Tìm kiếm AI – Cuộc cách mạng từ Từ khoá đến Vector Search và RAG

Thế giới số đang trải qua một cuộc cách mạng mạnh mẽ, và cách chúng ta tìm kiếm thông tin trực tuyến không phải là ngoại lệ. Từ những ngày đầu sơ khai của việc so khớp từ khóa đơn thuần, công cụ tìm kiếm đã phát triển vượt bậc, và giờ đây, với sự trỗi dậy của trí tuệ nhân tạo, khái niệm “tìm kiếm” đang được định nghĩa lại hoàn toàn. Tìm kiếm AI không chỉ là một tính năng mới; đó là một sự chuyển đổi cơ bản trong cách chúng ta tương tác với lượng thông tin khổng lồ trên internet.

Là một người đã theo dõi và làm việc trong lĩnh vực này, mình nhận thấy rằng việc hiểu rõ bản chất, cơ chế hoạt động và tác động của Tìm kiếm AI là cực kỳ quan trọng đối với bất kỳ ai, từ người dùng thông thường đến các nhà phát triển nội dung và chuyên gia SEO. Hãy cùng mình đi sâu vào hành trình phát triển này và khám phá những thay đổi thú vị mà Tìm kiếm AI mang lại.

Hành trình phát triển của công cụ tìm kiếm: Từ từ khóa đến ngữ cảnh sâu sắc

Để thực sự trân trọng những gì Tìm kiếm AI đang làm, chúng ta cần nhìn lại chặng đường mà các công cụ tìm kiếm đã đi qua.

(1) Khởi đầu sơ khai: Kỷ nguyên tìm kiếm dựa trên từ khóa

Ban đầu, công cụ tìm kiếm khá đơn giản. Chúng chủ yếu dựa vào việc so khớp các từ khóa trong truy vấn của người dùng với các từ khóa có trong tài liệu. Các phương pháp như so khớp từ khóa Boolean là những công cụ cơ bản. Sau đó, các thuật toán như TF-IDF (Term Frequency-Inverse Document Frequency) ra đời, giúp xếp hạng tài liệu bằng cách gán trọng số lớn hơn cho các thuật ngữ quan trọng, cải thiện phần nào mức độ liên quan.

Bước đột phá lớn nhất trong kỷ nguyên này phải kể đến PageRank của Google vào cuối những năm 1990. Thuật toán này bổ sung phân tích liên kết để đánh giá thẩm quyền và độ tin cậy của một trang, mở ra một chương mới cho tìm kiếm web.

(2) Giới hạn của tìm kiếm truyền thống

Tuy nhiên, tìm kiếm dựa trên từ khóa truyền thống có những hạn chế rõ ràng:

• Thiếu hiểu biết ngữ cảnh: Nó không thể thực sự hiểu ngữ cảnh của một truy vấn. Khi bạn gõ “Apple”, bạn đang nói về quả táo hay công ty công nghệ? Công cụ tìm kiếm truyền thống thường không thể phân biệt được.
• Không hiểu từ đồng nghĩa và ý định người dùng: Nó gặp khó khăn trong việc nhận ra các từ đồng nghĩa hoặc ý định sâu xa đằng sau một câu hỏi. Nếu bạn tìm “cách làm bánh”, nó có thể bỏ qua các trang dùng từ “công thức làm bánh”.

(3) Bước ngoặt với Machine Learning và AI

Mọi thứ thay đổi khi học máy (Machine Learning) và trí tuệ nhân tạo (AI) bước vào thế giới tìm kiếm.

• BERT (2019): Google giới thiệu BERT, một mô hình ngôn ngữ dựa trên Transformer, vào tìm kiếm. Điều này giúp công cụ tìm kiếm hiểu ngữ cảnh của các truy vấn ngôn ngữ tự nhiên tốt hơn rất nhiều.
• MUM (2021): Hai năm sau, MUM (Multitask Unified Model) xuất hiện, một mô hình mạnh mẽ hơn BERT nhiều lần, có khả năng vừa hiểu vừa tạo ngôn ngữ.
• Các mô hình ngôn ngữ lớn (LLM): Và giờ đây, chúng ta có các LLM tiên tiến, nơi AI có thể tự mình tạo ra câu trả lời trực tiếp, thay vì chỉ đơn thuần là hiển thị danh sách các liên kết. Đây là sự khác biệt cốt lõi và là nền tảng của Tìm kiếm AI hiện đại.

Khám phá cách Tìm kiếm AI hoạt động: Bốn giai đoạn cốt lõi

Vậy, Tìm kiếm AI, được cung cấp bởi các mô hình ngôn ngữ lớn, thực sự hoạt động như thế nào? mình thường hình dung quá trình này qua bốn giai đoạn chính:

(1) Xử lý truy vấn ngôn ngữ tự nhiên (NLU)

Khi bạn đặt câu hỏi bằng ngôn ngữ tự nhiên (ví dụ: “cách tốt nhất để bóc một quả cam là gì?”), hệ thống sử dụng một LLM để diễn giải truy vấn của bạn. Khả năng hiểu ngôn ngữ tự nhiên (Natural Language Understanding – NLU) của LLM giúp phân tích ý định và các sắc thái của câu hỏi. Mặc dù truy vấn không chứa rõ ràng các từ như “phương pháp” hay “hướng dẫn”, hệ thống vẫn nhận ra rằng bạn đang tìm kiếm một quy trình hoặc một bài hướng dẫn. Đây là bước tiến vượt bậc so với việc chỉ so khớp từ khóa ngày xưa.

(2) Truy xuất thông tin với Vector Search

Với ý định đã được thiết lập, hệ thống chuyển sang giai đoạn truy xuất. Thay vì chỉ dựa vào so khớp từ khóa (mặc dù nó vẫn đóng một vai trò nhất định), Tìm kiếm AI thường sử dụng các vector. Cụ thể, nó sử dụng Vector Search để tìm các tài liệu liên quan về mặt ngữ nghĩa.

Làm thế nào điều này hoạt động? Cả truy vấn tìm kiếm và các tài liệu đều được mã hóa thành các vector số, được gọi là embeddings. Các vector này có khả năng nắm bắt ý nghĩa ngữ nghĩa. Vector truy vấn của người dùng sau đó được so khớp với các vector của tài liệu trong một cơ sở dữ liệu vector để tìm nội dung có liên quan về mặt khái niệm. Điều này cho phép, ví dụ, một truy vấn về “đồ chơi chó con” có thể truy xuất một bài viết nói về “đồ chơi cho chó”, mặc dù cách dùng từ có thể khác nhau, vì các thuật ngữ này có ý nghĩa tương đồng về mặt ngữ nghĩa.

(3) Tạo câu trả lời bằng RAG (Retrieval Augmented Generation)

Đây là giai đoạn mà sự “thông minh” của AI thực sự tỏa sáng. Sau khi truy xuất được các đoạn tài liệu liên quan (thường là các đoạn trích chứ không phải toàn bộ tài liệu), LLM được cung cấp truy vấn ban đầu cùng với các đoạn trích đó. Từ đó, nó tạo ra một câu trả lời mạch lạc, hoàn chỉnh bằng ngôn ngữ tự nhiên, sử dụng các nguồn thông tin đã được cung cấp.

Có lẽ nhiều người đã nhận ra đây chính là khái niệm RAG (Retrieval Augmented Generation) – một kỹ thuật nơi kiến thức của LLM được bổ trợ bằng dữ liệu cập nhật, đã được truy xuất. Bằng cách dựa câu trả lời của mình vào các dữ kiện đã được truy xuất, hệ thống Tìm kiếm AI có thể cung cấp thông tin hiện tại và chính xác. Câu trả lời được tạo ra thậm chí có thể bao gồm các trích dẫn liên kết trở lại các nguồn gốc, mang lại mức độ minh bạch quan trọng để xây dựng lòng tin của người dùng, cho thấy rằng câu trả lời này không phải là “ảo giác” từ mô hình.

(4) Giai đoạn phản hồi và cải tiến

Giai đoạn cuối cùng nhưng không kém phần quan trọng là giai đoạn phản hồi. Nhiều triển khai Tìm kiếm AI học hỏi từ phản hồi của người dùng để cải thiện hiệu suất. Người dùng có thể đánh giá câu trả lời (thích hoặc không thích), hoặc hệ thống có thể quan sát các truy vấn tiếp theo để xác định xem câu trả lời trước đó có hữu ích hay không. Dữ liệu này được sử dụng để tinh chỉnh LLM và thành phần truy xuất theo thời gian, giúp hệ thống ngày càng thông minh và chính xác hơn.

Tìm kiếm truyền thống và Tìm kiếm AI: Sự khác biệt then chốt

Việc so sánh trực tiếp giữa tìm kiếm truyền thống và Tìm kiếm AI, được hỗ trợ bởi các LLM, sẽ làm nổi bật những khác biệt cơ bản:

• Định dạng phản hồi:
  • Tìm kiếm truyền thống: Thường trả về một danh sách các liên kết để người dùng tự nhấp vào và khám phá.
  • Tìm kiếm AI: Cung cấp câu trả lời trực tiếp, bằng ngôn ngữ tự nhiên, cho truy vấn của bạn. Nó tạo ra nội dung gốc ngay lập tức.
• Hiểu truy vấn:
  • Tìm kiếm truyền thống: Chủ yếu dựa trên từ khóa.
  • Tìm kiếm AI: Dựa trên NLU (Natural Language Understanding) để hiểu ngữ cảnh và ý định sâu sắc hơn.
• Khả năng nhận biết ngữ cảnh:
  • Tìm kiếm truyền thống: Có bộ nhớ hạn chế về các tương tác trước đây của người dùng.
  • Tìm kiếm AI: Duy trì ngữ cảnh, cho phép các cuộc hội thoại nhiều lượt và các câu hỏi tiếp theo hiểu được các tham chiếu đến các phần trước đó của cuộc đối thoại.
• Tổng hợp thông tin:
  • Tìm kiếm truyền thống: Tách biệt các kết quả, thường hiển thị từ các nguồn khác nhau trong các danh sách riêng biệt.
  • Tìm kiếm AI: Tổng hợp thông tin từ nhiều nguồn và kết hợp chúng thành một câu trả lời mạch lạc, thống nhất.

Tối ưu SEO trong kỷ nguyên Tìm kiếm AI: Hướng đi mới cho nội dung của bạn

Tìm kiếm AI không chỉ thay đổi cách hiển thị kết quả, nó còn thách thức cách toàn bộ website được xây dựng. Trong nhiều năm, các website đã được tối ưu hóa cho các công cụ tìm kiếm truyền thống bằng cách thực hành SEO để xếp hạng càng cao càng tốt trong các trang kết quả. Nhưng điều gì sẽ xảy ra khi kết quả của một tìm kiếm AI không phải là danh sách liên kết, mà là văn bản được viết kết hợp các đoạn trích từ nhiều trang web?

Đây là một câu hỏi quan trọng, và các chuyên gia SEO như Donna Bedford, Trưởng phòng SEO toàn cầu tại Lenovo, đã có những chia sẻ sâu sắc về cách các nhà xuất bản nội dung nên thích nghi. Tin tốt là bạn không cần phải bắt đầu lại từ đầu. Những gì bạn đang làm cho tìm kiếm truyền thống vẫn sẽ hữu ích. Vấn đề là nâng cao cuộc chơi của mình nhưng với một trọng tâm hẹp hơn:

(1) Tư duy như con người (Think Human)

AI đang trở nên đàm thoại hơn, mang tính cá nhân hơn. Vì vậy, bạn cần bắt đầu viết theo cách mà một con người sẽ hỏi. Nội dung của bạn không chỉ cần “thân thiện với từ khóa” mà còn phải thân thiện với cuộc trò chuyện. Hãy tập trung vào việc trả lời các câu hỏi mà người dùng thực sự muốn biết, bằng một giọng văn tự nhiên và dễ hiểu.

(2) Tư duy như cỗ máy (Think Machine)

Mặc dù AI là một “bộ não” thông minh, nhưng nó vẫn là một cỗ máy. Nó vẫn phải tìm và xử lý thông tin của bạn. Vì vậy, bạn muốn làm cho quá trình này dễ dàng nhất có thể.

• Cấu trúc rõ ràng: Chia nhỏ nội dung thành các phần dễ tiêu hóa, sử dụng các tiêu đề và phụ đề hợp lý (H1, H2, H3, H4) để tạo cấu trúc rõ ràng.
• Điều hướng tốt: Đảm bảo nội dung của bạn dễ dàng điều hướng, giúp AI hiểu được “hành trình” hoàn chỉnh của thông tin.
• Khả năng thu thập dữ liệu (Crawlability): Đảm bảo rằng nội dung của bạn có thể được các bot tìm kiếm thu thập và lập chỉ mục một cách hiệu quả. Nếu chúng không tìm thấy thông tin của bạn, chúng không thể kể câu chuyện về bạn.

(3) Tầm quan trọng của EEAT

Một yếu tố quan trọng khác là EEAT, một thuật toán cập nhật của Google mà giờ đây đã mở rộng thành E-E-A-T:

• Experience (Kinh nghiệm)
• Expertise (Chuyên môn)
• Authority (Uy tín)
• Trust (Độ tin cậy)

Trong kỷ nguyên Tìm kiếm AI, điều bạn đang cố gắng làm là mang lại trải nghiệm đầy đủ cho máy móc, cho AI, để nói với chúng rằng bạn có kinh nghiệm, chuyên môn, uy tín và là một nguồn thông tin đáng tin cậy. Bạn viết như một con người, nhưng cung cấp thông tin theo cách mà một cỗ máy cần để đưa ra phản hồi một cách logic. Điều này vượt xa việc chỉ nhồi nhét từ khóa; nó tập trung vào chất lượng, chiều sâu và sự đáng tin cậy của thông tin.

(4) Định dạng vẫn quan trọng, nhưng có lưu ý

Việc định dạng, chẳng hạn như sử dụng các thẻ tiêu đề (H1, H2, H3), vẫn quan trọng. Trong hầu hết các trường hợp, những gì bạn làm để tối ưu cho AI cũng sẽ mang lại lợi ích cho tìm kiếm truyền thống, và tìm kiếm truyền thống sẽ không biến mất.

Tuy nhiên, có một lưu ý quan trọng mà bạn cần cẩn trọng: JavaScript. Các công cụ tìm kiếm truyền thống ban đầu gặp vấn đề với JavaScript nhưng đã giải quyết được. Các mô hình AI hiện tại vẫn gặp khó khăn với JavaScript. Do đó, hãy đảm bảo rằng thông tin quan trọng của bạn không bị ẩn sau mã JavaScript phức tạp, khiến AI khó tiếp cận và hiểu.

Tìm kiếm AI đang thay đổi cả cách người dùng tìm kiếm và tiêu thụ thông tin trực tuyến, và cả cách thông tin đó được trình bày trên web ngay từ đầu. Từ những thuật toán so khớp từ khóa đơn giản đến khả năng hiểu ngữ cảnh sâu sắc và tạo ra câu trả lời trực tiếp của các mô hình ngôn ngữ lớn, chúng ta đang chứng kiến một bước nhảy vọt đáng kinh ngạc.

Để thích nghi và phát triển trong kỷ nguyên mới này, việc tập trung vào việc tạo ra nội dung chất lượng cao, có thẩm quyền và đáng tin cậy là tối quan trọng. Hãy viết nội dung không chỉ thân thiện với công cụ tìm kiếm mà còn thân thiện với con người, cung cấp giá trị thực sự và dễ hiểu. Bằng cách đó, bạn không chỉ tối ưu cho AI mà còn xây dựng một nền tảng vững chắc cho sự hiện diện trực tuyến của mình trong tương lai.

Chia sẻ: IBM Technology