首页 首页 人工智能 机器学习 查看内容

机器学习与语义搜索 谷歌的终极武器是什么?

木马童年 2018-11-9 20:53 69 0

文/机器之心 过去这几年对于搜索引擎营销者来说是激动人心的(或者说有些骇人,如果你不那么能够接受变化的话)。谷歌引入了一系列新技术和系统来优化其已非常出色的搜索算法,它的竞争者如必应,苹果,微软,甚至 ...

机器学习与语义搜索 谷歌的终极武器是什么?

文/机器之心

过去这几年对于搜索引擎营销者来说是激动人心的(或者说有些骇人,如果你不那么能够接受变化的话)。谷歌引入了一系列新技术和系统来优化其已非常出色的搜索算法,它的竞争者如必应,苹果,微软,甚至是Facebook也引进或升级了对应的系统来优化它们的用户搜索体验。

而这些优化的核心目标则是解决计算机与人工智能历史上最困难的问题之一:对自然语言的获取与理解。虽然机器非常擅长程序性和逻辑性的任务(如解数学方程或识别物体数据特征),但是它们难以辨析那些仅有母语使用者才能凭直觉感受到的微妙差异。举个例子,对我们来说「最近的汉堡店在哪里」和「我想吃汉堡」两句话传达了相似的意图,但是对于基本的机器而言,两者差距甚大:第一句话是对特定信息的检索,与说话者的想法无关;第二句话传达了一个明确的欲望,与信息索取无关。过去几年中,谷歌致力于打破不同语言间的隔阂并且解决其机器算法所面临的问题。但是这一努力的终极目标是什么呢:谷歌是否想要完全地理解人类思维所传达的意图和微妙语义呢?或者说这只是其技术发展中的一次探索?

机器学习与语义搜索 谷歌的终极武器是什么?

语义搜索的根源和蜂鸟算法

2013年,伴随着蜂鸟更新(Hummingbird update)的引入,语义搜索(Semantic Search)这一概念第一次进入人们的视野。此前,谷歌通过确定搜索查询语句的关键词来检索出相应的网页。就上述汉堡店的例子来说,谷歌会得到「汉堡」这个关键词,并返回频繁提到该关键词的网页——但这一方法不能真正捕捉用户的意图,它无法区分用户是想搜索「汉堡店」还是「如何自制汉堡」。尽管还需完善,基于用户意图辨析的蜂鸟算法(Hummingbird)能够捕捉到用户意图的关键因素并且「理解」页面的内容,而不再拘泥于页面所包含的关键词。

个人数字助理和语音搜索

个人数字助理,包括谷歌Now和Siri等,需要更高水准的语义理解。目前出现了一些新的障碍,包括将口头语句翻译成输入文本,找到合适的搜索方式,并且以一种可理解的方式进行回复。尽管在本质上,搜索结果的获取依然还是依靠谷歌的标准搜索算法,但人工智能算法不断改进,这些技术已经进步到了我们今天所能看到的水平。首要的动机是让搜索变得更易用,但第二个动机却是要改变用户习惯:语音搜索需要使用对话输入和上下文提示,比起传统的基于关键词的输入,这需要更加强大、更相关的结果。

RankBrain的出现

去年语义领域最大的新闻是RankBrain的出现,它是一种与蜂鸟算法相结合的机器学习算法。我概括了它的目的来对其进行简要说明:

它的作用是帮助谷歌理解用户输入的各种冗长复杂或者模棱两可的口头的查询语句。可以这样理解,它把那些不符合语法规则的糟糕输入语句翻译成可以被算法逻辑解读的形式。而且因为利用了机器学习,它能够自行更新,从而不再依赖开发者的人工调整和升级。

「相关问题」的兴起

为了让用户的搜索体验更加饱满,谷歌正在逐渐推广「丰富答案」(rich answers)(在传统的搜索结果上方时而出现的简明版「答案」)。最近,谷歌更是推出了「相关问题」,它鼓励用户就其搜索主题进一步进行探索。尤为有趣的的是,目前「相关问题」的答案与各自对应的作为Rich Answers的答案是不同的,也就意味着两者是基于谷歌搜索算法的不同区块的(比如,我们可以谷歌知识图谱(Knowledge Graph)和RankBrain)。无论如何,似乎谷歌正致力于不仅仅理解用户的查询问题,并且简洁明了的回答它们。

三大预测

为了推测出这些观察情况的意义,我想要提供三种预测,预测谷歌接下来十年会如何选择接下来的发展道路:

1.机器学习会成为新的目标。目前,机器学习仅存在于谷歌搜索算法较为优化的一部分。我猜想,它的应用将延伸至其它领域,包括网页内容质量分析(content quality analysis)和上下文反向链接评估(backlink context evaluation)。

2.谷歌将致力于把每一条搜索查询都转化为可回答问句的形式。随着丰富答案及相关问题的积累,很显然谷歌希望向用户提供最直接的信息。我想,我们将会见证谷歌在这个方向更多的努力,包括将基本的查询语句转化为复杂的、可回答的问句。

3.新涌现出的科技将会让更多人转向语音搜索,这自然意味着语义更加复杂的问句和直接回答这些问句的答案。越多的人使用语音搜索,对谷歌来说则意味着更多的数据,对用户来说则是更好的搜索结果——总的来说,我们会得到更加完善的搜索系统。因此,我猜想谷歌会推动更多人在未来的几年里使用语音搜索。

用你觉得合适的方式将这三个预测运用起来:你可以着手采用新的内容营销策略来回应用户的问题;或是使用新的技术进行搜索引擎优化(Search Engine Optimization),以避免机器学习所带来的频繁变化;再或者,你只需等待一个更加容易、更加符合直觉的搜索方式供自己使用。我们无法对未来下定论,但是回首过去短短几年我们取得的巨大进步,可以预想,接下来的十年将是极具开创性的十年。

本文选自Forbes,作者Jayson DeMers,机器之心编译出品,编译:张诗玥,柒柒。

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

搜索引擎 计算机 人工智能 自然语言 数据特征 语音搜索
0
为您推荐
梯度下降、牛顿法、拟牛顿法 ,机器学习优化算法具体剖析

梯度下降、牛顿法、拟牛顿法 ,机器学习优

1、梯度下降法 梯度下降法实现简单,当目标函数是凸函数时,梯度下降法的解是全局解…...

机器学习:看懂逻辑回归,实现用户分类

机器学习:看懂逻辑回归,实现用户分类

九哥使用的开发语言为Python3.5,不同版本请自动调整版本之间的用法差异。 本demo为…...

学懂GAN的数学原理,让它不再神秘

学懂GAN的数学原理,让它不再神秘

知乎上有个讨论,说学数学的看不起搞深度学习的。曲直对错不论,他们看不起搞深度学习…...

图像分类 | 深度学习PK传统机器学习

图像分类 | 深度学习PK传统机器学习

图像分类,顾名思义,是一个输入图像,输出对该图像内容分类的描述的问题。它是计算机…...

为什么说NVIDIA GPU更适合进行深度学习

为什么说NVIDIA GPU更适合进行深度学习

【IT168 评论】计算机发展到今天,已经大大改变了我们的生活,我们已经进入了智能化的…...

【资源】15个在线机器学习课程和教程

【资源】15个在线机器学习课程和教程

本文推荐15个机器学习课程和行业领先大牛的教程。其中大多数课程都是免费的,无需注册…...