Google Pandu Nayak turun ke blognya minggu ini ke mengumumkan apa yang dia katakan adalah "lompatan ke depan [dalam penelusuran] terbesar dalam lima tahun terakhir, dan salah satu yang terbesar melompat maju dalam sejarah Penelusuran. "Pembaruan berkaitan dengan cara Google Penelusuran memproses Anda pertanyaan.
Nayak menunjukkan penggunaan orang-orang atas apa yang dia sebut 'kata kunci-ese' ketika mencari di Google karena ketidakmampuan mesin pencari untuk memahami bahasa alami yang menggunakan penggunaan kualifikasi seperti 'from' dan 'to.' Memang, cara kerja penelusuran saat ini, layanan pada dasarnya mengabaikan istilah tersebut dan cenderung hanya berfokus pada kata kunci yang diperoleh dari Anda pertanyaan.
Itu akan segera berubah - setidaknya untuk kueri bahasa Inggris di AS, dengan lebih banyak bahasa dan lokal untuk mengikuti nanti. Menggabungkan kemajuan terbaru dalam jaringan saraf untuk pemrosesan bahasa alami dan perangkat keras khusus, Google mengklaim sekarang dapat memahami konteks setiap kata dalam kueri dengan lebih baik dalam kaitannya dengan seluruh penelusuran frasa. Pada akhirnya, itu berarti akhirnya dapat mulai memahami pentingnya kualifikasi penting seperti 'ke' dan 'dari' dalam sebuah kalimat, alih-alih mengabaikannya sepenuhnya.
Verizon menawarkan Pixel 4a hanya dengan $ 10 / bln pada jalur Unlimited baru
Semua ini dimungkinkan berkat BERT - tidak, bukan ahli geologi dari Teori Big Bang melainkan, Representasi Pembuat Enkode Dua Arah dari Transformers - yang merupakan teknik Google untuk melatih jaringan saraf guna memahami kata-kata dalam kaitannya dengan keseluruhan frasa. Sebelumnya, algoritme raksasa penelusuran cenderung menafsirkan istilah penelusuran dalam cara yang sebagian besar linier, memahami satu kata hanya dalam kaitannya dengan kata di sebelahnya.
Di sisi perangkat keras, Google juga mengaktifkan penggunaan Cloud TPUs - pada dasarnya, chip yang dibuat untuk tujuan pelatihan semata AI pada jaringan neural - untuk kueri penelusuran pertama kali agar dapat menangani dengan lebih baik semua kompleksitas algoritmik BERT sedang dimasak naik.