Google MUM : qu'est-ce que c'est et comment cela peut avoir un impact sur le référencement ?

Google MUM ou Multitask Unified Model est une nouvelle technologie permettant de répondre à des questions complexes sans réponse directe. Il a été introduit il y a quelques semaines à peine et a déjà fait sensation dans les cercles SEO. Il reste à confirmer si le moteur de recherche utilise cet algorithme, sinon, quand il sera mis en œuvre et comment cela affectera la notation SERP.

Semblable à BERT, il est construit sur une architecture de transformateur, mais obtenir des réponses détaillées à des requêtes complexes est beaucoup plus facile ici. Google utilise un exemple de recherche de préparation pour l'ascension du mont Fuji l'automne prochain. Pour comprendre à quoi s'attendre ou quel équipement choisir, la complexité des itinéraires et les fluctuations de température, vous devrez effectuer une série de recherches réfléchies. Dans cette interrogation, la réponse a priori ne peut pas être sans ambiguïté mais, au contraire, est détaillée et prend en compte de nombreux facteurs. Bien sûr, cet exemple est universel - chaque jour, les utilisateurs doivent trouver des réponses à des problèmes complexes tout en effectuant en moyenne 8 requêtes pour résoudre chacune d'elles. La technologie MUM est conçue pour aider avec de telles complexités et réduire le nombre de recherches. De plus, il est 1000 fois plus puissant que le BERT !

Dans cet article, nous aborderons les caractéristiques du miracle technologique MUM et examinerons son impact sur le référencement.

Qu'est-ce que MUM

Comment fonctionne Google MUM ?

Comment Google MUM peut affecter le référencement

• Éliminer les barrières linguistiques

• Compréhension simultanée de plusieurs tâches

• Génération de langage

• Multimodalité

• L'éthique de Google concernant ses inventions

• Date de sortie de l'algorithme

Conclusion

Google MUM est un algorithme qui aide à résoudre des requêtes complexes : il comprend 75 langues différentes et peut les générer. Incroyablement, contrairement à BERT, il exécute simultanément de nombreuses tâches et développe une compréhension complète de l'information. Fait intéressant, MUM est multimodal - il analyse les données non seulement du texte mais aussi des images. Il est prévu que le nombre de modalités s'étendra aux fichiers vidéo et audio à l'avenir.

Revenons à l'exemple de l'ascension du mont Fuji à l'automne. La réponse, dans ce cas, consistera en plusieurs étapes. Si nous parlons de randonnées, alors très probablement, leur préparation peut inclure un entraînement physique et la sélection d'équipements appropriés. L'automne étant une saison orageuse, une veste imperméable est indispensable. De plus, l'algorithme peut afficher les sous-thèmes recommandés révélés dans des vidéos, des images ou des articles : par exemple, les meilleurs exercices ou les meilleures tenues.

À ce jour, aucun document de recherche ou brevet ne décrit l'algorithme de Google. Il n'y a pas non plus de marque appelée MUM. Malgré cela, seules quelques études traitent de tels problèmes de recherche qui peuvent être résolus en utilisant la technologie multitâche. Considérez-les!

L'explorateur Google, Donald Metzler, a annoncé un article expliquant que les algorithmes de recherche de Google doivent adopter une méthode récemment découverte pour fournir des décisions détaillées aux questions enchevêtrées. Le processus de recherche d'informations est l'épine dorsale de tout moteur de recherche moderne, mais les sites d'indexation et de classement ne sont pas tout à fait adéquats pour de telles tâches. Tous les moteurs de recherche utilisent la reconnaissance de la conjonction des mots-clés et de la sémantique pour créer une liste préliminaire de candidats pour les résultats de recherche. Ensuite, il passe par un ou plusieurs modèles de reclassement, qui doivent probablement être un apprentissage du classement basé sur un réseau de neurones.

Selon Metzler, une telle procédure supprime le composant algorithmique responsable de la recherche de l'index : il est conçu pour combiner et substituer des éléments d'indexation, de récupération et de classement dans un modèle unifié. Il crypte les informations conservées dans un corpus. Pour comprendre de quoi il s'agit, considérez la capture d'écran suivante de l'article : elle montre la dissemblance entre la récupération puis le classement conventionnels et le modèle unique.

Il y a des coïncidences apparentes dans cette publication d'étude, annoncée en mai de cette année, décrivant l'importance d'une représentation unique dans le monde moderne et la publication d'un algorithme révolutionnaire de Google appelé MUM.

Fait intéressant, en décembre 2020, une autre étude a été publiée, donnant des détails généraux sur le mélange multitâche d'experts séquentiels pour les flux d'activité utilisateur ou MoSE. Bien que les noms MoSE et MUM soient similaires, certains chevauchements avec la percée MUM sont également observés ici. Devinez qui est le créateur de cette œuvre ! Toujours le même Donald Metzler. Un article examine l'apprentissage neuronal multitâche qui utilise l'historique d'analyse et de navigation pour créer de puissants modèles d'analyse en plusieurs étapes. L'algorithme étudie les clics de souris successifs et la numérisation des informations pour simuler la recherche de réponses pertinentes à des questions spécifiques. Il convient de noter que MoSe modélise le comportement du chercheur en utilisant la mémoire longue à court terme (LSTM) et non une demande et un contexte - le cours des actions effectuées sur le réseau indique clairement quelle réponse sera satisfaisante. De plus, dans ce document, il est fait mention d'un type d'algorithme optimisé pour effectuer une recherche vidéo basée sur trois prédictions :

• ce que les gens veulent voir;
• qu'est-ce qui satisfera une demande ;
• quels matériaux obtiennent plus d'engagement.

MoSe s'intéresse principalement à une variété de types de données. Si nous considérons cette fonctionnalité dans le contexte de MUM, nous pouvons alors comprendre les actions entreprises par le crawler pour découvrir les options appropriées. Dans ce cas, les flux d'activité des clients des différents sites sont modélisés et leur interaction est déterminée. De plus, MoSE peut prévoir les recherches et le comportement des clients en série comme des représentations évidentes, réduisant ainsi le nombre de requêtes de recherche effectuées (8) et répondant mieux aux problèmes complexes.

Moins il faut de ressources de calcul pour le fonctionnement du programme algorithmique, plus il peut être puissant, ce qui lui donne plus de possibilités d'évolutivité. Voici la décision de dire que MUM est 1000 fois plus fort que BERT. MoSE fournit un équilibre entre la valeur minimale des ressources et la qualité de numérisation. Les inventeurs l'ont prouvé expérimentalement : ils ont testé une architecture d'algorithme et l'ont comparée à sept alternatives. En utilisant Gmail comme exemple, ils ont démontré la flexibilité et l'efficacité du système.

Remarque : l'intensité des ressources du célèbre Penguin jusqu'en 2016 admettait qu'il n'était lancé que quelques fois par an ! Bientôt, il pourrait fonctionner en temps réel avec un coût minimal.

L'algorithme est robuste à différents niveaux d'économie d'actifs : lorsque 80 % est requis, il économise environ 8 % de clics supplémentaires. Cela facilite sa reconversion et lui confère une grande polyvalence.

En tant que BERT, MUM est conçu sur l'architecture Transformer. MoSE ne l'utilise pas, mais il peut être étendu bientôt (ici, vous pouvez utiliser d'autres modules, par exemple, LSTM, GRU). Cela indique essentiellement que MoSE peut être un composant de MUM.

Google publie chaque année de nombreux brevets pour des algorithmes, mais cela ne s'applique pas à MoSE. Si d'autres études ont relevé des erreurs, alors ici, il s'agit plutôt de l'accomplissement du système sans la dépense essentielle d'actifs.

Sommaire

MUM est une technologie d'intelligence artificielle (IA). Son homologue, MoSE, se présente plutôt comme Machine Intelligence (MI). Il n'y a probablement aucune différence entre eux - dans la base de connaissances de l'entreprise, les données d'IA sont classées comme MI. Bien sûr, il n'y a aucun moyen de dire si le mécanisme MoSE est définitivement implémenté dans MUM. Néanmoins, ils sont très similaires. Bien que le scénario dans lequel les deux systèmes ne sont pas entrelacés soit également tout à fait acceptable. Fait intéressant, MoSE est une règle algorithmique très réussie qui peut être élargie avec Transformers.

Mais quelle que soit l'évolution de l'histoire de ces algorithmes, le plus important est de comprendre comment ils affecteront davantage la recherche.

Les spécialistes du référencement doivent s'adapter à chaque fois qu'un moteur de recherche change ses algorithmes. Il y a quelques années, lorsque BERT a été introduit, il n'y avait pas d'impact significatif sur les performances du site Web. Cependant, l'émergence d'une IA super puissante l'affectera de toute façon. Décrire une requête de recherche dans un langage simple et naturel obligera les sites à agir de la même manière. Jetons un coup d'œil à l'impact possible de l'algorithme de Google sur le référencement.

Éliminer les barrières linguistiques

La langue devient un obstacle pour de nombreux utilisateurs, par exemple lorsqu'il s'agit de sites Web qui ne sont pas adaptés au multilinguisme. Dans ce cas, l'algorithme peut briser ces limites. Il peut étudier des ressources écrites dans 75 langues et rechercher des informations pertinentes à leur sujet, même si vous avez saisi un terme de recherche dans une autre langue ! Eh bien, par exemple, vous recherchez des informations sur le même mont Fuji. Le moteur de recherche trouve des résultats, mais en japonais, que vous ne connaissez pas. MUM convertira les connaissances de ces sites dans votre langue préférée tout en permettant des réponses étendues (où vous pourrez profiter des meilleurs paysages, quelles boutiques de souvenirs populaires vous pourrez visiter, etc.). Autrement dit, toute information sera traduite en fonction de la région à partir de laquelle la recherche est effectuée.

Compréhension simultanée de plusieurs tâches

Cette approche permet de mieux comprendre la requête : il y a deux montagnes, Adams et Fuji. Supposons que vous escaladiez le premier et que vous recherchiez des informations pour en escalader un autre à l'automne. Dans ce cas, l'algorithme peut analyser les différences de géologie sans tenir compte de la faune et de la flore. De plus, pour que la randonnée soit réussie, une excellente préparation physique est nécessaire, y compris l'entraînement. Mais si nous parlons d'automne, cela vaut la peine de chercher une tenue.

Génération de langage

Avez-vous déjà entendu parler de GPT-3 ? Il s'agit d'un convertisseur de langage capable de générer un texte de type humain. Sa qualité est si élevée qu'il est assez difficile de la distinguer du réel : cela suscite beaucoup d'inquiétude chez les chercheurs. Certains la considèrent même comme dangereuse, tandis que d'autres, au contraire, ont tendance à penser qu'il s'agit d'un miracle des miracles, la création la plus incroyable jamais réalisée par l'homme. Ainsi, en comparant ce système avec MUM, ce dernier a toutes les chances de gagner des leads. Pour commencer, il convient de comprendre comment la forme des symboles linguistiques est liée à leur représentation empirique. Un modèle à l'intérieur d'un ordinateur peut "comprendre" les formes des caractères, mais pas leur signification (telle qu'une personne la perçoit). La société essaie de réduire le biais de recherche et de réduire l'empreinte carbone de chaque invention.

Multimodalité

C'est un énorme avantage de la technologie MUM par rapport au GPT-3 et au LaMDA. Le fait est que le système peut comprendre les informations dans différents formats : par exemple, à partir d'images, de vidéos et de texte. Ainsi, dans son blog, Pandu Nayak a décrit un cas où, en photographiant vos chaussures, vous pouvez obtenir la réponse à la question : "Puis-je aller au mont Fuji en les portant ?" En conséquence, une image sera liée à la demande de texte et vous serez redirigé vers un blog avec une liste de bottes recommandées et d'autres équipements. Après tout, c'est pratique !

L'importance de cet aspect est mieux illustrée par la comparaison avec le fonctionnement du cerveau humain. C'est ainsi que nous comprenons toute la splendeur du monde grâce à la nature multisensorielle : vision, ouïe, tactilité, etc. Le cerveau interprète l'expérience combinée en une vue unique de la réalité.

La plupart des événements et même des objets contiennent des informations très différentes. Imaginez un citron : vous connaissez son goût et son odeur, il a une forme ovale et une structure poreuse. Les informations électromagnétiques, mécaniques, chimiques peuvent être transmises de la même manière. Le multicapteur cérébral permet d'évaluer la multimodalité. Comme tout est interconnecté !

MUM sera le premier algorithme unique à évaluer et combiner des données comme un humain en termes d'IA. Nous parlerons plus loin de l'éthique de ce phénomène.

Ainsi, le référencement peut devenir inutile et obsolète car les règles du jeu vont changer. Depuis la création de Google, il essaie de créer le moteur de recherche parfait capable de traiter naturellement les requêtes. Lorsque le BERT est apparu en 2019, il a été décrit qu'il pouvait reproduire par erreur les réponses sans comprendre correctement les questions.

Remarque : en passant, l'une des raisons à cela est la saisie de la structure en "mot-clé".

Naturellement, un moteur de recherche suppose un style de communication unique, différent du dialogue entre les personnes. Bien sûr, nous devons rendre hommage à BERT car il est passé à un tout autre niveau pour interpréter les phrases clés. Pour que ce processus se déroule correctement, beaucoup utilisent le vérificateur SpySERP, qui peut suivre les mots-clés. Jusqu'à ce que MUM soit mis en œuvre, il n'y a pas d'autre moyen d'optimiser la recherche d'utilisateurs que d'utiliser le référencement. BERT a également réduit l'influence des mots-clés sur le classement du site - il se soucie que la demande de l'utilisateur corresponde aux informations pertinentes, quels que soient les termes exacts.

Il faut s'attendre à une révolution des moteurs de recherche, sans exclure que le référencement devienne obsolète. L'algorithme se transformera en une sorte d'assistant personnel qui fera tout le travail pour vous. Pourquoi les utilisateurs essaieraient-ils de faire correspondre chaque mot dans la barre de recherche alors qu'ils peuvent exécuter une requête en langage naturel basée sur le dialecte ? Peut-être que l'importance des mots-clés ne sera pas aussi élevée qu'aujourd'hui, mais ils rempliront toujours le contenu.

Remarque : MUM n'est pas censé remplir le texte de termes et l'idée d'optimisation du contenu est absente. Si quelqu'un décide de tromper le moteur de recherche, il sera voué à l'échec. Les pages faites pour les crawlers cesseront d'exister.

L'éthique de Google concernant ses inventions

La société effectue des recherches approfondies avant de lancer un produit sur le marché. Tester chaque mise à jour du moteur de recherche par des évaluateurs humains est essentiel pour fournir des résultats pertinents à leurs futurs utilisateurs. Par exemple, certaines recommandations vous aident à comprendre la qualité des résultats des algorithmes.

Comme BERT, MUM devra également passer par un processus d'évaluation. L'entreprise s'est engagée à rechercher des modèles qui pourraient indiquer un biais dans l'apprentissage automatique.

Comme vous le savez, les grands réseaux de neurones nécessitent une énorme puissance de calcul pour s'entraîner. Google s'engage à réduire l'empreinte carbone de systèmes tels que MUM. Cela améliorera considérablement l'expérience de recherche.

Date de sortie de l'algorithme

Selon Barry Schwartz, le SEO de RustyBrick, il a contacté la société sur Twitter. Danny Sullivan lui a écrit dans l'esprit de Google, l'informant dès le lancement de MUM.

À son tour, la société a annoncé sur son blog que le produit pourrait être ajouté dans les mois, voire les années à venir. Et même si pour le moment ils n'étudient que ses fonctionnalités et que le projet est à un stade expérimental, c'est toujours une voie directe vers l'avenir ! Désormais, le moteur de recherche comprendra la parole naturelle et l'interprétera comme le cerveau d'une personne, à savoir en utilisant la multisensibilité et la multimodalité.

Remarque : Google mène actuellement des projets pilotes pour mieux comprendre les types de demandes des utilisateurs. Cela sera utile pour développer le système MUM.

Google a annoncé son nouveau projet MUM lors de son événement annuel pour les développeurs. Le sujet sensationnel est devenu une révolution dans le monde des moteurs de recherche. Sa force réside dans le multilinguisme, le multitâche et la multimodalité qui fonctionnent au niveau du cerveau humain. Désormais, non seulement la forme des symboles sera perçue, mais son contexte. Donc, si Google peut vraiment lire, entendre et voir du contenu dans 75 langues, puis le reconditionner dans un nouveau format et dans une autre langue naturelle pour l'utilisateur, comment cela se reflétera-t-il dans le référencement ?

Très probablement, son lancement fera sensation dans le monde du référencement, incomparable avec celui de 2019, lorsque BERT a été rendu public. Et si une forte influence sur les performances des sites n'a pas été remarquée auparavant, alors, dans ce cas, les requêtes clés peuvent ne pas être prises en compte. Eh bien, du moins jusqu'à présent, il n'y a pas encore de données à ce sujet. Ainsi, les requêtes seront saisies en langage naturel, mais les résultats du moteur de recherche pourront être traduits si nécessaire. Ainsi, les utilisateurs recevront les connaissances les plus pertinentes en utilisant une IA super puissante et, en même temps, peu gourmande en ressources.

Que reste-t-il aux spécialistes SEO ? Plus susceptibles d'attendre des nouvelles et, bien sûr, d'avoir des textes bien écrits. S'ils sont faciles à lire et naturellement optimisés, alors MUM vous en remerciera. Il n'y a pas de bourrage de mots-clés pour augmenter la note, le plein respect des souhaits des utilisateurs - c'est ce à quoi le système prêtera attention encore plus étroitement. De plus, en attendant une percée, continuez à améliorer votre produit, concentrez-vous sur la création d'une préférence de marque - cela se reflétera dans sa promotion ultérieure.