SEO முடிந்துவிட்டதா? AI யுகத்தில் SEO எதிர்காலம்!

 

இன்றைய டிஜிட்டல் உலகில், "SEO முடிந்துவிட்டது" (SEO is Dead) என்ற வார்த்தைகள் அடிக்கடி கேட்கப்படுகின்றன. குறிப்பாக, AI தொழில்நுட்பத்தின் வளர்ச்சி மற்றும் சாட்ஜிபிடி போன்ற செயற்கை நுண்ணறிவு கருவிகளின் வருகை, தேடுபொறி உகப்பாக்கத்தின் (SEO) எதிர்காலத்தை கேள்விக்குறியாக்கியுள்ளது.

உதாரணத்திற்கு  இனிமேல் சாட்ஜிபிட் கேல்வியகவோ அல்லது கூகுள் ஆசிஸ்டெண்ட் அலெக்ஸா விடம் வாய்மொழி மூக்லமோ தான் தேட போகிறோம். 

OK Google என் அருகில் இருக்கு நல்ல ஹோட்டல்களை பட்டியிலிடு

chatGPT  என் அருகில் நல்ல துணிக்க்டைகளை பட்டியலிடு

என போக போகிறது.

SEO உண்மையில் முடிந்துவிட்டதா?

நிச்சயமாக இல்லை! SEO முடிந்துவிடவில்லை, ஆனால் அது நிச்சயமாக மாறிக்கொண்டிருக்கிறது. முன்பு போல் வெறும் கீவேர்டுகளை (keywords) மட்டும் வைத்துக்கொண்டு SEO செய்தால் பலன் கிடைக்காது. AI யுகத்தில், SEO என்பது முற்றிலும் வேறுபட்ட அணுகுமுறையை கோருகிறது.

AI மற்றும் SEO: ஒரு புதிய உறவு

AI தொழில்நுட்பம், குறிப்பாக கூகுள் போன்ற தேடுபொறிகளில், தேடல் முடிவுகளை எவ்வாறு வழங்குகின்றன என்பதை மாற்றியமைக்கிறது. AI, பயனர்களின் தேடல் நோக்கத்தை (search intent) புரிந்து கொண்டு, அவர்களுக்கு பொருத்தமான மற்றும் பயனுள்ள தகவல்களை வழங்குகிறது.

மாறிவரும் SEO உத்திகள்:

• பயனர் நோக்கம் முக்கியம் (User Intent): வெறும் கீவேர்டுகளை மட்டும் இலக்காகக் கொள்ளாமல், பயனர்கள் எதற்காகத் தேடுகிறார்கள் என்பதைப் புரிந்து கொண்டு, அவர்களுக்கு தேவையான தகவல்களை வழங்க வேண்டும்.
• தரமான உள்ளடக்கம் (High-Quality Content): AI யுகத்தில், தரமான மற்றும் நம்பகமான உள்ளடக்கம் மிகவும் முக்கியமானது. எக்ஸ்பீரியன்ஸ், எக்ஸ்பெர்டைஸ், அதாரிட்டி, மற்றும் ட்ரஸ்ட் (E-E-A-T) கொள்கைகளை பின்பற்றி, பயனர்களுக்கு பயனுள்ள தகவல்களை வழங்க வேண்டும்.
• Natural Language Optimization: பயனர்கள் பேசும் மொழியிலேயே உள்ளடக்கத்தை உருவாக்க வேண்டும். நீண்ட வாக்கியங்கள் மற்றும் உரையாடல் பாணியில் உள்ளடக்கத்தை உருவாக்குவது முக்கியம்.
• Voice Search Optimization: ஸ்மார்ட் ஸ்பீக்கர்கள் மற்றும் மொபைல் போன்களில் குரல் தேடல் அதிகரித்துள்ளதால், குரல் தேடலுக்கு ஏற்றவாறு உள்ளடக்கத்தை உகப்பாக்கம் செய்ய வேண்டும்.
• ஸ்ட்ரக்சர்ட் டேட்டா (Structured Data): கூகுள் போன்ற தேடுபொறிகள் உங்கள் உள்ளடக்கத்தை எளிதில் புரிந்து கொள்ள ஸ்ட்ரக்சர்டு டேட்டா மார்க்அப் (schema markup) பயன்படுத்த வேண்டும்.
• LLM Optimization: பெரிய மொழி மாதிரிகள் (Large Language Models) பயன்படுத்துவதற்கு எளிதாக உள்ளடக்கத்தை மாற்ற வேண்டும்.

SEO வின் எதிர்காலம்:

SEO முடிந்துவிடவில்லை, ஆனால் அது நிச்சயமாக மாறிக்கொண்டிருக்கிறது. AI தொழில்நுட்பத்தின் வளர்ச்சியால், SEO என்பது வெறும் கீவேர்டுகளை மட்டும் வைத்துக்கொண்டு செய்வது அல்ல. பயனர் நோக்கம், தரமான உள்ளடக்கம், Optimization ஆகியவை முக்கியம்.

LLM Optimization 

• Large Language Models என்றால் என்ன?
  • பெரிய மொழி மாதிரிகள் (Large Language Models - LLMs) என்பவை, பல கோடி வார்த்தைகள் மற்றும் வாக்கியங்களை வைத்து பயிற்சி பெற்ற செயற்கை நுண்ணறிவு மாதிரிகள். இவை மனிதர்கள் பேசுவது மற்றும் எழுதுவது போன்ற மொழியைப் புரிந்து கொண்டு, உருவாக்கவும் திறன் கொண்டவை. சாட்ஜிபிடி, கூகிள் பார்ட் போன்றவை LLM களுக்கு எடுத்துக்காட்டுகள்.
• LLM Optimization  ஏன் முக்கியம்?
  • LLM கள் தேடல் முடிவுகளை உருவாக்குவதில் முக்கிய பங்கு வகிக்கின்றன. எனவே, உங்கள் உள்ளடக்கம் LLM களுக்கு எளிதில் புரியும்படி இருந்தால், தேடல் முடிவுகளில் உங்கள் வலைத்தளம் முன்னிலை பெற வாய்ப்புள்ளது.
  • LLM கள் தகவல்களை திரட்டி, சுருக்கி, பயனர்களுக்கு எளிமையாக வழங்கும். எனவே, உங்கள் உள்ளடக்கம் LLM களுக்கு ஏற்றவாறு கட்டமைக்கப்பட்டிருந்தால், பயனர்களுக்கு அதிக பயனுள்ளதாக இருக்கும்.
• LLM Optimization  செய்வது எப்படி?
  • தெளிவான மற்றும் சுருக்கமான உள்ளடக்கம்: உங்கள் உள்ளடக்கம் தெளிவான மற்றும் சுருக்கமான வாக்கியங்களில் இருக்க வேண்டும். LLM கள் நீண்ட மற்றும் சிக்கலான வாக்கியங்களை புரிந்து கொள்வதில் சிரமப்படலாம்.
  • ஸ்ட்ரக்சர்டு டேட்டா (Structured Data): ஸ்ட்ரக்சர்டு டேட்டா மார்க்அப் (schema markup) பயன்படுத்தி, உங்கள் உள்ளடக்கத்தின் கட்டமைப்பை LLM களுக்கு தெளிவாக உணர்த்தலாம்.
  • கேள்வி-பதில் வடிவம்: உங்கள் உள்ளடக்கத்தை கேள்வி-பதில் வடிவில் அமைத்தால், LLM கள் தகவல்களை எளிதில் புரிந்து கொள்ளும்.
  • முக்கிய தகவல்களை முன்னிலைப்படுத்துதல்: உங்கள் உள்ளடக்கத்தில் உள்ள முக்கியமான தகவல்களை முன்னிலைப்படுத்தி, LLM கள் எளிதில் புரிந்து கொள்ளும் வகையில் வடிவமைக்க வேண்டும்.
  • பட்டியல்கள் மற்றும் அட்டவணைகள்: தகவல்களை பட்டியல்கள் மற்றும் அட்டவணைகள் வடிவில் அமைத்தால், LLM கள் தகவல்களை எளிதில் புரிந்து கொள்ளும்.

NLP Optimization

• இயற்கை மொழி செயலாக்கம் என்றால் என்ன?
  • இயற்கை மொழி செயலாக்கம் (Natural Language Processing - NLP) என்பது, கணினிகள் மனிதர்கள் பேசும் மற்றும் எழுதும் மொழியைப் புரிந்து கொண்டு, செயலாக்கும் தொழில்நுட்பம் ஆகும்.
• NLP Optimization ஏன் முக்கியம்?
  • தேடுபொறிகள் NLP தொழில்நுட்பத்தை பயன்படுத்தி, பயனர்களின் தேடல் நோக்கத்தை புரிந்து கொள்கின்றன. எனவே, உங்கள் உள்ளடக்கம் NLP க்கு ஏற்றவாறு இருந்தால், தேடுபொறிகள் உங்கள் உள்ளடக்கத்தை எளிதில் புரிந்து கொள்ளும்.
  • குரல் தேடல் (Voice Search) மற்றும் உரையாடல் தேடல் (Conversational Search) போன்ற அம்சங்கள் NLP தொழில்நுட்பத்தை அடிப்படையாகக் கொண்டவை.
• NLP Optimization செய்வது எப்படி?
  • இயற்கை மொழி பயன்பாடு: உங்கள் உள்ளடக்கத்தில் மனிதர்கள் பேசும் மொழியை பயன்படுத்த வேண்டும். சிக்கலான மற்றும் தொழில்நுட்ப வார்த்தைகளை தவிர்த்து, எளிமையான வார்த்தைகளை பயன்படுத்த வேண்டும்.
  • நீண்ட வாக்கியங்கள் மற்றும் உரையாடல் பாணி: உங்கள் உள்ளடக்கத்தில் நீண்ட வாக்கியங்கள் மற்றும் உரையாடல் பாணியை பயன்படுத்த வேண்டும். இது குரல் தேடலுக்கு ஏற்றவாறு இருக்கும்.
  • பொருள் சார்ந்த கீவேர்டுகள் (Semantic Keywords): உங்கள் உள்ளடக்கத்தில் பொருள் சார்ந்த கீவேர்டுகளை பயன்படுத்த வேண்டும். ஒரே பொருளை குறிக்கும் பல வார்த்தைகளை பயன்படுத்தி, தேடுபொறிகள் உங்கள் உள்ளடக்கத்தை எளிதில் புரிந்து கொள்ள உதவும்.
  • பயனர் நோக்கம் (User Intent): உங்கள் உள்ளடக்கத்தில் பயனர்களின் தேடல் நோக்கத்தை புரிந்து கொண்டு, அவர்களுக்கு தேவையான தகவல்களை வழங்க வேண்டும்.
  • கேள்விகளுக்கு பதிலளித்தல்: உங்கள் உள்ளடக்கத்தில் பயனர்கள் கேட்கும் கேள்விகளுக்கு பதிலளிக்கும் வகையில் தகவல்களை வழங்க வேண்டும்.

AI யுகத்தில், SEO என்பது தொடர்ந்து மாறிக்கொண்டே இருக்கும். எனவே, இந்த மாற்றங்களுக்கு ஏற்ப நம்முடைய SEO உத்திகளை மாற்றியமைக்க வேண்டும். தரமான உள்ளடக்கத்தை உருவாக்கி, பயனர் நோக்கத்தை புரிந்து கொண்டு, AI தொழில்நுட்பத்தை பயன்படுத்தி, SEO வில் வெற்றி பெறலாம்.

How to configure and use autogpt

AutoGPT is a library built on top of the PyTorch and Hugging Face Transformers frameworks that provides an easy-to-use interface for training and fine-tuning large language models. Here are the steps to configure and use AutoGPT:

1. Install AutoGPT: You can install AutoGPT using pip. Open a command prompt and run the following command:

 pip install autogpt

2. Load the dataset: AutoGPT supports loading datasets from various sources such as CSV files, JSON files, and Pandas dataframes. You can use the autogpt.data module to load your dataset. For example, to load a CSV file, you can use the following code:

Java

from autogpt.data import CsvDataset dataset = CsvDataset('path/to/csv/file', 'text_column_name')

3. Create a configuration file: AutoGPT uses a configuration file to specify the hyperparameters for the training process. You can create a configuration file in YAML format. Here's an example configuration file:

YAML

model: architecture: gpt2-medium dropout: 0.1 attention_dropout: 0.1 num_layers: 12 num_heads: 12 hidden_size: 768 activation_function: gelu max_position_embeddings: 1024 training: batch_size: 16 learning_rate: 5e-5 num_epochs: 3

4. Train the model: Once you have loaded your dataset and created a configuration file, you can train your model using the autogpt.training module. Here's an example code snippet:

Java

from autogpt.training import Trainer trainer = Trainer('path/to/configuration/file', dataset) trainer.train()

5. This will start the training process using the specified configuration and dataset.

Use the model for inference: Once the model is trained, you can use it for generating text. You can use the autogpt.inference module to generate text from the trained model. Here's an example code snippet:

Python

from autogpt.inference import GptGenerator generator = GptGenerator('path/to/trained/model') generated_text = generator.generate_text('prompt', max_length=100) print(generated_text)

This will generate text starting from the specified prompt and with a maximum length of 100 tokens.

Chatgpt இந்துமத கடவுளை அவமானப் படுத்துகிறதா?

மஹேஷ் விக்ரம் ஹெக்டே புதிதாக வந்திருக்கும் cahtgptஐ அனைவரும் போல பரிசோதித்து பார்த்தார்.

“கிருஷ்ணரைப் பற்றி ஒரு நகைச்சுவை சொல்லு” எனக் கேட்கிறார்.

சாட்ஜிபிடி ஒரு நகைச்சுவையைச் சொல்கிறது.

அடுத்து முகம்மதுவைப் பற்றி ஒரு நகைச்சுவைக் கேட்கிறார். ஆனால் சாட்ஜிபிடி மறுக்கிறது. சரி ஜீசஸைப் பற்றி ஒரு நகைச்சுவை சொல்லு என்கிறார். அதையும் சாட்ஜிபிடி மறுக்கிறது. கோபடைந்த மஹேஷ் இதை அப்படியே ஸ்கிரின் ஷாட் எடுத்து டிவிட்டரில் பகிர்கிறார். பல ஆயிரம் பேர அதை ஷேர் செய்கிறார்கள்.

தன் சகாககளுக்கும் சொல்லி இருக்க வேண்டும். மஹேஷ் யார் என்றால் பிரதமர் நரேந்திர மோடி அவர்களால் பிந்தொடர்படுபவர். போஸ்ட்கார்ட் எனும் ஆன்லைன் பத்திரிக்கையை நடத்துபவர், சுமார் 1.85 லட்சம் பேர் டிவிட்டரில் இவரை பின் தொடருகிறார்கள். 

இவர் போட்ட ஸ்க்ரீன் ஷார்ட்டை தொடர்ந்து ஜி தொலைக்காட்சி ஹிந்தி பதிப்பில் ரோஹித் ரஞ்ன் சுமார் 25 நிமிட நிகழ்ச்சியை கொடுக்கிறார். சாரம் வெளிநாட்டு நிறுவனங்கள் தொடர்ந்து ஹிந்து மதத்தைக் கேலி செய்வதை வாடிக்கையாக வைத்துள்ளனர். மற்றொரு ஹிந்துத்வா அறிவுஜீவியான ராஜிவ் மல்ஹோத்ராவும் இணைந்துகொண்டார். மிகப் பெரிய சதிக்கோட்பட்டை உருவாக்கிவிட்டார்கள்.

சாட்ஜிபிடி  இயங்கும் விதம் என்பது முழுக்க முழுக்க உள்ளிடும் தகவலை பொறுத்தது. ஆனால் மிகச் சிக்கலான இனம், மொழி, மதம் தொடர்பான கேள்விகளுக்கு மிக எச்சரிக்கையாகப் பதில் சொல்லுமாறோ அல்லது பதைலை தருவதை தவிர்க்குமாறோ தான் திட்டமிட்டு அமைக்கப்பட்டிருக்கும். ஜீசஸ் பற்றி நகைச்சுவை சொல்ல மறுத்துவிட்டதைப் போல.

ஆரம்பக் கால தொழில்நுட்பத்தில் இது சாதாரணம் தான். சாட ஜிபிடியை பயன்படுத்தும் போதே நீங்கள் இந்த எச்சரிக்கையை வலைத்தளத்தில் கேள்விகள் உள்ளிடும் டெக்ஸ்ட் பாக்ஸ் மேலே சுட்டி காட்டிருப்பதை கவனிக்கலாம். இதைச் சரி செய்யக் கோரிக்கை வைக்கும் போது அவை மெல்லச் சரி செய்யப் படும். முதல் நிலையிலேயே அதன் மீது சதிகோட்பாட்டை முன் வைப்பது இந்தியவின் உலக இமேஜிற்கு  உகந்ததல்ல. தவறு இறுபின் சுட்டிக் காட்டி அதைச் சரி செய்ய வில்லை என்றால் தான் அவர்கள் மேலே சந்தேகம் எழுப்ப வேண்டும். 

சாட்ஜிபிடி மைக்ரோசாப்ட் நிறுவனத்தின் பிங் தேடுபொறியில் ஒரு பகுதியாக இணைக்கப்படப் போகும் இந்த வேலையில் நிச்சயம் இந்த சர்ச்சைகள் அதற்கு ஏதாவது சிக்கலைத் தரலாம்.பொறுத்திருந்து பார்ப்போம். 

Chatgpt,Bard AI ரகசியம்: கூகுள் ஏன் டிமிண்ட் கெபுருவை நீக்கியது?

Chatgpt பிரபலமாகிவிட்டது, ஆனால் சாட் ஜி.பி.டி முதல் கூகுள் பார்ட் (BARD) வரை AI மென்பொருட்களின் சிக்கல்கள், அதன் ஆபத்துகளைப் பேசிய டிம்னிட் கெபுருவு எனும் AI Ethics ஆய்வாளரைக் கூகுள் நிறுவனம் வேலையை விட்டு நீக்கியது. இது பழைய கதை ஆனால் நாம் இன்று இதைத் தான் முதலில் பேச வேண்டும். 

டிமிண்ட் கெபுரு கூகுள் நிறுவனத்தின் பணியாளர். ஆய்வாளர். ஆர்டிபிஷியல் இண்டெலிஜென்ஸ் ஆய்வு பிரிவில் எதிக்ஸ் (ஆய்வு அறம்) ஆய்வராக பணிபுரிந்து வந்தார். இவரின் வேலை வருங்காலத்தில் கூகுள் நிறுவனத்தில் AI தொடர்பான ஆய்வுகளில் கடைப்பிடிக்கப்படும் நேர்மை, அறம், நம்பகத்தன்மையை மேற்பார்வையிட வேண்டும். அது தொடர்பான ஆய்வறிக்கைகளை வெளியிட வேண்டும்.

2020ல் OpenAi எனும் நிறுவனம் chatgpt எனும் மென்பொருளை உருவாக்கி வந்த நேரம், கூகுள் நிறுவனமும்  தங்கள் தேடு பொறியில் AI வசதியுடன் கூடிய அல்காரிதம்களை மேம்படுத்தப் பல ஆய்வுகள் மேற்கொண்டு வந்தது. இதன் அடிப்படை குறிக்கோள் சாட் வடிவில் பயனாளர்கள் உள்ளிடும் கேள்விகளுக்குத் தகுந்த பதிலைத் தர வேண்டும்.

இதன் இயக்கும் விதத்தை வைத்து இதை Transformers என்று அழைப்பார்கள். இதை முதலில் அறிமுகப்படுத்தியது கூகுள் தான். இவை LLM என்றைழைக்கப்படும். LLM என்றால் Large Language Models. 

LLM என்பது Artificial neural network எனும் ANN அடிப்படையில் உருவாக்கப்பட்ட மிகப் பெரிய கட்டமைப்பு அல்காரிதமான deep learning உதவியுடன் இயங்கும். 

இது எப்படி இயங்குகிறது என்றால், இண்டர்நெட்டில் இருக்கும் தகவல்களைப் பெற்று அதைப் பிரித்து ஒழுங்கமைக்கும். அதை லேபிள் செய்து அதன் அடிப்படையில் பகுப்பாய்வு செய்யும். இதன் மூலம் சில பரமீட்டர்களை ஒப்பிட்டுக் கற்றுக்கொள்ளும். கற்றதைச் சரிபார்க்கும்.சரிபார்க்க feedbackகளை பெறும், தன் கற்றலை மேம்படுத்திக்கொள்ளும். ஆனால் இதன் கற்றல் என்பது புரிந்துகொள்வதல்ல, தரம் பிரிப்பது. மனிதர்களை போல இவை கற்றுக்கொள்வதில்லை. மாறாகத் தரம் பிரிப்பதைத் தான் கற்றல் என இவர்கள் பெயரிட்டு அழைக்கிறார்கள்.  

 இப்போது கெபுருவுக்கு வருவோம். கெபுரு தன் நண்பருடன் இனைந்து ஆய்வு அறிக்கை ஒன்றை அறவியல் இதழில் பிரசுரிக்க முயல்கிறார். இது கூகுள் நிறுவனம் உருவாக்கி வரும் AI chat மென்பொருட்களைக் கேள்விக்குள்ளாக்குகிறது.

முதல் அவர்கள் எச்சரிப்பது மின்சார செலவு.

மிகப்பெரும் இணையத்தின் தகவல் அடிப்படையில் இந்த LLM இயங்க வேண்டும் என்றால் மிகப்பெரிய டேட்டா செண்டர்கள் வேண்டும். அவ்வளவு பெரிய டேட்டா செண்டர்களை இயக்க பல கிலோவாட் மின்சாரம் தேவைப் படும். அவ்வளவு மின்சாரத்தை உற்பத்தி செய்ய வெளியாகும் கார்பண்டை ஆக்ட்சைட் அலவு ஓசோனில் ஓட்டை போட போதும். உலகம் முழுவதும் க்ளைமேட் சேஞ் பற்றிப் பேசி வரும் சூழலில் இவ்வளவு மின்சாரத்தைச் செலவழிப்பது என்பது கொஞ்சமும் சரியல்ல என் வாதாடுகிறார்கள்.

அடுத்து ஒருபக்கச் சார்புத் தன்மை: 

இந்த மென்பொருட்கள் நீங்கள் உள்ளிடும் தகவல் அடிப்படையில் தான் அவை கற்றுக்கொள்ளும். இதற்கு வரும் உள்ளீடு தகவல் என்பது இணையத்தில் இருந்து என்பது குறிப்பிடதக்கது. இணையத்தில் ஒரு பொய்யான தகவல்  அதிகம் இருந்து அவை மீண்டும் மீண்டும் இந்த மென்பொருளுக்கு தரப்பட்டால் அவை அதை உண்மையென நம்பிவிட வாய்ப்புகள் அதிகம். 

இங்கு தான் நாம் இதன் அடிப்படையை புரிந்துகொள்ள வேண்டும் இவை முழுக்க முழுக்க தகவலுக்குள் ஒற்றுமைகளைக் கண்டுபிடிக்குமே தவிர மனிதர்களைப் போல அதை புரிந்துகொள்ளாது.

மக்கள் மிக எளிதாகத் தவறான தகவல்களை நம்பிவிட வாய்ப்புகள் அதிகம். ஒரு முறை பேஸ்புக்கில் பாலிஸ்தீனியர் ஒருவர் அரபு மொழியில் காலை வணக்கம் என போஸ்ட் போட்டார் அதை பேஸ்புக் மென்பொருள் தவறாக “அவர்களைத் தாக்குங்கள்” என ஹீப்ரு மொழியில் மொழிபெயர்த்துவிட்டது. காலை வணக்கம் போட்டவருக்குக் காலை நல்லதாக விடியவில்லை கைதுச் செய்யப்பட்டுவிட்டார். 

இவை அனைத்தையும் சுட்டிக் காட்டிய கெபுரு இது போன்ற AI சாட் மென்பொருட்களை உருவாக்கவும், பயனில் விடவும் நிதானம் தேவை , நிரைய ஆய்வுகள் தேவை எனக் கோரிக்கை வைத்திருந்தார்.

ஆனால் கூகுள் நிறுவனமோ விடுமுறையில் இருந்த கெபுருவை அப்படியே வேலையை விட்டு நீக்கிவிட்டது.

கெபுரு இன்று வரை போராடிக்கொண்டிருக்கிறார். இந்த மென்பொருட்களின் சாதக பாதகங்களைப் பற்றி மக்களுக்கு விழிப்புணர்வு ஏற்படுத்தி வருகிறார்.