Ganho de informação: o que um texto precisa acrescentar

Ganho de informação é o que um texto acrescenta em relação ao que a pessoa, ou o sistema, já encontrou. Um texto que repete o que está em toda parte tem ganho perto de zero. A ideia vem de uma patente do Google e ajuda a decidir o que vale publicar.

De onde vem a ideia

O Google registrou uma patente cujo título pode ser traduzido como “estimativa contextual do ganho de informação de links”. O pedido é de 18/10/2018 e a concessão, de 07/06/2022.

O texto descreve uma nota de ganho de informação. Ela indica quanta informação um documento traz além da que estava nos documentos que a pessoa já viu.

Uma patente descreve um método. Não prova que ele esteja em uso na busca, nem com que peso.

O que foi medido

• A visibilidade em respostas de IA pode ser trabalhada. O estudo “GEO: Generative Engine Optimization”, de Pranjal Aggarwal e colegas, foi aceito na conferência KDD 2024. Segundo o resumo, os métodos testados aumentaram em até 40% a visibilidade de um conteúdo nas respostas de mecanismos generativos.
• A repetição é tratada como ruído. O estudo “Deduplicating Training Data Makes Language Models Better”, de Katherine Lee e colegas, foi aceito na conferência ACL 2022. Em um conjunto de dados usado para treinar modelos de linguagem, os autores acharam uma única frase de 61 palavras repetida mais de 60 mil vezes. Sem as duplicatas, os modelos repetiram texto decorado dez vezes menos.

Os dois estudos apontam para o mesmo lado. Quem constrói esses sistemas não quer mais do mesmo.

O que conta como informação nova

• Dado próprio. Número da operação, pesquisa interna, resultado de projeto.
• Experiência documentada. O que foi feito, como e com que resultado.
• Comparação que ninguém fez. Dois métodos, duas ferramentas ou dois períodos lado a lado.
• Posição com argumento. Uma opinião assinada, com as razões.
• Atualização. O que mudou desde que os outros textos foram escritos.

Reescrever o texto alheio com outras palavras não entra na lista. O sentido continua igual, e o ganho também.

Os limites

• Os sistemas de busca e de IA não publicam como decidem. Patente e estudo acadêmico indicam direção, e não regra.
• Copiar um texto segue sendo fácil. O que não se copia é a fonte do dado.
• A vantagem não é permanente. Depende de continuar produzindo informação nova.

Em resumo

• Ganho de informação é o que o texto traz de novo.
• A ideia está em patente do Google concedida em 2022. O uso na busca não é público.
• Dado próprio e experiência documentada são o caminho mais direto.

Perguntas frequentes

Fontes

• Google Patents, patente US11354342B2, concedida em 07/06/2022
• Aggarwal e colegas, GEO: Generative Engine Optimization, KDD 2024
• Lee e colegas, Deduplicating Training Data Makes Language Models Better, ACL 2022