最近幾個月不管SEO行業(yè)還是整個科技行業(yè)，最熱門的話題無疑是人工智能。

說實話，過去20多年來，我一直沒覺得SEO技術有什么根本變化。雖然搜索引擎?zhèn)兠刻旄滤惴?，SEO們探索各種技巧，新名詞層出不窮，這個戰(zhàn)法，那個黑科技……其實呢，真沒什么變化，無非是：創(chuàng)作好的內容，讓蜘蛛能抓到，讓用戶能正常訪問，然后，就沒了。

自從ChatGPT出現(xiàn)以后，我第一次感覺可能要有變化了。我從來沒有像現(xiàn)在這樣覺得，SEO可能會有不同的做法了。

所以，現(xiàn)在能引起寫帖子沖動的只有AI了。

上篇討論AI是否會消滅SEO的帖子里提到過，Google測試中的生成式AI沒有給出內容出處，也就不會給其他網站帶來流量，那么站長們還不得抗議？還能讓Google蜘蛛來抓網站內容？我辛辛苦苦創(chuàng)作內容，讓蜘蛛免費來抓，訓練出AI，回答用戶問題時沒有鏈接，沒有出處，不會給網站帶來任何好處，我圖什么呀？如果有那么一天，我反正直接禁止Google蜘蛛來抓了。

那么，現(xiàn)在你的網站內容已經被用于AI訓練了嗎？這個不太容易確切知道，因為生成式AI的回答不是偽原創(chuàng)，不是拼接，是在學習大量數(shù)據后AI自己寫的原創(chuàng)。

Bing還好，會標出部分出處，被標的網站顯然被用于訓練了。Google有沒有用呢？

前兩天華盛頓郵報發(fā)了一篇文章：“Inside the secret list of websites that make AI like ChatGPT sound smart“ – ”那些使ChatGPT之類AI看起來挺聰明的網站們“。文章內嵌了一個小功能，可以查某個網站是否被Google用于AI訓練，以及用的比例。

AI們訓練的數(shù)據是海量的，來源也挺多，出版的書籍，各種數(shù)據庫，wiki，普通網站肯定也是其中一部分。C4是Google訓練AI使用的一個網站數(shù)據集，里面有一千五百萬個網站。華盛頓郵報分析了每個網站出現(xiàn)的token次數(shù)，token越多，大致上被用于訓練的數(shù)據越多。token我不確定該怎么翻譯，“字符串”？反正指的是一小段文字，比如一個詞或一個短語。

C4不是Google用于AI訓練的所有網站，所以里面沒有的網站，不一定就沒被用于訓練。比如查一下zhihu.com，居然一個token都沒有，這不科學，我無法相信知乎的內容沒有被用于訓練。

已經有人用這個小工具統(tǒng)計出被Google用于訓練的token數(shù)和占比，Google專利第一，wikipedia第二，scribd第三：

出于好奇和虛榮心，肯定要查一下自己博客：

被用了，280個token。好吧，我也不知道是該高興還是難過。有點欣慰是肯定的，畢竟，連聯(lián)合早報都只有19個token：

但短暫的虛榮得到滿足之后，接下來就會想，我真的愿意我的內容被Google用于AI訓練嗎 – 在得不到任何好處的情況下？

各位可以查一下自己的網站有沒有被用。用了的話，你心甘情愿嗎？