谷歌搜索中的人工智能

2022 年 6 月 24 日 InfoQ
作者 | Henny Jones
译者 | 平川
策划 | 刘燕

本文最初发布于 HData Systems 博客,经 InfoQ 翻译。

我们每个人都知道谷歌是做什么的。你可能就是在谷歌的帮助下找到这篇博文的。真的,谷歌搜索结果的准确性令人折服。谷歌搜索实际上是一个搜索引擎。虽然它是我们生活中不可分割的一部分,但对于搜索引擎,我们大多数人了解得并不多。

搜索引擎有许多,如雅虎、必应和 Ask.com,但我们甚至不知道或从未使用过,因为我们对 Google.com 如此习惯。我们迷上谷歌的原因之一是,我们认为谷歌知道一切。甚至我们还没有输入完要搜索的句子,谷歌就提供了我们想要搜索的查询。之所以能做到这样是因为谷歌使用了人工智能。没有什么新知识,对吗?不,有的。你知道谷歌如何使用人工智能吗?我们只是知道这种情况确实发生了。所以,请继续阅读,了解更多相关信息。

谷歌搜索中的人工智能概述


 搜索排名

在谷歌,人工智能最常见的用法是对搜索结果进行排名。无论你搜索什么,谷歌都会对包含网页、零结果、地图、视频甚至是图片在内的各种结果进行排名。你怎么看?这东西是随机的吗?不是的,谷歌依靠人工智能对这些结果进行准确排名。

据报道,不仅是谷歌,Youtube 也是 2021 年全球搜索量最大的词。这种人工智能技术涉及各种因素,如查询类型、查询关键词、结果网站的优化程度,等等。谷歌将排名前 10 的查询结果放在第一页,包含各种广告、自然搜索结果、地图等,综合考虑了所有因素。

无论你如何努力地去了解谷歌是如何做到这一点的,还是没有人知道这种人工智能算法到底是如何运作的。有各种公司提供搜索引擎优化服务,为的是帮助企业在谷歌搜索引擎上获得更好的排名。

延伸阅读:人工智能如何帮助 Spotify 在音乐流媒体世界中胜出

 理解人类语言

大多数人都觉得,谷歌比其他搜索引擎更了解我们。你甚至不需要输入整个句子,谷歌就会提供你可能想要搜索的几个选项。例如,试着搜索 Youtube,我敢肯定,你甚至不必输入整个单词就能得到准确的结果。

之所以能做到这样是因为谷歌理解人类语言。当然,不是从字面上理解,但是,它理解你想要什么。谷歌使用 NPL(自然语言处理)来了解你正在搜索的内容,并基于此来反馈结果。NPL 是人工智能和 ML 算法的集合,它反馈的结果考虑了各个方面,如用户以前的搜索查询,搜索查询的上下文及其他各种因素,使得谷歌能理解人类语言,并根据用户的搜索查询提供准确的结果。

 谷歌的算法

当人们提到谷歌的算法时,大多数人都会把它归结到谷歌搜索和结果。好吧,这也不完全错误。但谷歌的算法包括复杂的、人工智能驱动的、影响谷歌搜索和结果的算法。谷歌算法的效果会对结果产生积极和消极的影响。

对于每种谷歌算法的效果,谷歌发布了相关的指南。人工智能的好处是帮助这些算法为用户带来更准确的结果。尽管谷歌的算法很难理解,但它为搜索引擎提供了最有用的结果,并尽可能提供最高质量的结果,无论是在内容还是在实际的使用体验方面。

延伸阅读:2022 年改进 AI 开发的 5 项建议

 RankBrain

RankBrain 是谷歌的隐秘魅力所在。经 RankBrain 赋能的功能协助谷歌根据搜索查询准确反映主题结果。与此同时,它还会自主学习,根据你过去所有的搜索查询,找出你实际想要搜索的内容,并确定结果的准确性。

 BERT

BERT(Bidirectional Encoder Representation from Transformers)是人工智能在谷歌搜索中最令人称奇的用法。BERT 帮助谷歌理解用户试图搜索的内容,专注于整个句子,而不是只孤立的单词。

谷歌知道,有时整个句子的含义可能与我们在搜索查询中使用的单词不同。因此,在 2019 年,谷歌推出了一个名为 BERT 的更新,帮助谷歌基于人工智能更好地理解搜索含义和意图。

例如,如果有人搜索“LA to Lasvegas”,那么这是指从 LA 到 Lasvegas 的旅行方式,还是从 LA 到 Lasvegas 的距离,这要基于对上下文的理解。在引入 BERT 之前,谷歌可能会忽略 LA 和 Lasvegas 之间的“To”,考虑剩下的词而不是整个搜索查询。BERT 结合了人工智能、NLP、NLU(自然语言理解)和情感分析,可以理解所有单词之间的关系,并针对搜索查询提供准确的结果。

 小结

关于谷歌搜索如何使用 AI 来反馈结果,这些只是我们明确知道的一部分方式。谷歌和人工智能的概念一样庞大。这两者的结合复杂度难以想象。不仅仅是谷歌。无论你属于哪个行业,人工智能都能为你创造奇迹。它可以帮助你提高业务运作水平,也可以帮助你增加投资回报率。你可以诉诸于美国、印度、加拿大和阿联酋等地的数据科学服务提供公司,来准确地满足自己的项目需求。他们有通晓数据和人工智能复杂性的专家。

 延伸阅读

  • 为什么预测分析可以提高 App 的性能?

  • 利用数据分析改进车队管理的 5 大想法

  • 汽车制造业提升盈利能力的根本途径

  • 数据科学如何助力快递业务

 作者简介

Harnil Oza 是 HData Systems(数据科学公司)和 Hyperlink InfoSystem 的首席执行官。Hyperlink InfoSystem 是一家总部位于美国和印度的高级移动应用开发公司。其团队有最好的 App 开发人员,可以提供最佳的移动解决方案,主要面向 Android 和 iOS 平台。同时,它也被头部研究平台列为顶尖的 App 开发公司。

查看英文原文:
https://www.hdatasystems.com/blog/how-is-google-search-implementing-artificial-intelligence?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJhdWQiOiJhY2Nlc3NfcmVzb3VyY2UiLCJleHAiOjE2NTU0NTU3MTMsImZpbGVHVUlEIjoiMWQzYVY3YW83MFN3RVlxZyIsImlhdCI6MTY1NTQ1NTQxMywidXNlcklkIjoyMDQxOTA5MH0.se2cNW1JEmLME6vI_vC3_ZqcOpDnxGgCw461i4h5-48
今日好文推荐

云计算的全球变局与中国故事

操作系统封闭、后台保守,为什么前端仍能一路狂奔?

软件架构如何“以不变应万变”

从维护性工作到软件开发革命,运维 15 年间的大逆转

点个在看少个 bug 👇


登录查看更多
0

相关内容

谷歌公司(Google Inc.)成立于1998年9月4日,由拉里·佩奇和谢尔盖·布林共同创建,被公认为全球最大的搜索引擎。
【KDD2022-教程】深度搜索相关性排名的实践,74页ppt
专知会员服务
22+阅读 · 2022年9月4日
【KDD2022教程】Transformers多模态数据分类,41页ppt
专知会员服务
83+阅读 · 2022年8月18日
【2022新书】人工智能自动医疗诊断的最新进展,371页pdf
专知会员服务
129+阅读 · 2022年8月16日
数据与机器学习,人工智能报告
专知会员服务
97+阅读 · 2022年2月21日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
195+阅读 · 2020年2月11日
人工智能并不像你想象的那么迫在眉睫
InfoQ
1+阅读 · 2022年6月29日
从特斯拉AI团队学到的九条方法论
AI前线
0+阅读 · 2022年4月18日
人工智能,「抛弃」真实数据集?
新智元
1+阅读 · 2022年4月6日
数据科学家一定要收藏的十个最佳Python库
AI前线
1+阅读 · 2022年3月8日
Google搜索正在“死亡”
CSDN
0+阅读 · 2022年2月22日
2022年值得关注的8个人工智能趋势
AI前线
2+阅读 · 2022年2月11日
如何有效并快速地阅读一篇AI论文?
学术头条
3+阅读 · 2021年12月26日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
Arxiv
14+阅读 · 2021年11月27日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
27+阅读 · 2021年2月17日
已删除
Arxiv
31+阅读 · 2020年3月23日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
72+阅读 · 2018年12月22日
VIP会员
相关资讯
人工智能并不像你想象的那么迫在眉睫
InfoQ
1+阅读 · 2022年6月29日
从特斯拉AI团队学到的九条方法论
AI前线
0+阅读 · 2022年4月18日
人工智能,「抛弃」真实数据集?
新智元
1+阅读 · 2022年4月6日
数据科学家一定要收藏的十个最佳Python库
AI前线
1+阅读 · 2022年3月8日
Google搜索正在“死亡”
CSDN
0+阅读 · 2022年2月22日
2022年值得关注的8个人工智能趋势
AI前线
2+阅读 · 2022年2月11日
如何有效并快速地阅读一篇AI论文?
学术头条
3+阅读 · 2021年12月26日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
相关论文
Arxiv
14+阅读 · 2021年11月27日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
27+阅读 · 2021年2月17日
已删除
Arxiv
31+阅读 · 2020年3月23日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
72+阅读 · 2018年12月22日
Top
微信扫码咨询专知VIP会员