Maschinelles Lernen und semantische Suche: Was ist Googles ultimative Waffe?

Die letzten Jahre waren für mich als Suchmaschinen-Vermarkter aufregend (oder ein wenig beängstigend, wenn Sie mit Veränderungen nicht so vertraut sind). Google hat eine Reihe neuer Technologien und Systeme eingeführt, um seinen bereits hervorragenden Suchalgorithmus zu optimieren, und auch seine Konkurrenten wie Bing, Apple, Microsoft und sogar Facebook haben entsprechende Systeme eingeführt oder verbessert, um das Suchergebnis ihrer Benutzer zu optimieren.

Das Hauptziel dieser Optimierungen besteht darin, eines der schwierigsten Probleme in der Geschichte der Computer und der künstlichen Intelligenz zu lösen: den Erwerb und das Verständnis natürlicher Sprache. Während Maschinen bei prozeduralen und logischen Aufgaben (wie dem Lösen mathematischer Gleichungen oder dem Erkennen von Merkmalen von Objektdaten) sehr gut sind, fällt es ihnen schwer, subtile Unterschiede zu erkennen, die nur Muttersprachler intuitiv wahrnehmen können. Beispielsweise vermitteln die beiden Sätze „Wo ist das nächste Burger-Restaurant?“ und „Ich möchte einen Burger essen“ für uns ähnliche Absichten, für einfache Maschinen sind sie jedoch sehr unterschiedlich: Der erste Satz ruft bestimmte Informationen ab, die nichts mit den Gedanken des Sprechers zu tun haben; Der zweite Satz vermittelt einen klaren Wunsch und hat nichts mit Informationsbeschaffung zu tun. In den letzten Jahren hat Google daran gearbeitet, Sprachbarrieren abzubauen und die Probleme seiner Maschinenalgorithmen zu lösen. Doch was ist das ultimative Ziel dieses Unterfangens: Möchte Google die Absichten und Feinheiten des menschlichen Geistes vollständig verstehen? Oder handelt es sich hier lediglich um eine Erkundung der technologischen Entwicklung?

Die Wurzeln der semantischen Suche und des Hummingbird-Algorithmus

Im Jahr 2013 rückte das Konzept der semantischen Suche mit der Einführung des Hummingbird-Updates erstmals in den Blickpunkt der Öffentlichkeit. Bisher ermittelte Google entsprechende Webseiten, indem es die Schlüsselwörter in der Suchanfrage ermittelte. Im obigen Beispiel mit dem Hamburger-Restaurant würde Google das Schlüsselwort „Hamburger“ erhalten und Webseiten zurückgeben, auf denen das Schlüsselwort häufig vorkommt. Mit dieser Methode wird die Absicht des Benutzers jedoch nicht wirklich erfasst. Es kann nicht unterschieden werden, ob der Benutzer nach „Hamburger-Restaurant“ oder „Wie mache ich meinen eigenen Hamburger“ suchen möchte. Obwohl er noch verbessert werden muss, kann der auf der Analyse der Benutzerabsicht basierende Hummingbird-Algorithmus die Schlüsselfaktoren der Benutzerabsicht erfassen und den Inhalt der Seite „verstehen“, anstatt sich auf die auf der Seite enthaltenen Schlüsselwörter zu beschränken.

Persönliche digitale Assistenten und Sprachsuche

Persönliche digitale Assistenten, darunter Google Now und Siri, erfordern ein höheres Maß an semantischem Verständnis. Nun ergeben sich neue Hürden, wie beispielsweise die Übersetzung gesprochener Worte in getippten Text, das Finden der richtigen Suchbegriffe und eine verständliche Antwort. Obwohl Suchergebnisse im Wesentlichen immer noch mithilfe des Standardsuchalgorithmus von Google abgerufen werden, werden KI-Algorithmen ständig verbessert und diese Technologien haben das Niveau erreicht, das wir heute sehen. Die Hauptmotivation besteht darin, die Suche benutzerfreundlicher zu gestalten, die zweite Motivation besteht jedoch darin, die Benutzergewohnheiten zu ändern: Die Sprachsuche erfordert Konversationseingaben und kontextbezogene Eingabeaufforderungen, wodurch aussagekräftigere und relevantere Ergebnisse erzielt werden als bei der herkömmlichen stichwortbasierten Eingabe.

Die Entstehung von RankBrain

Die größte Neuigkeit im semantischen Bereich war im letzten Jahr die Einführung von RankBrain, einem Algorithmus für maschinelles Lernen, kombiniert mit dem Hummingbird-Algorithmus. Ich habe seinen Zweck zusammengefasst, um ihn kurz zu erklären:

Seine Funktion besteht darin, Google dabei zu helfen, verschiedene lange, komplexe oder mehrdeutige verbale Abfrageanweisungen der Benutzer zu verstehen. Man kann es so verstehen, dass es jene schlechten Eingabesätze, die nicht den grammatikalischen Regeln entsprechen, in eine Form übersetzt, die von der algorithmischen Logik interpretiert werden kann. Und da es maschinelles Lernen nutzt, kann es sich selbst aktualisieren, sodass Entwickler es nicht mehr manuell anpassen und aktualisieren müssen.

Der Aufstieg „verwandter Fragen“

Um das Sucherlebnis der Benutzer zufriedenstellender zu gestalten, fördert Google schrittweise „ausführliche Antworten“ (eine prägnante Version der „Antwort“, die manchmal über den herkömmlichen Suchergebnissen angezeigt wird). Vor Kurzem hat Google „Ähnliche Fragen“ eingeführt, die Benutzer dazu anregen, ihre Suchthemen weiter zu erforschen. Besonders interessant ist, dass sich derzeit die Antworten auf „Ähnliche Fragen“ von den jeweiligen Rich Answers unterscheiden, was bedeutet, dass die beiden auf unterschiedlichen Teilen des Suchalgorithmus von Google basieren (siehe beispielsweise den Knowledge Graph und RankBrain von Google). Unabhängig davon scheint Google daran zu arbeiten, die Anfragen der Benutzer nicht nur zu verstehen, sondern sie auch klar und präzise zu beantworten.

Drei Vorhersagen

Um die Bedeutung dieser Beobachtungen zu ergründen, möchte ich drei Prognosen dazu abgeben, wie Google im nächsten Jahrzehnt vorgehen könnte:

1. Maschinelles Lernen wird das neue Ziel. Derzeit gibt es maschinelles Lernen nur im optimierten Teil des Suchalgorithmus von Google. Ich vermute, dass sich seine Anwendungsmöglichkeiten auf andere Bereiche ausweiten werden, einschließlich der Analyse der Inhaltsqualität und der Auswertung des Backlink-Kontexts.

2. Google wird daran arbeiten, jede Suchanfrage in eine beantwortbare Frage umzuwandeln. Angesichts der zunehmenden Zahl ausführlicher Antworten und damit verbundener Fragen ist es klar, dass Google den Nutzern möglichst direkte Informationen bieten möchte. Ich denke, wir werden von Google in dieser Richtung noch mehr Arbeit sehen, einschließlich der Umwandlung einfacher Abfragen in komplexe, beantwortbare Fragen.

3. Neue Technologien werden dazu führen, dass mehr Menschen auf die Sprachsuche zurückgreifen, was natürlich semantisch komplexere Fragen und direktere Antworten auf diese Fragen bedeutet. Je mehr Menschen die Sprachsuche verwenden, desto mehr Daten erhält Google, desto bessere Suchergebnisse erhalten die Benutzer – und desto besser wird insgesamt das Suchsystem. Daher gehe ich davon aus, dass Google in den kommenden Jahren mehr Menschen dazu bewegen wird, die Sprachsuche zu nutzen.

Verwenden Sie diese drei Vorhersagen, wie Sie es für richtig halten: Sie könnten mit der Einführung neuer Content-Marketing-Strategien beginnen, um auf Benutzerfragen zu antworten; oder neue Techniken für die Suchmaschinenoptimierung (SEO) nutzen, um die häufigen Änderungen durch maschinelles Lernen zu vermeiden; oder Sie warten einfach, bis Ihnen eine einfachere und intuitivere Suchmethode zur Verfügung steht. Wir können die Zukunft nicht vorhersagen, aber wenn wir auf die großen Fortschritte zurückblicken, die wir in den letzten Jahren gemacht haben, können wir voraussehen, dass das nächste Jahrzehnt ein bahnbrechendes Jahrzehnt sein wird.

Als Gewinner des Qingyun-Plans von Toutiao und des Bai+-Plans von Baijiahao, des Baidu-Digitalautors des Jahres 2019, des beliebtesten Autors von Baijiahao im Technologiebereich, des Sogou-Autors für Technologie und Kultur 2019 und des einflussreichsten Schöpfers des Baijiahao-Vierteljahrs 2021 hat er viele Auszeichnungen gewonnen, darunter den Sohu Best Industry Media Person 2013, den dritten Platz beim China New Media Entrepreneurship Competition Beijing 2015, den Guangmang Experience Award 2015, den dritten Platz im Finale des China New Media Entrepreneurship Competition 2015 und den Baidu Dynamic Annual Powerful Celebrity 2018.