\u201cNon so cosa stia succedendo. Non capisco nulla, tranne le regole per la manipolazione dei simboli\u201d. In questo caso voglio dire che il robot non ha alcuno stato intenzionale; si muove semplicemente come risultato del suo cablaggio elettrico e del suo programma. Inoltre, istanziando il programma non ho stati intenzionali del tipo pertinente. Tutto ci\u00f2 che faccio \u00e8 seguire istruzioni formali sulla manipolazione di simboli formali\u201d.<\/p>\nJohn R. Searle \u2013 (1980) Menti, cervelli e programmi (trad.)<\/cite><\/blockquote>\n\n\n\n Abbiamo fondato WordLift con la convinzione che i siti web sarebbero stati trasformati in insiemi di dati e che l\u2019intelligenza artificiale ci avrebbe aiutato a navigare nel vasto ecosistema globale delle informazioni. Il nostro obiettivo \u00e8 quello di continuare a rendere i dati accessibili e facili da usare per tutti<\/strong>, dando al contempo impulso a progetti di AI di successo.<\/p>\n\n\n\n La SEO \u00e8 cambiata per sempre: le query che tradizionalmente andavano a Google<\/a> vengono intercettate da ChatGPT. Questo avviene alla velocit\u00e0 di 1 milione di richieste al giorno.<\/p>\n\n\n\n \u201cLLMO<\/a>, o ottimizzazione del modello linguistico di grandi dimensioni, \u00e8 un termine che abbiamo coniato per indicare la garanzia che le informazioni aziendali siano citate all\u2019interno di un modello linguistico di grandi dimensioni (LLM). Una tecnica efficace a questo scopo \u00e8 l\u2019apprendimento nel contesto\u201d.<\/p>\nHan Xiao e Alex C-G \u2013 Jina AI (trad.)<\/cite><\/blockquote>\n\n\n\n Oggi pi\u00f9 che mai le tecniche di ottimizzazione per aumentare la domanda di prodotti e servizi sono fondamentali per le aziende. La SEO continua a evolversi<\/strong> per adattarsi alla natura mutevole della ricerca e al crescente utilizzo dell\u2019IA conversazionale.<\/p>\n\n\n\n Nel nostro settore, da tempo ottimizziamo per fattori di ranking specifici dell\u2019AI, come la capacit\u00e0 di un sito web di fornire una risposta chiara e coerente a una determinata query di ricerca, o l\u2019uso di dati strutturati<\/a> per facilitare la comprensione e l\u2019interpretazione dei contenuti di un sito web da parte di Google, o ancora come entrare nel Knowledge Graph di Google.<\/p>\n\n\n\n Questo era solo l\u2019inizio. Nel 2023, le cose stanno cambiando a un ritmo senza precedenti, poich\u00e9 la tecnologia generativa fornisce un nuovo risultato per ogni nuovo utente, un nuovo risultato per ogni problema, e su scala web. Il gioco \u00e8 iniziato ed ecco le mie previsioni.<\/p>\n\n\n\n In poche parole:<\/em><\/strong><\/p>\n\n\n\n L\u2019automazione e la crescita rimangono strettamente intrecciati e la possibilit\u00e0 di sperimentare nuove tecniche di ottimizzazione come l\u2019apprendimento nel contesto, i prompt basati sulle istruzioni e altri comportamenti emergenti dei modelli fondamentali rimane ancorata a un tessuto di dati estensibile e all\u2019autorit\u00e0 del marchio.<\/p>\n\n\n\n Costruiamo Knowledge Graphs per strutturare i dati<\/strong>, rendendo pi\u00f9 flessibile e facile l\u2019interazione dei marchi con la tecnologia generativa.<\/p>\n\n\n\n LAVORARE RESPONSABILMENTE CON I SISTEMI AI NON \u00c8 UN\u2019OPZIONE: \u00c8 UN IMPERATIVO.<\/strong><\/p>\n\n\n\n Come negli anni precedenti, vorrei ringraziare gli straordinari colleghi con cui lavoro, nonch\u00e9 i nostri clienti e investitori. Queste tendenze SEO annuali non sono solo le mie previsioni, ma anche le tendenze su cui WordLift si concentrer\u00e0 per garantire il successo dei nostri clienti e il continuo sviluppo della nostra piattaforma.<\/p>\n\n\n\n Ecco le 5 principali tendenze da tenere d\u2019occhio nel 2023<\/strong>:<\/p>\n\n\n\n La tecnologia generativa ha fatto passi da gigante nel 2022, con progressi nel deep learning e nell\u2019elaborazione del linguaggio naturale che hanno portato allo sviluppo di sofisticati sistemi di AI che abbiamo potuto utilizzare per un\u2019ampia gamma di compiti SEO.<\/p>\n\n\n\n L\u2019attuale stato dell\u2019arte in molti settori del deep learning si basa su tre componenti chiave:<\/p>\n\n\n\n Questi modelli possono essere applicati a diversi tipi di dati, tra cui immagini, video e audio. Nell\u2019area della SEO alimentato dall\u2019intelligenza artificiale, alcuni dei modelli di maggior successo che abbiamo utilizzato sono BERT, RoBERTa, BART, DistillBERT, T5 e GPT-3 addestrati su miliardi di token di testo inglese utilizzando tecniche di modellazione linguistica mascherata.<\/p>\n\n\n\n Mi aspetto una\u00a0forte accelerazione nel modo in cui la conoscenza esterna viene incorporata nell\u2019apprendimento<\/strong>, migliorando il prompt. Abbiamo testato diversi modi per espandere le parole nei prompt da una base di conoscenza (cio\u00e8 una tassonomia).\u00a0Liu et al.<\/a>\u00a0hanno compiuto progressi significativi sul fronte della ricerca, utilizzando un LM per generare dichiarazioni di conoscenza rilevanti in un contesto di pochi colpi. \u00c8 degno di nota il lavoro di incorporazione di dati di conoscenza aggiuntivi migliorando i dati di addestramento con l\u2019uso di descrizioni di\u00a0entit\u00e0<\/a>\u00a0e tipi di entit\u00e0 (si veda\u00a0Arora et al.<\/a>) o il modo in cui le prestazioni dell\u2019apprendimento in contesto possono essere migliorate fornendo una migliore spiegazione nei prompt, come proposto da\u00a0Xi Ye et al.<\/a>\u00a0In parole povere,\u00a0lavorare con dati esterni curati aiuter\u00e0 i LLM a diventare pi\u00f9 intelligenti senza sacrificare le prestazioni.<\/strong><\/p>\n\n\n\n Possiamo anche prevedere che\u00a0i dati stiano diventando il vero collo di bottiglia nell\u2019addestramento delle LM<\/strong>.\u00a0Jordan Hoffmann<\/a>\u00a0e il team di DeepMind hanno presentato un LM a 70B chiamato \u201cChinchilla\u201d che ha superato LM pi\u00f9 grandi (GPT-3, Gopher) scalando i dati di addestramento e non esclusivamente i parametri. Se l\u2019aggiunta di pi\u00f9 dati aiuta a migliorare le prestazioni, possiamo capire perch\u00e9 OpenAI stia sviluppando sistemi di riconoscimento vocale come \u201cWhisper\u201d, in grado di alimentare le LM, altrimenti gravemente affamate e poco addestrate, con trilioni di token di testo provenienti da YouTube o da qualsiasi Podcast disponibile. Non bastano i dati di dominio generale; questo vale anche per la messa a punto dei nostri modelli personalizzati; mi aspetto che otterremo pi\u00f9 informazioni dai contenuti multimediali esistenti.<\/p>\n\n\n\n Sotto la pressione di un numero sempre maggiore di utenti che passano a ChatGPT per diverse interrogazioni,\u00a0Google introdurr\u00e0 presto il suo sistema di\u00a0intelligenza artificiale\u00a0conversazionale<\/strong>. Mi aspetto che Google cerchi di trarre vantaggio sia dall\u2019indice web che dai segnali E-E-A-T.<\/p>\n\n\n\n Sperimentando nel 2022 con i LLM in SEO, abbiamo appreso alcune lezioni che stanno plasmando il nostro modo di procedere:<\/p>\n\n\n\n Il Web generativo sta cambiando il modo in cui i contenuti vengono distribuiti all\u2019utente finale; i contenuti esistono nella loro forma unica una volta che raggiungono il pubblico di destinazione. Tuttavia, rimane la necessit\u00e0 di organizzare i contenuti utilizzando le entit\u00e0. Si pensi, ad esempio, alla catena presentata nel seguente thread e ai\u00a0limiti dei sistemi di intelligenza artificiale<\/a> che non utilizzano i grafi di conoscenza<\/strong>.<\/p>\n\n\n\n\n
![\"\"](\"https:\/\/wordlift.io\/blog\/it\/wp-content\/uploads\/sites\/2\/2022\/12\/working-with-AI-system.jpg\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/wordlift.io\/blog\/it\/wp-content\/uploads\/sites\/2\/2022\/12\/working-with-AI-system-2.jpg\")
Quali sono le tendenze principali della SEO nel 2023?<\/h2>\n\n\n\n
\n
1. Contenuto generativo<\/h3>\n\n\n\n
\n
\n
![\"\"](\"https:\/\/wordlift.io\/blog\/it\/wp-content\/uploads\/sites\/2\/2022\/12\/prompt-improvements_seo-trends-2023-wordlift.png\")
<\/figure>\n\n\n\n\n