Algorytm Google nieustannie się rozwija. Aby sprostać rosnącym wymaganiom użytkowników sieci oraz wysokim standardom, jakie stawiają sobie twórcy najpopularniejszej wyszukiwarki świata, od lat do pomocy zaprzęgana jest sztuczna inteligencja.
W jaki sposób algorytmy wyszukiwarki są wspierane przez AI? Jakie konkretne rozwiązania w tym zakresie pojawiły się w ciągu ostatnich lat? Tego dowiesz się w tym artykule.
Co to jest AI?
Zanim przejdziemy do tego, z jakich rozwiązań w zakresie sztucznej inteligencji korzysta Google, przybliżmy sobie pokrótce, czym jest AI.
Celem sztucznej inteligencji jest nadanie maszynom/programom umiejętności odbierania informacji, przetwarzania ich i używania w sposób taki, jak robią to ludzie (a nawet lepszy). Jednym z ważnych aspektów ludzkiej inteligencji jest także możliwość wyciągania wniosków na podstawie swoich doświadczeń i użycia ich, aby skuteczniej radzić sobie z przyszłymi, często nienapotkanymi wcześniej wyzwaniami. Można oczywiście w tym kontekście mówić wiele o typach sztucznej inteligencji i tym, czy maszyny faktycznie mogą myśleć jak człowiek. W przypadku algorytmu Google na uwadze wystarczy jednak mieć właśnie te wcześniej wspomniane kwestie.
Celem wyszukiwarki jest przeszukiwanie zasobów Internetu (odbieranie i gromadzenie informacji) oraz zwracanie jak najbardziej trafnych odpowiedzi użytkownikom. Internet stale się rozwija, dlatego ważnym czynnikiem jest także to, aby algorytmy były w stanie reagować na te zmiany (wyciąganie wniosków na podstawie dotychczasowych doświadczeń).
Dlaczego jednak algorytm Google w ostatnim czasie zaczął być w szczególny sposób wspomagany sztuczną inteligencją? Przyjrzyjmy się temu bliżej.
Dlaczego Google wykorzystuje sztuczną inteligencję?
Najprostsza odpowiedź brzmi – aby poprawić doświadczenia użytkowników i poradzić sobie z rosnącymi, coraz bardziej złożonymi zasobami Internetu. Powodem jest także zapobieganie próbom manipulowania algorytmem Google.
W początkowych latach funkcjonowania Google (czyli początek tego stulecia), algorytm dało się łatwo oszukać. Zwracał on uwagę głównie na dopasowanie słów kluczowych i liczbę linków. Takie działania jak keyword stuffing czy kupowanie masowej ilości niskiej jakości odnośników były całkiem skuteczne.
Celem Google było jednak dostarczanie jakościowych i przydatnych informacji użytkownikom, zapewniając im przy tym ogólnie świetne doświadczenie. Jednym z ważniejszych kroków w tym celu było choćby nauczenie algorytmu rozpoznawania znaczenia słów, rozumienia ich kontekstu oraz tego, czemu zostały wprowadzone w określonej kolejności.
Problem tkwi jednak w tym, że języki, branże i ogólnie sam Internet szybko się rozwijają. Ciągle pojawiają się nowe biznesy, rozwija się technologia, ilość informacji w obiegu systematycznie się zwiększa, do czego przykłada się zarówno rosnąca świadomość, dlaczego tak ważny jest content, jak i rosnąca popularność idei Web 2.0. Aby za nimi nadążać, algorytm Google nie może operować na podstawie kilku prostych i sztywnych reguł – z tego względu musi być wspierany przez sztuczną inteligencję.
Najważniejsze rozwiązania z zakresu AI, z których korzysta Google
Przyjrzyjmy się zatem, jakie zastosowanie w algorytmie wyszukiwarki Google znalazło AI.
-
RankBrain
Wprowadzenie RankBrain ogłoszono w 2015 roku. Od tego czasu jest on integralną częścią algorytmu Google. Przedstawiono go jako sztuczną inteligencję, która jest w stanie przetworzyć treści pisane na matematyczne wektory, aby następnie je lepiej zrozumieć.
Jeden z czynników, który warto mieć szczególnie na uwadze w przypadku RankBrain jest to, że gdy natrafi on na nieznaną mu frazę, potrafi domyślić się, do jakich znanych mu zapytań jest ono podobne. Na podstawie owego domysłu filtruje informacje tak, aby dobrać prawidłową odpowiedź.
Warto też zaznaczyć, że RankBrain działa na podstawie algorytmów maszynowego uczenia. Oznacza to, że stale analizuje on gromadzone informacje i ulepsza swoje działanie. Google w zasadzie było jednym z pionierów, jeśli chodzi o praktyczne zastosowanie machine learningu, co pokazuje, że firma jest gotowa korzystać ze wszelkich możliwych rozwiązań, aby wspierać algorytm sztuczną inteligencją.
-
Neural Matching
Neural Matching (dopasowanie neuronowe) to obecnie jeden z budulców algorytmu Google. Wprowadzono go w życie w 2018 roku. Stanowi on niejako uzupełnienie wspomnianego wcześniej RankBrain’a.
Celem dopasowania neuronowego jest przede wszystkim uzyskiwanie informacji i wyszukiwanie między nimi podobieństw. Podczas gdy RankBrain robi to w przypadku większości zapytań, tak Neural Matching przejmuje pałeczkę, gdy w grę wchodzą bardzo niejasne kombinacje słów kluczowych i koncepty.
Neural Matching patrzy na całe zapytanie, a nie tylko na pojedyncze słowa kluczowe, aby zrozumieć ogólną koncepcję leżącą u jego podstaw. Pomaga to algorytmowi Google rozszyfrować, jaka jest intencja użytkownika.
Skoro już wspomnieliśmy o intencji użytkownika, warto mieć ją na uwadze, tworząc treści. W ustaleniu, jak przygotować content z myślą o odbiorcach, na pewno pomoże audyt SEO strony internetowej.
-
BERT
BERT (Bidirectional Encoder Representations from Transformers) został ogłoszony w 2019 roku. Dzięki niemu algorytm Google jest w stanie rozumieć wprowadzane zapytania, „czytając je” jednocześnie w dwóch kierunkach, co pozwala wychwycić dwuznaczność i niuanse zwłaszcza w przypadku chaotycznych zapytań.
Co ciekawe, BERT usprawnił także to, jak algorytm Google ocenia jakość ogólnego powiązania stron z danymi zapytaniami. Po jego wprowadzeniu zauważono, że wiele witryn polegających na nienaturalnych profilach linków utraciło pozycje.
Przeczytaj także:
Czym są nienaturalne linki przychodzące? Definicja i przykłady -
MUM
Pierwsza informacja o MUM pojawiła się 18 maja 2021 roku. Pełna data jego wprowadzenia nie jest jeszcze znana. Można jednak przypuszczać, że to kwestia paru lat. Na jakiej podstawie? Multitask Unified Model (Wielozadaniowy Ujednolicony Model) ma wiele wspólnego z BERT-em. Fundamenty tego drugiego powstały w 2015 roku, ogłoszono go w 2019 roku, a w pełni wprowadzono w 2020 roku. Założenia MUM są ambitne, więc zapewne nie będzie on szybko gotowy.
Czego dotyczy MUM? Podstawą jego działania są modalności, czyli zbiory danych powstałe w wyniku agregacji informacji z różnych mediów, jak teksty, nagrania dźwiękowe i materiały video. Dzięki nim modele uczenia maszynowego mogą funkcjonować jeszcze sprawniej.
Tak bogate i aktywnie przetwarzane zbiory danych mają umożliwić MUM rozumienie intencji oraz indywidualnych potrzeb użytkownika w niespotykany jeszcze sposób. Google posłużyło się ciekawym przykładem, aby zobrazować działanie MUM.
Załóżmy, że zdobyłeś szczyt Mount Adams w USA. Następnie chcesz wejść na górę Fudżi w Japonii. Choć masz już doświadczenie w spinaczkach, to jednak do kolejnej wyprawy trzeba przygotować się inaczej. Obecnie musiałbyś w tym celu w Google wpisać wiele dodatkowych zapytań, aby uzyskać potrzebne dane (według Google około 8).
Dzięki MUM wystarczy jednak, że wprowadzisz zapytanie typu „co powinienem zrobić inaczej?”. Zaawansowane algorytmy wyszukiwarki wezmą pod uwagę Twoją historię wyszukiwań i kontekst nowego pytania, udzielając precyzyjnej odpowiedzi oraz sugestii dostosowanych pod Twoje potrzeby.
Algorytmy wyszukiwarki i sztuczna inteligencja – podsumowanie
Nie ma wątpliwości, że AI w dużym stopniu pomaga Google w dostarczaniu pożądanego contentu do odpowiednich użytkowników. Jeśli chciałbyś wiedzieć, jak uwzględnić ten fakt w swoich działaniach, umów się z nami na indywidualne konsultacje SEO.
