注册应用功能的方法。我们需要一种能力，让应用能注册它们的接口和方法。如果你的技术背景不那么深厚，我们就需要应用以结构化的方式公开它们具有的信息类型、它们能做什么、应该如何向其发出查询以及它们如何对提问者做出回复。应用应该将这些发布到云端的目录上去。

微支付。信息和服务不是免费的。我们也不该指望公司或者个人无偿搜集信息或提供服务。如今我为地铁地图的应用支付1.99美元，下一步则必须有一种方法向访问信息的引擎或用户收费。微支付将比独立的应用便宜很多，地铁路线这样的信息应该收费不到一美分。

持续登录和账户。老是要登录而且还要选择和服关联的正确账户，开奖，这也是妨碍应用功能无缝桥接的因素之一。现如今我们没有办法轻松地为来自应用的信息进行微支付，它们并不是通过现有的广告模式得到资金。持续登录和单一身份标识将减少系统选择应用时的错误,因为它会更仔细地为每个用户微调意图模型。

评级。为一个意图选择合适应用的过程中，有一部分工作是要知道哪个是最好的。系统可以利用评级作为显式学习的方式，并将传统但表现良好的机器学习加以改进，能帮助系统了解应该调用哪个应用——基于某个特定应用最终帮助用户完成一项任务的频率。

对可用的数百万个应用功能的理解如何与搜索关联呢？将我之前需要充电线的例子加以扩充如下。我意识到我把手机的充电线忘在家里了。我现在在办公室，下午马上要出差，已经没有时间回家或者去商店了。我能怎么办呢？如今，我在网络上查找或者咨询我认识的人并请教他们我该怎么做。这些资源可能告诉我有两个应用（TaskRabbit和Postmates)能提供送达服务。于是我打开手机安装这个应用，开始处理业务，其中包括注册该项服务，设置支付方式，学习如何使用该服务，最终还要在应用中来来回回地折腾。这么做效率不是很高。我真正要做的事情（也就是我的意图）是在我出差之前有人把充电线给我送来。

我要做的是，只需要告诉搜索：在我出发去机场前我要拿到我的手机充电线。而搜索应该完成下面的步骤：

检查我发出该请求的手机模型（这是如今搜索每天都做的事情)。

推断我的意图（我需要买一根充电线）。

列出限制条件（我需要充电线的时间要早于我日历上的登机时间，还要减去系统预测我前往机场并办理登机手续的时间）。

确定网络上哪个服务能完成我的要求。

向某个应用发出请求，并附有一套定义好的信息：请求人，送货地址，请求人愿意支付的金额（根据我个人档案进行推断或者该服务提供者完成一项送达任务的平均价格），任务描述，截止时间。

要是你觉得这听起来像科幻小说，我可以给你看TaskRabbit提供的这些API(应用程序编程接口）的网络文档。这些API现在就能让我们构建一个如上所述的系统，完成这些基于动作的步骤。

当今的挑战——也是搜索公司努力攻克的挑战——是没有一种一致的方式让搜索引擎知道有什么应用、它们能做什么，以及怎样与它们交流。这就像是你在伊斯坦布尔的集市购物，而且你相信肯定会有一个地方让你买到藏红花。而要找到这个摊位，还只能和摊主用你的母语交流，就让所有的交易变得异常困难。你要么不知道自己有怎样的选择，要么没法和摊主沟通，以至无法了解到基于你的条件（你什么时候要，准备付多少钱等）能不能找到你想要的东西。这就是如今搜索和应用所处的状态。

把一切整合起来

至此我们已经看到，下一代搜索系统的很多部分还在开发过程中。有些部分正在有条不紊地建设中，而另外一些的目的都还没有确定。马克·戴维斯是人机交互的先锋，也是很多智能系统的开发者。他将搜索看作多个部件的指挥者，也是制造真正有预见性且有用的“铰链”的关键：

搜索领域的竞争将是谁能提供最值得信赖的平台环境和体验，让数字化的人在互联网中获得力量，而达到这个目标后，生活就变成一个查询的过程。