الجيل الثالث من التكنولوجيا البرمجية وتحسين محركات البحث: كيف ستُحدث الذكاء الاصطناعي ثورة في محتواك إلى الأبد

لقد سمعنا جميعًا هذه الضجة حتى الآن.

أطلقت OpenAI إصدارًا جديدًا من المحوّل التوليدي المُدرَّب مسبقًا 3 (باختصار، GPT-3 أو GPT 3) مع وصول تجريبي إلى واجهة برمجة التطبيقات GPT-3، وعلى غرار سلفه GPT-2، هو شبكة عصبية عميقة كبيرة قادرة على توليد نصوص واقعية بما يكفي لخداع الإنسان العادي تلقائيًا. وهو ذكاء اصطناعي متقدم يتعلم محاكاة الكتابة البشرية من الويب.

إليك مقتطفًا من مقال ولّده GPT-3:

في السنوات التي أعقبت الحرب العالمية الثانية، بدأ اقتصاد العالم الغربي، ولا سيما اقتصادات أوروبا، يتعافى ويُظهر نموًا. وبدأت إعادة بناء المصانع والطرق والجسور والمدن والمنازل والموانئ والمطارات. وأصبح اقتصاد أوروبا محركًا للنمو في العالم الغربي بأسره. ازدهرت الدول والشركات والأفراد، وبدأت في أوروبا حقبة كبرى من النمو الاقتصادي وارتفاع الأجور وتحسن مستويات المعيشة. وقد جعل هذا المزيج من إعادة البناء والاستثمار الجديد أوروبا مكانًا رائعًا لممارسة الأعمال. وبالنسبة إلى الشركات، كانت أوروبا سوقًا هائلًا، وقد توحّد أعضاؤها إلى حد كبير من حيث تنظيم السوق والبنية التحتية وسياسة الاستثمار والثقافة. أنشأت الشركات مصانع، واستثمرت، ووجدت أسواقًا جديدة، وكانت هذه الاستثمارات ممولة إلى حد كبير بالديون.

لا شك أن هذه النتائج فاجأت الجمهور وولّدت الكثير من الضجة. النص المولَّد يقرأ بسلاسة وهو صحيح نحويًا - لكن GPT-3 ليس مجرد مولِّد نصوص قوي. فهذه التقنية تمثل تحولًا أساسيًا في الطريقة التي يجب أن نفكر بها في إنشاء المحتوى والتسويق وتحسين محركات البحث (SEO). ويمكن إنشاء مقاطع قصيرة من المحتوى، مثل المثال أعلاه، بسهولة وبكلفة منخفضة.

بصفتنا خبراء SEO وصنّاع محتوى، من الضروري فهم GPT-3. هل يعني هذا أن الكتابة البشرية أصبحت من الماضي؟ هل يمكنه إنتاج نصوص عالية الجودة؟ هل هذا ينذر بسيناريو كارثي تتكاثر فيه روبوتات السبام الخاصة بـSEO وتضخ كميات لا نهائية من المحتوى الرديء؟

ورغم وجود بعض الحقيقة في هذه الانطباعات، فإننا نعتقد أن الضجة المبالغ فيها المحيطة بـGPT-3 تحتاج إلى مزيد من الوضوح. ولتفهم أثر تقنيات توليد النصوص في SEO وكتابة المحتوى، علينا أولًا أن نفكك ما يفعله GPT-3، ولماذا يهم، وكيف يعمل.

شمولية GPT-3

GPT-3 وتقنياته السابقة (GPT وGPT-2) هي سلسلة أبحاث حول النماذج العامة في معالجة اللغة الطبيعية (NLP) التي طورتها OpenAI. لكن ماذا يعني أن تكون عامًا؟

للتعلّم الآلي تاريخ طويل في تطوير أنظمة بارعة في شيء واحد فقط. وتُسمّى هذه الأنظمة ذكاءً اصطناعيًا ضيقًا. فإذا أردت ذكاءً اصطناعيًا يتنبأ بتقييم مراجعة على Amazon، يمكنك تدريب واحد بسهولة إذا كان لديك ما يكفي من بيانات التدريب. وإذا أردت تطوير نموذج ينظر إلى صورة ملف شخصي على وسائل التواصل الاجتماعي ويخبرك بمن يكون صاحبها، فيمكنك تدريب نموذج آخر يقوم بالمهمة.

المشكلة هي أن أنظمة الذكاء الاصطناعي التي تُدرَّب على واحدة من هاتين المهمتين فقط لا تستطيع العمل على أي شيء آخر - ومن هنا جاءت تسمية الضيق. فهي مقيدة بنطاق ما دُرِّبت عليه. أما الكأس المقدسة الحالية في أبحاث الذكاء الاصطناعي فهي السعي إلى تقنيات أكثر عمومية - ذكاءات قادرة على القيام بأشياء كثيرة. وإليك السبب في أن التقنيات العامة تُعد تغييرًا حقيقيًا لقواعد اللعبة.

لماذا نبني ذكاءً اصطناعيًا عامًا؟

تسود فكرة شائعة تقول: ألا ينبغي تفضيل الخبراء المتخصصين؟

في الأيام الأولى للحوسبة، كان الناس يصنعون حواسيب متخصصة لا تستطيع إلا إجراء الحسابات وحل نوع واحد من المشكلات. تخيل أن لديك آلة حاسبة متخصصة لا تستطيع إلا الجمع، ولا شيء غير ذلك. بالتأكيد، هي ممتازة جدًا في الجمع ويمكنها إنجازه بسرعة كبيرة، لكن ذلك لن يكون مفيدًا جدًا.

بدلًا من ذلك، من الأكثر فائدة بكثير أن يكون لديك حاسوب يستطيع الجمع والطرح والاتصال بالإنترنت ولعب ألعاب الفيديو، إلخ. وتتمتع الحواسيب الحديثة المبنية على معمارية فون نيومان بهذه القدرات العامة. وبالنظر إلى الوراء، من السهل القول إن الحوسبة ذات الغرض العام تُعد واحدة من أكثر اختراعات البشرية تأثيرًا.

ينطبق المبدأ نفسه على تقنيات الذكاء الاصطناعي مثل GPT-3. نحن نريد العمومية في أنظمتنا لأنها تمكّننا من حل مشكلات أكثر بكثير من دون الحاجة إلى هندسة يدوية لمهام متعددة كلٌّ على حدة. وفوق ذلك، تبيّن أن أساليب التعلّم العامة تزيد دقة الذكاء الاصطناعي في مهام NLP بنسبة لا تقل عن 60%.

في نهاية المطاف، البشر شكل من أشكال الذكاء العام. فالذكاء العام يمكّننا من اكتساب مهارات لا ندرك مسبقًا أنها ستكون مفيدة. ولمن يهتم بمعنى الذكاء العام، نوصي بورقة Chollet عن مقياس الذكاء.

وبالنسبة إلى التسويق عبر SEO، فهذا يعني أننا لا نحتاج إلى معرفة نوع المحتوى الذي نريد إنتاجه مسبقًا. ولا نحتاج إلى إنشاء ذكاء اصطناعي مختلف لكل غرض يختلف قليلًا عن الآخر.

GPT-3 هو نظام ذكاء اصطناعي يُظهر بعض خصائص الذكاء العام (ويُسمّى أحيانًا Proto-AGI). على سبيل المثال، يمكننا تزويد الذكاء الاصطناعي بأمثلة على حوارات بين شخصيات ونطلب منه إكمالها:

Rex: أنا أعتقد أنني اصطدمت بآلة الزمن الخاصة بي في حديقتك. Ada: عذرًا؟ ماذا قلت أيها الشاب؟

يمكنه أيضًا تنفيذ مجموعة متنوعة من المهام الأخرى وحتى توليد كود HTML. وهذا أمر مهم جدًا لأنه يعني أننا نستطيع حل كثير من المهام المتعلقة بالمحتوى باستخدام GPT.

فهل يعني هذا أن GPT-3 قادر على حل جميع المهام ذات الصلة بـSEO؟ هل يمكنه إنشاء منشورات مدونات لأي موضوع أو محتوى لأي فئة نرغب فيها؟ ليس تمامًا. وللإجابة عن ذلك، علينا أن نفهم كيف يعمل GPT-3.

كيف يتعلم GPT-3

الاستفادة من البيانات الضخمة

نماذج التعلّم الآلي (وخاصة الشبكات العصبية العميقة) تستهلك البيانات بشراهة، ولا تعمل جيدًا إلا عندما تزودها بكمية كبيرة من البيانات. ففي النهاية، البيانات هي النفط الجديد.

لكن الحصول على البيانات صعب ومكلف. فمعظم أنظمة التعلّم الآلي المفيدة تتطلب من البشر أن يوسموا كل نقطة بيانات بعناية وجهد كبيرين. وتُعد البيانات الموسومة عادةً العائق الأساسي في كثير من التطبيقات لأنها باهظة التكلفة في الجمع - تخيّل تكلفة توظيف جيش من عمّال Amazon Turkers!

يتجاوز GPT-3 هذه المشكلة عبر إنشاء إشارة التدريب الخاصة به من خلال نمذجة النصوص التي تظهر طبيعيًا على الويب. وهو يتبع نهجًا في التعلّم الآلي يُسمّى التعلّم غير الخاضع للإشراف (أو التعلّم الذاتي الإشراف). وهذا يتيح التعلّم من دون بيانات موسومة يدويًا. ولمن يرغب في التعمق في التفاصيل التقنية للتعلّم غير الخاضع للإشراف، كتب مديرنا التقني تحليلًا معمقًا هنا.

لكن حتى من دون تسميات، نحتاج إلى الكثير من البيانات، أليس كذلك؟

اتضح أن البيانات موجودة أمام أعيننا مباشرة. فالإنترنت يضم كمية هائلة من المقالات عالية الجودة والمكتوبة بإتقان حول مواضيع متنوعة - وكلها سهلة الوصول. وجمال تقنية تدريب GPT أنها تحتاج ببساطة إلى تعلّم كيف تتنبأ بهذه المقالات المكتوبة بشريًا كي تؤدي أداءً جيدًا.

لكن لحظة - أليس على الويب الكثير من المحتوى الرديء؟ ألن يتعلم GPT-3 ذلك أيضًا؟

هذا صحيح. وقد خفف مبتكرو GPT بعض هذه المشكلات باستخدام التعهيد الجماعي لتنقية بياناته. ومن طرق ذلك النظر إلى عناوين URLs التي يشاركها الناس على Reddit، ثم الزحف فقط إلى المحتوى والمنشورات من المواقع التي تحصد عددًا كبيرًا من الأصوات الإيجابية على Reddit.

التعلّم عبر توليد اللغة

بمجرد حصولك على البيانات، يمكنك الآن تدريب GPT. لكن كيف يمكن تدريب GPT على اكتساب كل تلك القدرات العامة التي نرغب فيها؟ إحدى الأفكار ببساطة هي توليد النصوص. يتعلم GPT توليد اللغة الطبيعية عبر التنبؤ بالكلمة التالية في مقال اعتمادًا على الكلمات السابقة.

وهذا هو السبب الرئيسي في أن GPT لا يولّد المحتوى إلا من اليسار إلى اليمين (ولا يستطيع فعل ذلك بالعكس). ويُسمّى هذا النوع من التعلّم نمذجة اللغة.

الأمر بهذه البساطة.

من خلال التنبؤ بالكلمة التي تأتي بعد أخرى في الجملة، يجب على الذكاء الاصطناعي أن يتعلم كيف يستفيد من الكلمات الأخرى في سياقها. وهذا يدفع GPT ضمنيًا إلى تعلّم كثير من المعارف العامة المهمة الأخرى.

ما لا أستطيع أن أخلقه، لا أفهمه.

-- Richard Feynman

ولكي تتنبأ بالكلمة التالية بشكل صحيح، عليك أيضًا أن تمتلك قدرًا من الفهم السليم للعالم، إضافة إلى الأمور الأساسية مثل بنية اللغة الإنجليزية وقواعدها. وهكذا فإن مجرد التنبؤ بالمقالات يمكّن GPT من تعلّم سلوكيات بشرية مذهلة.

إن أنظمة توليد اللغة لها تاريخ طويل في التعلم الآلي، وGPT ليس وافدًا جديدًا إلى هذا المجال. في الواقع، يرى بعض الباحثين في الذكاء الاصطناعي أن GPT ليس إنجازًا علميًا جديدًا بقدر ما هو إنجاز هندسي مذهل. وهو يعلّمنا درسًا مهمًا حول ما يمكن وما لا يمكن لـ أكثر من 4 ملايين دولار أمريكي من موارد الحوسبة، مع كمية كبيرة من البيانات، أن يحققه لنا.

إذًا، ما الحكم النهائي؟

لقد أظهر لنا OpenAI أن توسيع حلول الذكاء الاصطناعي يمكن أن يقطع بنا شوطًا طويلًا. فعندما يُوسَّع GPT إلى حجمه الأكبر، يمكنه استخراج كثير من القدرات العامة بمجرد ملاحظة كيفية كتابة البشر. ولهذا ترى هذا الأداء المذهل من النموذج. وقد وسّعت Google مؤخرًا نسخة من GPT تُسمّى Switch Transformers إلى حجم أكبر بعشرة أضعاف من GPT-3.

إنه الدرس المرير الذي أدركه كثير من الباحثين في الذكاء الاصطناعي، وهو أن الحلول القائمة على الحوسبة والتعلّم تتفوق على الجهد اليدوي البشري. ومن خلال توسيع إطار توليد بسيط، نحصل على GPT-3 الذي يكتب تقريبًا مثل الإنسان.

لكن GPT-3 لا يخلو من القيود. وبصفتنا مختصين في SEO وتسويق المحتوى، فإن معرفة هذه القيود مهمة للغاية وتؤثر في كيفية توظيفنا لتقنية اللغة الطبيعية هذه.

قيود توليد النصوص

ضعف نموذج العالم وعدم الدقة الواقعية

على الرغم من الضجة، فإن GPT لا يمتلك فهمًا جيدًا لعالمنا. ومن الطرق المثيرة لرؤية هذا الضعف في نموذج العالم أن تطلب من GPT أي شيء يتعلق بفيزياء الحسّ المشترك أو العالم الواقعي. وكما ورد في الورقة التقنية لـOpenAI، فإنه يواجه صعوبة في الإجابة عن أسئلة مثل «إذا وضعتُ الجبن في الثلاجة، هل سيذوب؟». كما أنه لا يستطيع بوضوح فهم مفاهيم بشرية أخرى مثل النكات اللفظية.

وأحد الأسباب المحتملة لهذه الظاهرة هو أن الذكاء الاصطناعي لا يمتلك إدراكًا متجسدًا - فهو لم يرَ الثلاجة أو يشعر بها فعلًا من قبل، رغم أنه قرأ عنها مرات كثيرة ضمن بيانات التدريب. وإذا استخدمت الذكاء الاصطناعي بلا تروٍّ لتوليد نصوص لاحتياجاتك في تسويق المحتوى، فستحصل على بعض التناقضات وعناصر غير صحيحة واقعيًا.

التحيز غير المرغوب فيه

يُدرَّب GPT على الويب، ولذلك فإنه يعاني من التحيز نفسه الذي توفره بيانات الإنترنت. وبالتالي، قد يؤدي استخدام GPT مباشرة إلى إنشاء محتوى غير مناسب أو مسيء. ومن طرق التخفيف من ذلك استخدام فلاتر للمحتوى المسيء ترفض المحتوى غير الملائم. ولا يزال تقليل التحيز غير المرغوب فيه في التعلّم الآلي مجالًا بحثيًا نشطًا.

التكيّف مع المجال

على الرغم من أن GPT قد تعلم فهمًا عامًا للغة، فقد لا يكون مناسبًا لمجالك. وقد أظهرت أبحاث حديثة أن ضبط النماذج الشبيهة بـGPT وتعديلها يمكن أن يؤدي إلى نتائج أفضل حتى.

يعمل GPT مع عدد قليل من الأمثلة فقط، لكن تزويده بكمية أكبر من البيانات سيؤدي بالتأكيد إلى نتائج أفضل. ومن القيود الأخرى لـGPT طول التوليد الأقصى، ما قد يجعله غير مناسب لاستخدام المستندات الطويلة كمدخلات.

الكفاءة العملية

ورغم أنه ما زال مبكرًا للحكم، يبدو أن OpenAI تخطط لفرض سعر مرتفع لاستخدام GPT. وقد يكون هذا الحل مكلفًا في بعض حالات الاستخدام، كما أن الخدمة المقدمة ليست مصممة خصيصًا لـSEO. كما أن استخدام GPT أو تدريبه داخليًا يمثل تحديًا عمليًا بسبب ضخامته الهائلة من حيث عدد المعلمات.

وهذه المشكلة أقل إثارة للقلق على المدى الطويل. فهناك بعض اتجاهات البحث التي ستمكّن من تشغيل GPT بطرق أكثر كفاءة، مما سيخفض التكلفة على المدى البعيد.

فرصة GPT-3 في SEO

إذًا، GPT-3 نظام قوي لتوليد النصوص - لكن ماذا يعني كل هذا لتسويق المحتوى؟ يتكون تسويق المحتوى من أجل SEO من خطوات كثيرة. فهو يمتد من البحث عن الكلمات المفتاحية، وتحليل المنافسين، وصولًا في النهاية إلى إنشاء المحتوى.

نرى أن GPT يُستخدم أساسًا لإنشاء المحتوى، لكنه لا يستطيع القيام بذلك بمعزل عن البشر. وبسبب قيود هذه التقنية، من الواضح أن ترك الخوارزمية تعمل بحرية لن يحقق نتائج رائعة. لا بد من وجود إنسان في الحلقة.

تحوّل الكتّاب إلى فنانين

يتألق GPT عندما يُستخدم على أفضل وجه كأداة إلى جانب الكتّاب البشر في الحلقة — كيف يستخدم الكتّاب أدوات الذكاء الاصطناعي من دون فقدان صوتهم أصبحت مهارة أساسية لفرق SEO. وذلك لأن الكتّاب البشر بارعون في عدة أشياء لا يجيدها الذكاء الاصطناعي. فمثلًا، البشر أفضل في التفكير عالي المستوى وفي تحديد ما ينبغي كتابته. أمّا الذكاء الاصطناعي فممتاز في المهام منخفضة المستوى مثل إنشاء صفحات الفئات من قائمة صفحات ويب على موقع ما.

يُستهلك جزء كبير من جهد الكتابة في مشكلات منخفضة المستوى مثل سلامة القواعد، والنبرة، والانسيابية. ومع GPT، ينتقل دور الكاتب البشري إلى دور المحرر. تخيل أنك ترسم ضربات فرشاة واسعة على قماش، ثم يملأ الذكاء الاصطناعي تفاصيل الصورة، ثم يقوم الإنسان بتحرير هذه التفاصيل حتى تصبح مثالية.

وبطريقة ما، هذا أمر رائع لأن الكتّاب يمكنهم حينها التركيز على الأمور الأكثر إثارة للاهتمام - بناء أفكار محتوى عالية الجودة والتركيز على الجانب الإبداعي من الكتابة. وهذا أفضل من إنشاء صفحات الفئات، أو الانشغال بعدد الكلمات المفتاحية اللازم حشوها في المقال للوصول إلى المقدار الأمثل، و/أو التأكد من أن كل جملة تنساب بسلاسة.

أدوات لجسر الهوة بين البشر والذكاء الاصطناعي

والخلاصة مما سبق أننا نحتاج إلى تجربة استخدام رائعة وأدوات تستفيد من GPT حتى يعمل جيدًا مع الكتّاب. وبصورة عامة، هناك عدة طرق لتحويل تقنيات شبيهة بـGPT إلى أدوات مفيدة لكتابة المحتوى. فيما يلي بعض الأمثلة على تقنيات الذكاء الاصطناعي المتجسدة في أدوات مختلفة:

تحليل قابلية القراءة

إن امتلاك قابلية قراءة جيدة جزء مهم من تطوير محتوى رائع. فهو يساعد المستخدمين على البقاء منخرطين وقضاء وقت أطول في صفحتك، وهذا عامل مهم في تحقيق ترتيب مرتفع على Google. لكن كتابة مقالات سهلة القراءة أسهل قولًا من فعل.

هنا في Jenni، طوّرنا أداة تتولى هذه المهمة نيابةً عنك. وقد استخدمنا تقنية مشابهة لـGPT-3، لكننا قمنا بتكييفها لإعادة صياغة الجمل تلقائيًا حتى تصبح أكثر وضوحًا وسهولة في القراءة.

إعادة الصياغة الذكية

إعادة الصياغة هي فن استخدام نص مصدر من دون الاقتباس المباشر من المادة الأصلية. وفي أي وقت تستمد فيه معلومات من مصدر ليس من تأليفك، عليك أن توضح من أين حصلت على تلك المعلومات. وهذا السؤال يبرز كثيرًا مع الذكاء الاصطناعي أيضًا؛ إذ يتناول  تفصيلنا حول الكتابة بالذكاء الاصطناعي والانتحال والأصالة ما ينبغي الانتباه إليه.

وقد تمت إعادة صياغة الفقرة أعلاه اعتمادًا على تعريف Purdue باستخدام أداة إعادة الصياغة التلقائية المدعومة بالذكاء الاصطناعي لدينا. ويمكن لذكاء اصطناعي يقوم بإعادة الصياغة الذكية أن يعيد كتابة أي جملة بطريقة تختلف عن المصدر أو أن يعيد صياغتها بأساليب كتابة مختلفة حسب الحاجة.

في Jenni، أجرينا دراسات على كتّابنا ووجدنا أن أتمتة إعادة الصياغة يمكن أن توفر ما لا يقل عن 30% من وقت الكاتب. كما تتيح للكتّاب تجربة صيغ بديلة للجمل، وقد يكون بعضها أكثر سلاسة من الكتابة الأصلية أو أوضح في نقل الفكرة.

تحسين الموضوعات

يعتمد كثير من خبراء SEO على تحسين الموضوعات كوسيلة لضمان أن محتواهم يحتل مرتبة عالية في محركات البحث. وبالفعل، فإن تطوير مجموعة من الموضوعات أمر مهم كي يكون المحتوى ذا صلة باستعلامات بحث معينة، لكن التأكد من أن المقال يلبّي جميع متطلبات الموضوع أمر صعب.

كان محررونا يقضون سابقًا من ساعة إلى أربع ساعات في تحسين الموضوعات يدويًا. واستخدام أنظمة الذكاء الاصطناعي لاكتشاف صلة الموضوع في مقالك يمكن أن يساعدك على إبقاء كتابتك على المسار الصحيح، مما يوفر على المحررين عناء إعادة كتابة المحتوى غير ذي الصلة.

التلخيص

كما ناقشنا سابقًا، يتفوّق الذكاء الاصطناعي في المهام منخفضة المستوى، والتلخيص ليس استثناءً. وعندما يتعلق الأمر بكتابة المحتوى، وجدنا أن من المهام الشائعة التي يقوم بها الكتّاب تلخيص النصوص الأخرى.

وقد ثبت أن التلخيص مهمة ينجح فيها الذكاء الاصطناعي في الأنظمة الإنتاجية والتجارية. فبدلًا من قراءة كتلة كثيفة من النص، لماذا لا تدع الذكاء الاصطناعي يمنحك قائمة نقاط موجزة؟ وبالروح نفسها، يمكنك استخدام الذكاء الاصطناعي لإنشاء فهارس أو صفحات فئات إذا كنت قد أنهيت بالفعل بناء موقعك.

هل يمكن للمحتوى المولَّد أن يحقق ترتيبًا؟

بدأ بعض ممارسي SEO يشعرون بالقلق من استخدام التوليد الآلي للمحتوى والتعرض لعقوبات من Google.

تريد Google، مثلها مثل كثير من محركات البحث، أن تقدّم للمستخدمين أكثر المحتويات صلةً. لذا فالمشكلة الرئيسية في المحتوى المولَّد ليست في كونه مولَّدًا بحد ذاته، بل في أن النية منه غالبًا تكون إنشاء السبام. وقد صرّحت Google بأنه ما دام المحتوى يضيف قيمة حقيقية للمستخدم ولا يُستخدم للتحايل على النظام، فإن المحتوى المولَّد لا بأس به.

في الواقع، تستخدم كثير من المؤسسات الإعلامية الكبرى مثل Forbes بالفعل تقنيات توليد المحتوى لمساعدتها. والمفتاح هنا هو مزج أفضل ما في العالمين - الإنسان والذكاء الاصطناعي - لإنشاء محتوى جذاب. فالإسهام بمعرفة قيّمة على الإنترنت سيضمن لك أن تتصدر المراتب العليا حتى لو كان بعض محتواك مولَّدًا.

مستقبل الذكاء الاصطناعي وSEO

تواصل الحدود بين العلم والخيال التلاشي مع إطلاق نماذج ذكاء اصطناعي متقدمة مثل GPT. إن التحسن الهائل في الجودة بين GPT-2 وGPT-3 خلال عام واحد فقط أمر مذهل. ومع مرور الوقت، يصبح احتمال أن تكون الصحيفة التي تقرؤها قبل الإفطار مكتوبة بواسطة شخص أو شيء لم يذق الأومليت في حياته أكبر من أي وقت مضى.

ولهذا نؤمن بأنه من المهم فهم أعمق لتقنيات الذكاء الاصطناعي يتجاوز مجرد الضجة. من ليسوا في مجال SEO قد ينبهرون فقط بتقدم الذكاء الاصطناعي. أما من يعملون في SEO ويُنشئون المحتوى، فسيتعين عليهم التكيف مع هذه الأدوات للبقاء في الصدارة.