机器之心翻译出品

　　参与：张诗玥、柒柒

　　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？

　　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）。