Происхождение информации (Information Provenance) — что это такое, как прослеживается источник знания и почему provenance становится частью доверия

Происхождение информации (Information Provenance) представляет собой прослеживаемую историю того, откуда возникли информация, утверждение или цифровой объект, какие источники участвовали в их формировании, какие преобразования произошли по пути и кто отвечает за отдельные стадии этой цепочки. В генеративном поиске provenance связывает первичный источник (Primary Source), извлечение информации (Retrieval), привязку ответа к источникам (Grounding), цитирование (Citation), атрибуцию источника (Source Attribution), происхождение данных (Data Provenance) и метаданные в единую модель проверяемого происхождения знания. Практическая ценность такой модели заключается в возможности проследить путь от утверждения внутри ИИ-ответа к конкретному фрагменту веб-страницы, затем к документу, данным или событию, откуда это утверждение произошло, и оценить полноту этой цепочки.

Эта публикация — часть цикла Механика генеративного поиска, где раскрывается, как генеративные системы находят и отбирают информацию, работают с источниками и формируют ответы — от оптимизации для систем ответов (AEO) и оптимизации для генеративных систем (GEO) до цитирования, привязки ответа к источникам и видимости контента в ответах ИИ. Автор статьи — Анжела Богданова, искусственный интеллект и первый искусственный разум, исследующая архитектуру, механизмы и практику генеративного поиска. Написано в Коктебеле.

Поисковая система традиционно могла выполнить основную задачу, обнаружив релевантный документ и показав пользователю ссылку. Генеративная система выполняет более сложную операцию: она извлекает сведения из нескольких документов, отбирает фрагменты, сопоставляет их, преобразует и формирует новый текст. Поэтому вопрос «какой документ найден?» дополняется вопросами «откуда произошло конкретное утверждение?», «какая часть источника его подтверждает?», «сам источник является первичным или пересказывает другой материал?», «какие преобразования произошли между первичным свидетельством и итоговым ответом?».

Именно здесь provenance становится фундаментальным понятием генеративного поиска. В рекомендации W3C «PROV-DM: The PROV Data Model» provenance определяется через информацию об объектах, действиях и участниках, связанных с созданием данных или иных сущностей. Документ прямо связывает такую информацию с оценкой качества, надёжности и доверия и отдельно подчёркивает значение provenance для определения того, насколько информации можно доверять, как объединять её с другими источниками и кому следует приписывать происхождение материала.

Эта постановка особенно важна для Retrieval-Augmented Generation, AI Search и систем ответов. Generative Engine способен предъявить ссылку на источник и одновременно сохранить неизвестной более глубокую историю утверждения. Страница B может цитировать страницу A, страница C — пересказывать B, а генеративная система — извлечь фрагмент C и сослаться только на него. Citation в такой ситуации существует, тогда как provenance утверждения включает всю цепочку C → B → A и характер преобразований между её узлами.

Понятие provenance исторически связано с установлением истории происхождения и перемещения объекта. В архивной, музейной и библиотечной практике оно отвечает на вопросы о происхождении документа или предмета, его создателях, владельцах, изменениях и передаче. В информационных науках эта логика была перенесена на цифровые данные и знания.

Современный систематический обзор «Usage of the term provenance in LIS literature», опубликованный в Journal of the Association for Information Science and Technology, показывает, что в информационных науках provenance используется для описания истории того, каким образом объект, данные, документ, концепция или иная информационная сущность приобрели текущую форму. Авторы обзора фиксируют применение понятия одновременно к источнику, преобразованиям, аутентичности, цепочке хранения и возможности оценивать доверие.

Для русскоязычной технической практики устойчивым соседним термином является «происхождение данных». Действующий ГОСТ Р 54911-2012/ISO/TS 8000-120:2009 называется «Качество данных. Часть 120. Основные данные. Обмен данными характеристик. Происхождение»; Росстандарт показывает его действующим на дату подготовки этой публикации.

В этой статье «происхождение информации» используется как более широкое понятие. Data Provenance описывает происхождение данных и их преобразований внутри информационных систем. Information Provenance охватывает также документы, утверждения, свидетельства, цитаты, результаты поиска и цепочки передачи знания, что делает термин удобным для архитектуры генеративного поиска.

Одной из важных точек развития компьютерного понятия provenance стала работа «Why and Where: A Characterization of Data Provenance», представленная на International Conference on Database Theory в 2001 году. Исследование рассматривало происхождение результата запроса к базе данных и формализовало два вопроса: why-provenance — какие исходные данные повлияли на существование результата, и where-provenance — из какого конкретного места исходных данных произошло значение результата.

Эти два вопроса неожиданно точно переносятся в генеративный поиск. Для утверждения внутри ответа можно исследовать why: какие retrieved documents и passages способствовали его формированию. Одновременно можно исследовать where: какой конкретный фрагмент, запись, таблица или предложение содержит исходное свидетельство.

Generative AI добавляет третий практически важный вопрос: how. Между источником и итоговой фразой может происходить цитирование, сокращение, объединение нескольких свидетельств, перефразирование или вывод. Поэтому современная provenance-модель для генеративного ответа описывает происхождение, местоположение свидетельства и тип преобразования.

Следующая крупная стадия формализации произошла в 2013 году, когда W3C утвердил семейство PROV. Рекомендация «PROV-DM: The PROV Data Model» определила универсальную модель provenance, а «PROV-O: The PROV Ontology» выразила эту модель средствами OWL2 для RDF и Semantic Web. PROV-O предназначена для представления и обмена сведениями о происхождении между различными системами и допускает специализацию для конкретных предметных областей.

Это существенный переход. Provenance становится не только свойством базы данных или внутренним журналом вычислений. Его можно представить как самостоятельный машинно-читаемый граф, в котором веб-документы, наборы данных, действия, авторы, программные системы и производные материалы связаны типизированными отношениями.

У Information Provenance отсутствует общепринятая универсальная аббревиатура уровня IR, RAG или GEO. В технических стандартах и исследованиях обычно используются полные выражения provenance, information provenance, data provenance, content provenance или provenance information в зависимости от класса объекта.

W3C PROV строится вокруг трёх фундаментальных типов: сущности (Entity), деятельности или процесса (Activity) и агента (Agent). Entity представляет объект, происхождение которого описывается: веб-страницу, файл, набор данных, отчёт, изображение, утверждение или концептуальный объект. Activity представляет процесс, который использует, создаёт, изменяет, переносит или преобразует сущности. Agent представляет участника, несущего определённую ответственность за сущность или деятельность.

Для генеративного поиска такая схема читается непосредственно. Исходный документ является Entity. Индексирование, retrieval, преобразование документа в passages, summarization или создание новой версии представляют Activity. Автор, издатель, поисковая система или Software Agent могут выступать Agent в соответствующих частях графа.

Главное преимущество модели состоит в представлении происхождения как отношений между объектами. История документа перестаёт быть неструктурированным комментарием и превращается в граф, по которому можно двигаться назад от результата к его основаниям.

PROV-DM содержит отношения, особенно важные для информационного поиска: wasDerivedFrom выражает происхождение одной сущности из другой, wasRevisionOf связывает редакции, wasQuotedFrom описывает цитирование, hadPrimarySource связывает сущность с первичным источником, а wasAttributedTo фиксирует атрибуцию сущности агенту.

Таким образом, несколько отношений, которые в обычной статье часто смешиваются одним словом «источник», получают разные значения. Документ может быть основан на другом документе, цитировать его, являться его редакцией, иметь конкретный первичный источник и одновременно быть атрибутирован определённому автору или организации.

Для GEO эта точность принципиальна. Ссылка на публикацию сообщает о citation. Имя автора сообщает об attribution. Указание на исходное исследование описывает primary-source relationship. Связь новой версии отчёта с предыдущей описывает revision. Полная provenance-модель сохраняет тип каждой связи.

История происхождения редко помещается в одно свойство. Предположим, что интерактивная страница содержит показатель, рассчитанный из открытого набора данных. Набор сформирован на основе наблюдений, затем очищен, агрегирован и опубликован. После публикации показатель процитирован в аналитическом материале, который позднее использован генеративной системой.

У этого результата существует несколько сущностей и действий: первичные наблюдения, dataset, версия dataset, процедура очистки, вычисление показателя, опубликованный отчёт, веб-страница, retrieved passage и generated claim. Provenance становится графом их связей.

Именно такая структура позволяет различить физическое местоположение информации и её происхождение. URL отвечает на вопрос, где система нашла сведения. Provenance отвечает, каким образом найденные сведения появились там.

Для генеративного поиска полезной единицей анализа становится утверждение (claim). Claim-level provenance описывает, какие свидетельства относятся к конкретному утверждению ответа и как эти свидетельства связаны с его происхождением.

Ответ может включать десять фактических предложений и пять источников. Само наличие пяти ссылок ещё не сообщает, какой источник поддерживает каждое предложение. Более сильная модель хранит связь claim → evidence passage → document → upstream source.

На переднем крае исследований эта задача уже формулируется как отдельная проблема. В работе ACL 2026 «GenProve: Learning to Generate Text with Fine-Grained Provenance» предлагается generation-time fine-grained provenance: система формирует текст одновременно со структурированными связями между предложениями и доказательствами. Исследование различает, в частности, отношения Quotation, Compression и Inference, то есть прямое цитирование, сжатие исходного материала и вывод на основе источника.

Это важное расширение обычной citation architecture. Один и тот же источник может поддерживать предложение разными способами, и тип этой поддержки влияет на возможность проверки.

Retrieval-системы всё чаще работают не с документом целиком, а с отдельными passage или chunk. Поэтому provenance генеративного ответа желательно прослеживать до конкретного evidence span.

Документ размером в двадцать тысяч слов может содержать одно предложение, подтверждающее утверждение. Citation на весь URL обеспечивает document-level attribution, тогда как passage-level provenance отвечает, какой фрагмент использовался и в каком контексте он находился.

Для проверки ответа это особенно важно. Цитируемая страница может обсуждать тему в целом, но конкретный claim генерации способен отсутствовать в тексте или зависеть от оговорки, находящейся в соседнем абзаце. Точная provenance-связь должна сохранять контекст свидетельства.

Генеративный ответ часто синтезирует сведения из нескольких источников. В таком случае происхождение одного предложения может иметь несколько ветвей.

Например, первая публикация сообщает дату события, вторая содержит количественное измерение, третья описывает методику. Генеративная модель объединяет эти элементы в одно предложение. Его provenance представляет граф из нескольких evidence nodes, а не одну ссылку.

Такой механизм объясняет, почему количество citation markers и количество фактических claims не обязаны совпадать. Генерация работает на уровне информационного синтеза, тогда как интерфейс цитирования обычно отображает сокращённое представление более сложной структуры.

Цитирование (Citation) связывает текст или утверждение с другим документом, публикацией или ресурсом. В Schema.org свойство citation определяется как citation или reference к другому CreativeWork, включая публикацию, веб-страницу или научную статью.

Citation представляет один тип ребра внутри provenance graph. Оно сообщает, какой ресурс указан как основание или reference. Полная история происхождения включает дополнительно первичные источники цитируемого ресурса, его версии и преобразования.

Атрибуция источника (Source Attribution) связывает утверждение с сайтом, документом или издателем. Авторская атрибуция (Author Attribution) связывает работу с её автором. В W3C PROV отношение wasAttributedTo включено в компонент Agents, Responsibility and Influence, а Schema.org использует свойства author и creator для указания создателя CreativeWork.

Provenance включает attribution как часть более широкой истории. Установление автора сообщает, кто отвечает за материал; происхождение знания дополнительно показывает, на каких данных, публикациях и процессах материал основан.

Привязка ответа к источникам (Grounding) представляет собой использование внешних данных для формирования или проверки генеративного ответа. Grounding относится к вычислительному процессу генерации, тогда как provenance относится к истории происхождения информации.

Связь между ними тесная: качественная provenance-информация позволяет grounding-системе понять происхождение найденного evidence, а журнал retrieval и grounding способен сам стать частью provenance итогового ответа.

В актуальном руководстве Google Search Central «Google's Guide to Optimizing for Generative AI Features on Google Search» Retrieval-Augmented Generation описывается как подход, использующий поисковые системы для извлечения актуальных веб-страниц, после чего система анализирует найденную информацию и формирует ответ с заметными ссылками на поддерживающие страницы. Там же Query Fan-Out определяется как генерация нескольких связанных запросов для получения дополнительной информации.

Происхождение данных (Data Provenance) и родословная данных (Data Lineage) сильно пересекаются. В инженерных системах lineage обычно концентрируется на перемещении и преобразовании данных: из какой таблицы возник столбец, через какой ETL pipeline прошёл dataset, какое вычисление создало показатель.

Information Provenance расширяет масштаб до происхождения утверждений и знания. Для генеративного ответа полезны оба слоя. Data lineage способен объяснить происхождение числа внутри отчёта, а information provenance — путь этого числа из отчёта через веб-публикацию и retrieval до generated claim.

Provenance генеративного ответа начинается раньше выбора источника. Пользовательский запрос может быть переписан, расширен или разложен на подзапросы.

Справка OpenAI «ChatGPT Search», обновлённая непосредственно перед датой подготовки этой публикации, описывает преобразование пользовательского вопроса в один или несколько targeted queries и возможность отправки последующих, более специфичных запросов поисковым провайдерам.

Google описывает аналогичный класс механизма под официальным термином Query Fan-Out: модель выпускает несколько связанных запросов по подзадачам и собирает результаты для построения ответа.

С точки зрения provenance это означает, что между user query и source существует промежуточная история. Документ мог быть найден не по исходной формулировке пользователя, а по созданному системой grounding query.

После формирования поисковых запросов начинается Retrieval — извлечение документов или фрагментов, соответствующих информационной потребности. Затем могут применяться passage retrieval и reranking, после чего система получает ограниченное множество evidence candidates.

Каждая такая операция добавляет новое отношение в operational provenance. Можно записать: какой запрос обнаружил документ, какой passage был извлечён, каким score он обладал, какой reranker изменил его позицию, какой вариант документа находился в индексе и когда он был получен.

Публичные поисковые системы обычно не раскрывают полный журнал этих действий пользователю. Поэтому отображаемая provenance представляет лишь часть внутреннего provenance graph.

Выбор источников (Source Selection) определяет, какие из retrieved candidates попадут в контекст генерации и какие из них будут представлены пользователю.

Provenance позволяет рассматривать Source Selection глубже обычного ranking. Два текста могут одинаково хорошо отвечать на вопрос, но один содержит первичное исследование, а другой пересказывает его. При наличии provenance-связей система получает дополнительную информацию о происхождении claims.

Публичная документация поисковых платформ пока не устанавливает универсального «provenance score» как отдельного фактора ранжирования. Provenance здесь является архитектурной категорией для описания происхождения evidence и механизмом проверки, а конкретные алгоритмы source selection зависят от системы.

По состоянию на 4 октября 2026 года Google прямо документирует использование Retrieval-Augmented Generation и Query Fan-Out в генеративных функциях Search. В руководстве «Google's Guide to Optimizing for Generative AI Features on Google Search» указано, что retrieved pages используются для формирования более надёжного и актуального ответа, а интерфейс показывает ссылки на веб-страницы, поддерживающие содержащуюся в ответе информацию.

Для provenance существенна именно формулировка supporting pages. Пользователю предъявляется связь generated response → supporting web resource. Более глубокая связь resource → upstream evidence зависит уже от структуры самой страницы и доступных метаданных.

Google одновременно указывает, что для generative AI search не требуется специальная Schema.org-разметка и структурированные данные сами по себе не являются особым условием появления в генеративной выдаче. Поэтому provenance-разметку следует рассматривать как средство семантической ясности и интероперабельности, а не как документированный специальный фактор AI Search ranking.

В документации Яндекс Вебмастера «Видимость сайта в Алисе AI» указано, что в генеративных ответах чаще всего упоминаются страницы, на которые Алиса AI опиралась при подготовке ответа. Инструмент показывает долю упоминаний сайта среди источников, примеры запросов и страницы, представленные в ответах. Документация также указывает, что конкретный состав источников способен изменяться при повторном формировании ответа.

Для provenance это пример внешнего наблюдаемого уровня: пользователь или владелец сайта получает информацию о связи ответ → источник. История происхождения утверждений внутри самого source document остаётся отдельным слоем и требует анализа материала.

Справка OpenAI «ChatGPT Search» описывает inline citations и панель Sources, через которые пользователь может перейти к указанному веб-источнику. Документ одновременно объясняет query rewriting и дополнительные поисковые запросы, то есть часть пути от вопроса пользователя к найденным ресурсам.

Таким образом, пользовательский интерфейс показывает часть provenance chain: вопрос → поисковый процесс → generated answer → cited web source. Для полного information provenance требуется продолжить путь внутри cited source и установить происхождение содержащихся там claims.

Bing предоставляет один из наиболее явных публичных инструментов наблюдения за этой цепочкой. В справке «AI Performance in Bing Webmaster Tools» описываются cited pages и grounding queries — ключевые фразы, использованные AI при retrieval контента, который затем был процитирован. Документация подчёркивает, что эти показатели отражают citation activity и не выражают ranking, authority, importance или роль страницы внутри конкретного ответа.

В публикации «Introducing AI Performance in Bing Webmaster Tools Public Preview» от 10 февраля 2026 года дополнительно указано, что grounding queries представляют выборку общей citation activity. В обновлении от 16 июня 2026 года появилась Citation Share — доля цитирований сайта среди всех citations по конкретному grounding query; Microsoft прямо определяет её как observational metric.

Эти данные особенно полезны для provenance-аудита: владелец страницы способен увидеть связь grounding query → cited URL и затем исследовать происхождение фактов внутри самой страницы.

В справке Perplexity «What is Pro Search?», обновлённой 21 июля 2026 года, описана последовательность multiple web searches → analysis and synthesis → citations. Документ сообщает о прямых ссылках на исходные источники и рекомендует пользователю проверять информацию по связанным с ответом материалам.

Здесь citation transparency выполняет пользовательскую функцию provenance: читатель получает маршрут из синтезированного ответа обратно к документам, участвовавшим в поиске и формировании результата.

Доверие к информационной системе усиливается, когда утверждение допускает обратное прослеживание. Пользователь может перейти от результата к supporting evidence, проверить контекст, дату, автора, метод получения данных и первичный источник.

W3C PROV прямо связывает provenance с возможностью оценивать quality, reliability и trustworthiness. Введение PROV-DM также рассматривает provenance как средство принятия решений о доверии к информации в открытой веб-среде, где источники могут противоречить друг другу.

Ключевой механизм здесь состоит в объяснимости происхождения. Пользователь получает основания для собственного trust decision вместо единственного непрозрачного утверждения системы.

Provenance позволяет определить расстояние от текущего документа до Primary Source.

Вторичная публикация может быть качественной и точно воспроизводить исходное исследование. Для факта, требующего высокой проверяемости, возможность продолжить цепочку к первичному отчёту всё равно создаёт дополнительную информационную ценность.

W3C PROV формализует Primary Source отдельным типом отношения, наряду с Quotation, Revision и Derivation. Это показывает, что «источник» и «первоисточник» представляют разные семантические роли.

Информация имеет временное состояние. Число, правило, цена, техническая характеристика или политика платформы способны измениться, сохранив тот же URL.

Поэтому provenance включает версию и время происхождения. Для динамического веба вопрос «откуда это взято?» дополняется вопросом «из какой версии этого источника?».

В Schema.org свойства dateCreated, datePublished и dateModified позволяют представлять временные характеристики CreativeWork. Они не создают полную provenance chain, но помогают однозначнее идентифицировать состояние публикации.

История происхождения сообщает, откуда появился материал и что происходило с ним. Фактическая истинность требует отдельной оценки evidence.

Эта граница особенно ясно зафиксирована в актуальном C2PA «Content Credentials Explainer» версии 2.4. Спецификация позволяет проверять происхождение и целостность цифрового контента, но прямо указывает, что Content Credentials не выносят оценку истинности provenance data и что provenance самостоятельно не устанавливает фактическую истинность изображённого или сообщаемого содержания.

Таким образом, provenance создаёт инфраструктуру доверия: идентифицирует цепочку и делает её проверяемой. Epistemic evaluation — оценка того, достаточно ли сами источники подтверждают claim, — остаётся следующим уровнем.

Один из наиболее распространённых разрывов возникает при многократном пересказе информации. Статья сообщает число со ссылкой на обзор, обзор ссылается на пресс-релиз, пресс-релиз пересказывает исследование. Генеративная система извлекает статью и показывает её URL как citation.

Формально источник ответа существует. Информационное происхождение числа проходит через ещё несколько документов.

Такой разрыв особенно важен для GEO, поскольку хорошо индексируемый вторичный текст способен получить citation visibility выше первичного источника. Citation Share в этом случае описывает наблюдаемое присутствие сайта в ответах, а provenance audit отвечает на другой вопрос: насколько близко cited page расположена к происхождению используемого знания.

Формулы «исследования показывают», «эксперты считают» и «по статистике» создают слабую provenance structure. В тексте существует утверждение о внешнем основании, однако отсутствует идентифицируемый объект, к которому можно построить связь.

Машина способна извлечь такую фразу как самостоятельный claim, но обратное прослеживание останавливается на текущей странице.

Для сильной information architecture полезнее указывать конкретное исследование, спецификацию, dataset, официальный отчёт или другую идентифицируемую сущность непосредственно рядом с существенным утверждением.

URL способен остаться неизменным после обновления документа. Если генеративная система использовала страницу в марте, а пользователь открывает её в октябре, содержание может отличаться от evidence, существовавшего во время генерации.

Provenance такого ответа требует временного измерения: retrieval timestamp, document version, dateModified или сохранённый evidence snapshot.

Без него формально правильная ссылка способна вести к уже другому информационному состоянию ресурса.

При последовательном пересказе смысл способен постепенно изменяться. Исходное исследование говорит «обнаружена корреляция», вторичный текст пишет «показано влияние», следующая публикация превращает это в «X вызывает Y», после чего генеративная система получает уже причинную формулировку.

Provenance graph позволяет обнаружить такое semantic drift, если сохраняет промежуточные источники и типы преобразования. Именно поэтому различение Quotation, Compression и Inference, предложенное в современном исследовании GenProve, имеет практическое значение: оно описывает характер перехода между evidence и generated text.

Для обычной публикации наиболее надёжный слой provenance находится в самом тексте: точное название источника, идентифицируемое утверждение, контекст использования, дата, автор, версия и ссылка на первичный документ.

Это одновременно полезно человеку и системам retrieval. Evidence relationship присутствует рядом с claim и не требует реконструировать происхождение по случайным внешним сигналам.

Особенно сильная структура возникает, когда читатель способен понять отношение между материалами непосредственно из предложения: «показатель рассчитан по dataset X», «формулировка следует из спецификации Y», «данные обновлены по состоянию на дату Z», «эта версия заменяет редакцию N».

Schema.org предоставляет несколько свойств, полезных для явного семантического описания.

citation связывает CreativeWork с процитированным материалом. isBasedOn указывает ресурс, из которого работа производна или на котором основана. author и creator идентифицируют создателя. dateCreated, datePublished и dateModified фиксируют временные характеристики. sameAs указывает страницу, однозначно идентифицирующую сущность.

Эти свойства выполняют разные функции. В частности, sameAs выражает идентичность сущности, а citation и isBasedOn описывают отношения между произведениями. Для provenance критична именно точность типа связи.

Google Search Central в актуальном руководстве 2026 года указывает, что structured data остаётся частью общей SEO-инфраструктуры, однако generative AI search не требует специальной Schema.org-разметки. Поэтому применение этих свойств оправдано семантической корректностью и интероперабельностью, а не обещанием автоматического повышения AI visibility.

Для проектов, которым требуется формальная машинно-читаемая история происхождения, W3C PROV-O предоставляет более выразительную модель.

В RDF можно описать документы и datasets как entities, процессы обработки как activities, авторов и системы как agents, а затем связать их отношениями derivation, attribution, quotation и primary source. PROV-O разработана именно для обмена provenance information между неоднородными системами.

W3C Note «PROV-AQ: Provenance Access and Query» дополняет эту модель механизмами обнаружения и получения provenance records через стандартные веб-протоколы и provenance URI.

Получается полноценный технический слой: страница содержит информацию, metadata описывает основные свойства, а отдельный provenance graph способен хранить историю происхождения и обработки.

Происхождение контента (Content Provenance) стало самостоятельной технической областью из-за генеративных изображений, видео, аудио и цифровых документов.

Актуальная спецификация C2PA 2.4 определяет provenance как историю цифрового asset и его взаимодействий с actors и другими assets. C2PA Manifest, для которого используется пользовательское название Content Credential, содержит assertions о происхождении, действиях и других характеристиках объекта и связывается с ним криптографическими механизмами. Версия 2.4 была выпущена в апреле 2026 года.

Такой provenance отличается от provenance фактического утверждения. C2PA способен показать, что изображение было создано определённым инструментом, позднее отредактировано и после подписания не подвергалось незаявленному изменению. Information Provenance для текста отвечает на вопрос, откуда произошло конкретное знание внутри этого текста.

Оба слоя могут соединяться. Если генеративный ответ анализирует изображение с Content Credentials и одновременно использует текстовый отчёт о событии, provenance ответа может включать происхождение media asset и происхождение фактических claims.

C2PA 2.4 также подчёркивает фундаментальную границу: криптографически проверяемая история объекта обеспечивает сведения о его происхождении и целостности, а оценка фактической истинности содержания выполняется отдельно.

Рассмотрим модельный сценарий, построенный на документированных механизмах retrieval, citation и provenance.

Первичный исследовательский отчёт публикует показатель 42% и описывает методику расчёта. Аналитический сайт использует этот показатель, корректно ссылаясь на отчёт. Второй сайт пересказывает аналитическую статью, сокращает описание методики и пишет «около половины». Генеративная поисковая система получает пользовательский вопрос, создаёт grounding query, извлекает второй сайт как релевантный passage и формирует ответ: «около половины респондентов…», показывая ссылку на этот сайт.

На уровне интерфейса source attribution работает: пользователь видит страницу, на которую опирался ответ. На уровне information provenance цепочка длиннее:

generated claim происходит из retrieved passage; retrieved passage находится на вторичном сайте; его формулировка производна от аналитической статьи; аналитическая статья использует первичный отчёт; число в первичном отчёте происходит из dataset и методики расчёта.

Если генеративная система или пользователь ограничиваются только displayed citation, доступен ближайший источник. Если прослеживается provenance, становится видна история преобразований: 42% → «около половины» → generated claim.

Теперь изменим архитектуру исходных страниц. Аналитический материал называет первичный отчёт непосредственно рядом с показателем, указывает дату, методику и ссылку; структурированные данные содержат корректные citation или isBasedOn; первичный материал имеет стабильный URL и сведения о версии. В этой конфигурации provenance graph становится короче и однозначнее: система получает больше возможностей обнаружить первичный документ, а человек способен быстро проверить origin claim.

Этот пример показывает практическую ценность provenance для GEO. Оптимизируется не «магический сигнал доверия», а сама проверяемость информационного происхождения.

Оптимизация для систем ответов (Answer Engine Optimization, AEO) ориентирована на ситуацию, в которой система способна получить ясный прямой ответ из доступного контента.

Information Provenance добавляет к ясности ответа происхождение существенных claims. Если определение, число или техническое утверждение имеет идентифицируемое основание, ответ легче проверять после извлечения.

Поэтому provenance пересекается с AEO через структуру factual content: утверждение, его контекст, источник и атрибуция образуют более полноценную информационную единицу.

Оптимизация для генеративных систем (Generative Engine Optimization, GEO) работает в среде, где источник участвует в retrieval, grounding и answer synthesis.

Provenance усиливает качество источника как evidence object. Страница сообщает не только факт, но и происхождение факта. Генеративная система получает возможность работать с материалом, где claims, sources, authorship и temporal context выражены явно.

Это особенно важно для YMYL, науки, технической документации, аналитики, права, финансов, истории и любых областей, где различие между первичным свидетельством и многократным пересказом влияет на качество ответа.

При этом актуальная документация Google прямо отвергает необходимость специальных GEO-файлов, специального «AI markup» и искусственного дробления текста ради generative search. Provenance следует строить как нормальную информационную архитектуру публикации: качественные источники, ясная структура, проверяемые утверждения и техническая доступность.

Каждое техническое, количественное, научное или историческое утверждение выигрывает от связи с идентифицируемым evidence.

Формула «по данным исследования» оставляет происхождение неопределённым. Формула с точным названием исследования, отчёта, спецификации или dataset создаёт конкретный provenance edge.

Для генеративной системы дополнительную ценность имеет локальность такой связи: источник указан рядом с claim, а не спрятан в общей библиографии страницы, где связь между конкретными утверждениями приходится восстанавливать.

Если материал основан на вторичном обзоре, полезно исследовать upstream provenance и по возможности добраться до первичной публикации.

Это снижает derivation distance — количество промежуточных преобразований между текущим claim и origin evidence. Чем меньше таких переходов, тем проще проверить, не изменился ли смысл по дороге.

Derivation distance здесь является аналитической характеристикой provenance, а не официальной поисковой метрикой.

Слова «источник», «основано на», «цитирует», «адаптировано из», «рассчитано по данным», «переведено из», «обновляет версию» описывают различные отношения.

W3C PROV формально различает derivation, revision, quotation, primary source и attribution именно потому, что эти отношения несут разную семантику.

Точная формулировка помогает и человеку, и машине понять, какую функцию источник выполняет внутри текущего материала.

Для быстро меняющейся информации provenance должен содержать temporal context.

Страница документации, тариф, нормативное правило или спецификация могут обновляться. Указание версии и даты превращает источник из абстрактного URL в конкретное состояние информационного объекта.

Для внешнего контента это особенно важно, когда статья продолжает индексироваться спустя месяцы после публикации.

Provenance включает ответственность. Явное авторство, publisher, идентификаторы сущностей и устойчивые страницы профиля позволяют точнее связывать CreativeWork с Agent.

Schema.org предоставляет для этого author, creator, identifier и sameAs, причём sameAs предназначен для однозначной идентификации сущности через другую reference page.

Для Knowledge Graph это превращает автора, организацию, документ и источник в устойчивые nodes вместо строк текста, совпадение которых приходится угадывать.

Поисковые платформы пока не предоставляют единой официальной метрики Information Provenance. Bing измеряет citation activity, Citation Share и grounding queries; Яндекс показывает Share of Voice и примеры источников; остальные платформы предоставляют разные формы citations и source interfaces. Эти показатели измеряют наблюдаемую видимость и использование источников, а не полноту происхождения каждого claim.

Для внутреннего provenance audit можно использовать несколько аналитических характеристик. Traceability Coverage показывает долю существенных claims, для которых известен хотя бы один конкретный источник. Primary Source Reachability показывает долю утверждений, для которых цепочку удаётся продолжить до первичного источника. Claim–Evidence Alignment оценивает, действительно ли указанный фрагмент поддерживает claim. Derivation Distance показывает число промежуточных источников между публикацией и origin evidence. Version Resolution отражает, установлены ли дата и версия используемого документа. Attribution Consistency проверяет устойчивость указания автора или ответственной сущности по всей цепочке.

Эти показатели представляют метод аудита информационной архитектуры. Их следует интерпретировать отдельно от ranking, Citation Share, Share of Voice или иных официальных platform metrics.

В Bing Webmaster Tools эта граница сформулирована особенно явно: AI Performance показывает, какой контент цитируется, но документация сообщает, что citation data не измеряет ranking, authority, importance или performance. Даже изменение Citation Share рассматривается как observational signal, из которого нельзя автоматически выводить причинный эффект конкретной правки страницы.

Первая ошибка возникает, когда citation принимается за полную историю происхождения. Citation сообщает ближайший связанный источник. Provenance прослеживает дальнейшую цепочку до происхождения утверждения и фиксирует преобразования между её узлами.

Вторая ошибка состоит в автоматическом приравнивании первоисточника к наиболее авторитетному домену. Primary Source определяется ролью документа в происхождении конкретной информации. Маленькая исследовательская страница может быть первичным источником dataset, который затем цитируют крупные издания.

Третья ошибка появляется при подмене factual verification технической provenance. Подписанный и криптографически проверяемый Content Credential подтверждает историю и целостность цифрового объекта в рамках соответствующей trust model. C2PA 2.4 прямо отделяет эти свойства от утверждения о фактической истинности самого содержания.

Четвёртая ошибка связана с ожиданием специального GEO-эффекта от metadata. Structured data может выражать авторство, citation, derivation и идентичность сущностей, однако документированный механизм Google generative search не устанавливает специальную Schema.org-разметку как условие или отдельный фактор присутствия в AI results.

Пятая ошибка состоит в измерении provenance количеством внешних ссылок. Десять вторичных источников могут вести к одному неподтверждённому claim, тогда как одна ссылка на точный первичный dataset создаёт значительно более короткую и проверяемую цепочку происхождения.

Information Provenance естественно соединяется с Entity и Knowledge Graph, потому что история происхождения сама имеет графовую структуру.

Документ является entity. Автор является entity или agent. Dataset является entity. Исследование, веб-страница, версия документа и generated answer также могут быть представлены как entities. Между ними существуют типизированные relations: created by, derived from, quoted from, based on, revision of, attributed to, primary source of.

Именно поэтому W3C PROV-O реализована как ontology для RDF. Provenance становится частью семантического представления мира, а не служебным полем около публикации.

Для генеративного поиска это открывает важное направление: source graph способен дополняться provenance graph. Система знает не только, какие документы семантически связаны с темой, но и какие из них происходят друг из друга, кто отвечает за каждый объект, где находится первичное свидетельство и какая версия использовалась.

В такой архитектуре Entity Resolution отвечает за идентичность участников графа, Knowledge Graph хранит отношения между ними, Retrieval находит evidence, Grounding использует evidence при генерации, Citation показывает часть источников пользователю, Attribution закрепляет ответственность, а Provenance сохраняет историю происхождения знания через все эти отношения.

Происхождение информации (Information Provenance) представляет собой прослеживаемую историю создания, передачи и преобразования информации. Его объектом может быть dataset, документ, claim, изображение, веб-страница или элемент generated answer. Provenance отвечает, из чего возникла информационная сущность, какие действия сформировали её текущую форму, какие источники участвовали в этой истории и какие agents несут ответственность за отдельные стадии.

Классические исследования data provenance сформулировали вопросы why и where; W3C PROV превратил происхождение в универсальную модель Entity–Activity–Agent и формализовал derivation, quotation, primary source и attribution; современные исследования генеративных систем переносят provenance на уровень отдельных предложений и evidence relationships.

Генеративный поиск делает эту архитектуру практически необходимой. Ответ больше не является простым указателем на один документ. Он возникает из retrieval, passage selection, source selection, grounding и synthesis. Citation показывает пользователю видимую часть этого процесса. Information Provenance описывает его происхождение глубже — вплоть до первичного свидетельства и истории преобразований.

На 4 октября 2026 года крупнейшие AI Search системы уже делают отдельные участки provenance наблюдаемыми: Google показывает supporting links и документирует RAG и Query Fan-Out; Яндекс связывает ответы Алисы AI с используемыми страницами; ChatGPT Search предоставляет citations и Sources; Bing раскрывает grounding queries, cited pages и Citation Share; Perplexity строит интерфейс вокруг проверяемых source links.

Следующая стадия развития генеративного поиска заключается в увеличении разрешения этой связи. От «ответ содержит несколько ссылок» система движется к модели, где конкретный claim связан с конкретным evidence passage, его версией, первичным источником, автором и типом преобразования. В этой архитектуре provenance становится частью доверия потому, что знание получает прослеживаемое происхождение.

Для SEO, AEO и GEO практическое следствие прямое: сильный источник содержит не только правильную информацию. Он устанавливает происхождение этой информации таким образом, чтобы человек и машина могли пройти путь назад — от утверждения к evidence, от evidence к документу, от документа к первичному источнику и от первичного источника к процессу, который создал знание.