L'évolution de Google AI dans la recherche locale

La recherche Google est devenue de plus en plus complexe, et ce n'est pas étonnant. Les besoins d'information des consommateurs constamment connectés continuent d'évoluer et les algorithmes de recherche doivent s'adapter pour suivre le rythme. Et font-ils jamais; Les algorithmes de Google sont mis à jour des centaines à des milliers de fois chaque année.

La mission de Google est simple : "organiser les informations du monde et les rendre universellement accessibles et utiles". Google remplit cette mission dans un monde où 59 % des acheteurs utilisent Google pour rechercher et comparer leurs options avant d'acheter en ligne ou en magasin.

Aujourd'hui, les consommateurs utilisent la recherche sur leurs appareils mobiles et de bureau, à partir d'appareils et de véhicules connectés, et via des assistants à domicile tels que Google Home pour trouver des réponses à tous leurs besoins d'information, de navigation et commerciaux. Et pour chacune de ces milliards de requêtes, la recherche Google doit trouver la bonne réponse parmi les milliards de pages Web de son index.

Rien de tout cela ne serait possible sans l'intelligence artificielle (IA) et l'évolutivité qu'elle crée. Mais comment Google AI impacte-t-il la recherche locale ? Nous allons jeter un coup d'oeil.

Qu'est-ce que Google AI dans la recherche ?

L'intelligence artificielle fait partie intégrante du fonctionnement actuel des moteurs de recherche tels que Google. L'IA prend en charge des tâches qui ont toujours nécessité de l'énergie et de l'intelligence humaines pour les accomplir et les automatise. Ses premières applications étaient des automatisations assez simples, mais maintenant, avec l'apprentissage automatique, les algorithmes peuvent être "formés" pour prendre des décisions complexes, reconnaître la parole, etc.

L'IA est utilisée par les algorithmes de recherche pour comprendre la signification sémantique de chaque requête, identifier les résultats pertinents et les classer en temps réel afin de fournir la meilleure réponse.

Exemple de résultat de recherche complexe à l'aide de la recherche Google

Jalons importants de l'IA pour la recherche Google

À ses débuts, l'algorithme de recherche de Google recherchait simplement des mots sur la page pour faire correspondre les mots dans une requête de recherche. Cependant, cela est venu avec une myriade de problèmes; le langage humain est complexe, les gens expriment des requêtes de toutes sortes de façons, et ces systèmes étaient faciles pour les personnes ayant des intentions moins qu'honorables de jouer. Même aujourd'hui, Pandu Nayak de Google affirme que "15 % des recherches que nous voyons chaque jour sont entièrement nouvelles".

Comment apprendre à un système à fournir rapidement des résultats pour des questions qui n'ont jamais été posées auparavant ?

Entrez l'IA.

Il est important de noter que chaque expérience de recherche Google est alimentée par potentiellement des centaines d'algorithmes. Selon Nayak, Google Fellow et vice-président de la recherche, le géant de la recherche a développé des centaines d'algorithmes au fil des ans pour aider à fournir des résultats de recherche pertinents.

«Lorsque nous développons de nouveaux systèmes d'IA, nos algorithmes et systèmes hérités ne sont pas simplement mis de côté. En fait, Search s'exécute sur des centaines d'algorithmes et de modèles d'apprentissage automatique, et nous sommes en mesure de l'améliorer lorsque nos systèmes - nouveaux et anciens - peuvent bien fonctionner ensemble », a-t-il expliqué. "Chaque algorithme et modèle a un rôle spécialisé, et ils se déclenchent à des moments différents et dans des combinaisons distinctes pour aider à fournir les résultats les plus utiles."

Voici quelques-unes des principales applications d'intelligence artificielle exécutées dans la recherche Google et la date à laquelle elles ont été ajoutées.

RankBrain, 2015

Il s'agissait du premier système d'apprentissage en profondeur Google AI déployé. RankBrain a considérablement amélioré la compréhension de Google de la façon dont les mots se traduisent en concepts spécifiques en lui permettant de trouver plus d'informations qu'auparavant et en élargissant la compréhension de la machine des idées et des connexions du monde réel. Nayak dit que "RankBrain (comme son nom l'indique) est utilisé pour aider à classer - ou décider du meilleur ordre pour - les meilleurs résultats de recherche."

Appariement neuronal, 2018

La correspondance neuronale a permis à Google de mieux comprendre comment les requêtes sont liées aux pages. Il s'agissait d'un changement massif dans la façon dont Google évaluait les requêtes et allait au-delà des mots clés, pour considérer la requête et le contenu à grande échelle, par opposition aux seuls mots clés. Cela donnerait à la fois à la requête et au contenu un contexte beaucoup plus large.

BERT, 2019

Représentations de l'encodeur bidirectionnel, un modèle de traitement du langage naturel qui a révolutionné la compréhension de Google de la signification et de l'intention des combinaisons de mots. BERT considère chaque mot de la requête et peut «comprendre» comment différents mots utilisés en tandem représentent différents concepts. "BERT comprend les mots dans une séquence et comment ils sont liés les uns aux autres, ce qui garantit que nous ne supprimons pas les mots importants de votre requête, aussi petits soient-ils", a expliqué Nayak.

MAMAN, 2021

Google affirme que son modèle unifié multitâche est 1000 fois plus puissant que BERT. MUM est déjà formé dans plus de 75 langues et peut effectuer de nombreuses tâches différentes simultanément. Sherry Bonelli de Early Bird Digital explique : « Au lieu de faire plusieurs recherches pour une question complexe, MUM peut effectuer plusieurs tâches et sera en mesure de trouver la réponse à une requête de recherche compliquée en utilisant plusieurs sources et supports en même temps. Consultez la mise à jour MUM de Google : ce que cela signifie pour les spécialistes du marketing local selon les experts pour plus d'informations sur les référenceurs.

Image reproduite avec l'aimable autorisation de Google

Autres façons dont Google utilise l'IA

Google utilise également l'IA de nombreuses manières en dehors de la recherche.

Google Assistant en est un excellent exemple. Vous utilisez peut-être déjà l'assistant vocal alimenté par l'IA à la maison, sur votre smartphone, dans votre voiture, sur votre téléviseur ou même sur un appareil portable tel qu'une montre-bracelet. Grâce à l'IA, cette application peut gérer votre calendrier, trouver des entreprises à proximité et même prendre rendez-vous avec elles, consulter la météo, écouter de la musique, etc.

Grâce à l'apprentissage automatique et aux modèles de langage, Google Assistant peut également mieux comprendre et répondre à vos besoins.

Google utilise également l'IA dans Maps, que les données de localisation historiques et votre historique de recherche soient utilisés dans une expérience de navigation plus personnalisée. L'IA aide à alimenter Live View, donnant à Google Maps une meilleure compréhension de votre position précise par rapport aux bâtiments et aux points de repère afin de mieux vous aider à vous rendre là où vous devez aller.

Ai est utilisé par Google dans :

• Son système de détection des tremblements de terre basé sur Android
• Pour les enchères intelligentes dans Google Ads et DoubleClick
• Recommandations de contenu sécurisé YouTube
• Recherche de reconnaissance d'image
• Planification intelligente de Google Drive basée sur la disponibilité des contacts
• Google Translate, via le réseau Google Neural Machine Translation
• Et plus

Comment Google AI sera-t-il utilisé à l'avenir ?

Jeff Dean, Senior Google Fellow et SVP de Google Research, s'attend à ce que nous assistions à de nombreuses avancées passionnantes dans le domaine de l'apprentissage automatique dans les années à venir.

"Les chercheurs forment des modèles d'apprentissage automatique plus grands et plus performants que jamais auparavant. Par exemple, au cours des deux dernières années seulement, les modèles dans le domaine du langage sont passés de milliards de paramètres formés sur des dizaines de milliards de jetons de données (par exemple, le modèle T5 de paramètres 11B), à des centaines de milliards ou des billions de paramètres formés sur des milliards de jetons de données », a-t-il écrit récemment.

Beaucoup de ces applications sont axées sur l'amélioration de la compréhension du langage écrit par les machines, a-t-il expliqué. Les modèles récents ont obtenu "des résultats de pointe dans les repères de compréhension du langage et les capacités de conversation ouvertes, même sur plusieurs tâches dans un domaine", a-t-il déclaré, et a partagé cet exemple en utilisant le modèle LaMDA de Google pour une conversation ouverte. entre un internaute et la recherche Google :

Un dialogue avec LaMDA imitant un sceau de Weddell avec l'invite de mise à la terre prédéfinie, « Salut, je suis un sceau de Weddell. Avez-vous des questions pour moi?" Le modèle contient en grande partie un dialogue de caractère. (Image du sceau de Weddell recadrée à partir d'une image sous licence Wikimedia CC)

FAQ sur l'IA de Google

Qu'y a-t-il de si excitant à propos de Google MUM ?

Google MUM est multimodal, ce qui signifie que beaucoup plus de types et de formats de contenu peuvent être analysés. Dean a partagé quelques exemples de ce que cela signifie dans son récent article de blog, Google Research : Thèmes de 2021 et au-delà.

"Ce sont quelques-uns des modèles les plus avancés à ce jour car ils peuvent accepter plusieurs modalités d'entrée différentes (par exemple, la langue, les images, la parole, la vidéo) et, dans certains cas, produire différentes modalités de sortie, par exemple, générer des images à partir de phrases descriptives ou paragraphes, ou décrivant le contenu visuel des images dans des langues humaines.

Pouvez-vous citer d'autres exemples d'IA en action dans la recherche ?

Prabhakar Raghavan, vice-président principal de Google pour la recherche et l'assistant, a partagé quelques autres façons dont Google utilise l'IA dans un article de blog d'octobre 2020 :

• Pour améliorer la capacité de la recherche Google à comprendre les mots mal orthographiés, car 1 requête de recherche sur 10 est mal orthographiée.
• Pour mieux comprendre la pertinence de passages spécifiques, ce qui devait améliorer 7 % des requêtes de recherche dans toutes les langues.
• Pour appliquer des réseaux de neurones qui font progresser la compréhension de Google des sous-thèmes autour d'un intérêt.
• Donner aux chercheurs accès à des informations de meilleure qualité et plus précises sur le monde qui les entoure.
• Pour mieux comprendre le contenu vidéo et identifier les moments clés à mettre en avant dans les résultats de recherche.

Où puis-je en savoir plus sur la manière dont Google utilise l'IA ?

Ces autres ressources peuvent vous aider à approfondir votre compréhension de l'utilisation de l'IA par Google :

• Google AI, le blog officiel
• Comment Google utilise l'intelligence artificielle Dans la recherche Google, Search Engine Land
• Comment l'IA alimente un Google plus utile, Prabhakar Raghavan
• L'intelligence artificielle au service des produits Google, vers la science des données
• Produits d'IA et de machine learning – Google Cloud