bir kısmının giriş ekranlarının arkasına taşınması da nedenlerden biri.
    • Google Arama, AdWords döneminde internet evrilirken bozuldu.
      Herkes sayfa görüntülemeleri ve arama motoru optimizasyonu ile para kazanılabileceğini fark etti ve her arama teriminde 1 numara olmaya çalışan dibe doğru bir yarış başladı.
      Google tamamen kullanıcı odaklı bir bakış açısıyla yaklaşsa bile çözmesi zor bir sorun gibi görünüyor; üstüne bir de Sundar sonrası Google fiilen IBM/Oracle’a dönüştü. Bu yüzden gider deliğinin etrafında iki kat hızla dönüyor.
    • Para yüzünden bilerek bozdular.
      İnsanlara kendi arama motorlarını manipüle etmeleri için para vermeye başladıkları anda, yani AdSense’i devreye aldıkları anda, her şey kullanışsızlaşma yoluna girdi. Böyle teşvikler zaten vardı belki ama Google 2022’de buna 33 milyar dolarlık bir turbo taktı.
    • Kısa vadeli şirket bakışıyla “aramayı ihmal mi ettiler, bilerek mi bozdular” yanlış bir ikilem olabilir.
      Çünkü arama reklamı geliri artıyorsa arama iyidir; çürümemiş ya da bozulmamış görünür.
      Google’ın kullanıcıları müşteri olarak gördüğünü varsayıyoruz ama aslında onları sömürülebilir bir doğal kaynak gibi görüyor olabilir.

  • Wikipedia’nın indirilebilir veri dökümleri var; bunları Google’a sunmanın maliyeti neredeyse yok ve bu verileri açık tutmak gibi kurumsal bir misyonu da var.
    Erişim ücreti almaya karar verse bile Google bunu karşılayabilir. Tamamen gerçek dışı varsayımlar ortaya atmamak daha iyi.

    • “Tüketilebilir” veri erişimi satmak Wikimedia Enterprise’ın yaptığı şey: https://en.wikipedia.org/wiki/Wikimedia_Enterprise
    • Wikipedia API erişimini ücretli yapar ya da kısıtlarsa, bulmaca oyunum Redactle(https://redactle.net), Google Maps ücretlendirmesinin tehdit ettiği GeoGuessr gibi risk altına girer.
      Makaleyle ilgili olarak da, reklam dolu ve kötü uygulanmış sürümler bağlantı çiftliği gruplarına ait olduğundan Redactle’ı Google’da yukarı taşımak zordu. Bunların çoğu benim “Redactle Unlimited” markammış gibi davranıyordu.
      Google, Reddit, Facebook vb. yerlerde doğrulanmış kullanıcıların verdiği binlerce bağlantıdan ziyade, birbirine link veren spam site kümelerini daha çok seviyor gibi görünüyor.
    • Google’ın maliyeti karşılayabileceği doğru.
      Peki Wikipedia verileri arama sonuçlarını göstermek için kullanıldığında gelirin %10’unu isterse ne olur? Google kabul eder mi, yoksa bir Wikipedia rakibi yapıp 4 yıl sonra öldürür mü merak ediyorum.
      Sistem o kadar karmaşık ki, bazı parçaları başka kısıtların etkisi altındayken nasıl davranacağını tahmin etmek çok zor. Reddit ile OpenAI arasındaki veri scraping meselesi, Reddit’in para kazanma isteği, kuralları protesto eden Reddit moderatörleri, 2 günlük blackout’ın süresiz uzatılması, Google’ın yayımladığı LLM makalesinin ChatGPT üzerinden kendi işini etkilemesi gibi şeylerin hepsi iç içe geçmiş durumda.

  • Buradaki asıl meta sorun, arama dahil web hizmetlerinin nasıl finanse edileceğine dair eski soru.
    Google, Twitter, Reddit, Gfycat aynı problemin anlık varyasyonları ve bu problemin teknik bir çözümü yok. Bunların hepsinin ücretsiz olabileceği yönündeki saf düşünce, özellikle reklam gelirleriyle ayakta duran bir ekosistemin içinde bunu savunurken, saçma.
    Geliştirme ve işletme maliyetlerini birinin ödemesi gerekiyor; genelde parayı ödeyen taraf karar hakkını da alıyor ve bunun sonucu modern UX felaketine çıkıyor.
    En azından şu anda, risk sermayesi ortamı sayesinde, meşru katılımcıların pazarını yok etmeye dönük fiili ürün dumping’i çok daha azaldı.

    • Katılıyorum. İnsanlar değer verdikleri şeyler için para ödemek istemezse, o şey artık onlar için olmaktan çıkar.
      Parayı ödeyen taraf, yani yatırımcılar için olur.

  • Şu an Google’ın sorunu Reddit de değil Twitter da değil.
    Google artık gerçekten berbat sonuçlar ve AdWords kampanyalarıyla dolu bir marka haline geldi; pazarlamacıların neye para ödediği de belli değil.
    Brin ve Page’in orijinal makalesine dönmek gerekiyor gibi: https://research.google/pubs/pub334/
    Google, AlphaZero ya da Project Zero gibi hâlâ şaşırtıcı işler yapıyor ama geçmişteki Xerox PARC gibi, organizasyondan gerçekten yeni bir şey çıkmıyormuş hissi veriyor.
    Öte yandan Google Workspace, örneğin Sheets ve Docs, ofis alanında iyi bir rakip. İş yürütme tarafı iyi ama Google Drive araması berbat.