Gemini: ИИ-модель от Google и как попасть в её цитаты

Gemini: это семейство мультимодальных больших языковых моделей, разработанное Google DeepMind и ставшее основой одноимённого ИИ-ассистента Google. Оно было анонсировано в 2023 году как преемник PaLM 2 и LaMDA и с самого начала создавалось для совместной работы с текстом, изображениями, звуком, видео и кодом. Для маркетологов Gemini важен тем, что на нём работают сервисы по всему обширному набору продуктов Google, включая ИИ-ответы, всё чаще появляющиеся над результатами поиска.

По мере того как Google встраивает Gemini в поиск через AI Overviews и AI Mode, вопрос смещается от ранжирования синей ссылки к тому, чтобы стать источником, который Gemini обобщает и цитирует. Понимание того, как работает Gemini: первый шаг к такой видимости, а это и есть цель оптимизации цитирования в ИИ.

Что такое Gemini?

Gemini: это одновременно набор моделей и потребительский ассистент, построенный на них. Google анонсировала его на конференции I/O в мае 2023 года и выпустила Gemini 1.0 в декабре 2023 года, представив как скачок по сравнению с прежними языковыми моделями. Он служит основой генеративной ИИ-стратегии Google: от отдельного приложения до функций, встроенных в экосистему.

В основе Gemini лежит LLM, но его определяющая черта: встроенная мультимодальность. Многие модели обучались в основном на тексте, а Gemini создавался так, чтобы воспринимать сразу несколько видов данных, что делает его ведущим примером мультимодального ИИ. Его разрабатывает Google DeepMind: объединённое подразделение Google по исследованиям в области ИИ.

Семейство моделей Gemini

Gemini выпускается в нескольких версиях под разные задачи. Первый выпуск включал Ultra для очень сложных задач, Pro для общего использования и Nano для задач на самом устройстве, то есть на телефонах, а позже появились варианты Flash и Flash-Lite, оптимизированные по скорости и стоимости. Эта лестница позволяет Google обслуживать всё: от функций смартфонов до требовательных корпоративных задач.

Возможности быстро росли. Gemini 1.0 Ultra, по сообщениям, стала первой моделью, превзошедшей экспертов-людей на тесте MMLU, набрав около 90%, а следующие выпуски ещё улучшили рассуждения, программирование и агентные возможности, при этом контекстные окна, по сообщениям, достигали миллиона токенов. Это базовые модели, на которых работают и многие другие продукты Google.

Как работает Gemini: мультимодальность и длинный контекст

Поскольку Gemini мультимодален, в одном контекстном окне могут находиться текст, код, изображения, видео и звук, причём их можно чередовать, а не подавать в строго заданном порядке. Это позволяет вести по-настоящему смешанные разговоры, например спрашивать про диаграмму и абзац в одном запросе, и позволяет Gemini обрабатывать длинные материалы, такие как видео примерно до девяноста минут, с кадрами и звуком.

Очень большое контекстное окно означает, что Gemini может рассуждать сразу над целыми документами, кодовыми базами или медиафайлами. Длинный контекст и мультимодальная опора определяют то, как он отвечает на вопросы и какие источники может использовать, и связаны с тем, как Gemini справляется с ограничениями контекстного окна по сравнению с более мелкими моделями.

Gemini в поиске Google: AI Overviews и AI Mode

Самое важное для маркетологов место, где появляется Gemini: поиск. Gemini лежит в основе AI Overviews, сводных ответов, расположенных над традиционными результатами, и AI Mode, более диалогового и динамичного формата поиска. На этих площадках Google составляет ответ и может ссылаться на источники, а не просто перечислять ссылки.

Поэтому Gemini стоит в центре ИИ-поиска. Поскольку он опирается на поисковый индекс Google и Knowledge Graph, у контента, который ранжируется и проверен в экосистеме Google, есть преимущество при выборе, и поэтому связь с попаданием в AI Overview прямая и важная.

Как Gemini выбирает и цитирует контент

Gemini сильно опирается на собственные данные Google: поисковый индекс для свежего веб-контента и Knowledge Graph для проверенных сущностей. Это значит, что устоявшиеся, чётко структурированные страницы с согласованными данными о сущностях с большей вероятностью попадают в его ответы. Когда он цитирует, он указывает источники, которые считает релевантными и надёжными.

По механике опора ответа на найденный веб-контент: это форма генерации с дополнением за счёт поиска. Чтобы на ваш контент ссылались, он должен быть доступен для поиска и пригоден для разбора, и поэтому чистая структура и точные факты определяют цитирование в LLM в Gemini так же, как в других системах.

Почему Gemini важен для SEO и GEO

Охват Gemini через поиск делает его, пожалуй, самой ответственной ИИ-площадкой для органической видимости. Когда AI Overview отвечает на вопрос напрямую, меньше пользователей переходит по ссылкам, поэтому быть цитируемым источником: способ сохранить видимость. Это смещает цель с одного ранжирования на повторное использование внутри сгенерированных ответов Google.

Обнадёживает пересечение с классическим SEO. Поскольку Gemini опирается на индекс Google и Knowledge Graph, большая часть работы, которая приносит позиции, помогает и появиться в AI Overviews, так что сильная контент-стратегия для ИИ окупается в обоих направлениях. Сильные данные о сущностях и авторитет работают дважды.

Как оптимизировать контент под Gemini

Поддерживайте традиционное SEO на высоком уровне, поскольку Gemini опирается на индекс Google, и укрепляйте свои сущности, чтобы Knowledge Graph последовательно узнавал ваш бренд, людей и продукты. Начинайте каждую страницу с прямого самодостаточного ответа, используйте структурированные данные и поддерживайте факты точными и актуальными, чтобы Gemini мог их извлечь и доверять им.

Поскольку Gemini мультимодален, вклад могут вносить и хорошо описанные изображения, видео и звук, поэтому добавляйте описательный альтернативный текст, расшифровки и подписи, где это уместно. Дополните это системной работой с ключевыми словами и планированием контента, чтобы нацелиться на вопросы пользователей, и отслеживайте своё присутствие во времени с помощью аналитики ИИ-поиска.

Вывод

Gemini: это мультимодальное семейство моделей Google DeepMind с версиями от Nano, работающей на самом устройстве, до мощных моделей класса Pro и Ultra, с очень большими контекстными окнами и глубокой интеграцией в продукты Google. Для маркетологов он важнее всего как движок AI Overviews и AI Mode в поиске, где роль цитируемого источника сохраняет видимость на фоне падения числа кликов. Поскольку он опирается на индекс Google и Knowledge Graph, сильное SEO и данные о сущностях помогают в нём появиться.

Чтобы пойти дальше, свяжите это с оптимизацией под AI Overview и оптимизацией цитирования в ИИ, а инструменты Sorank для исследования и планирования контента помогут нацелиться на вопросы, на которые отвечает Gemini. Источники: Wikipedia, Google и Google AI for Developers.