Google MUM: Apa Itu dan Bagaimana Pengaruhnya terhadap SEO

Google MUM atau Multitask Unified Model adalah teknologi baru untuk menjawab pertanyaan kompleks yang tidak memiliki jawaban langsung. Itu diperkenalkan hanya beberapa minggu yang lalu dan telah membuat kegemparan di kalangan SEO. Belum dapat dipastikan apakah mesin pencari menggunakan algoritma ini, jika tidak, kapan akan diterapkan dan bagaimana pengaruhnya terhadap peringkat SERP.

Mirip dengan BERT, ini dibangun di atas arsitektur transformator, tetapi mendapatkan jawaban terperinci untuk pertanyaan kompleks jauh lebih mudah di sini. Google menggunakan contoh menemukan persiapan untuk mendaki Gunung Fuji musim gugur mendatang. Untuk memahami apa yang baru diharapkan atau peralatan apa yang harus dipilih, kompleksitas rute, dan fluktuasi suhu, Anda harus melakukan serangkaian pencarian yang bijaksana. Dalam pertanyaan ini, jawaban apriori tidak dapat ambigu tetapi, sebaliknya, terperinci dan mempertimbangkan banyak faktor. Tentu saja, contoh ini bersifat universal - setiap hari, pengguna berurusan dengan menemukan jawaban atas masalah yang kompleks sambil melakukan rata-rata 8 kueri untuk menyelesaikannya masing-masing. Teknologi MUM dirancang untuk membantu dengan kompleksitas tersebut dan mengurangi jumlah pencarian. Selain itu, ini 1000 kali lebih kuat dari BERT!

Pada artikel ini, kita akan membahas fitur keajaiban teknologi MUM dan melihat dampaknya terhadap SEO.

Apa itu MUM

Bagaimana Google MUM Bekerja?

Bagaimana Google MUM Dapat Mempengaruhi SEO

• Menghilangkan hambatan bahasa

• Pemahaman simultan dari banyak tugas

• Generasi bahasa

• Multimodalitas

• Etika Google terkait penemuannya

• Tanggal rilis algoritma

Kesimpulan

Google MUM adalah algoritme yang membantu memecahkan kueri kompleks: ia memahami 75 bahasa berbeda dan dapat menghasilkannya. Luar biasa, tidak seperti BERT, secara bersamaan melakukan banyak tugas dan mengembangkan pemahaman informasi yang lengkap. Menariknya, MUM adalah multimodal - tidak hanya memindai data dari teks tetapi juga gambar. Diperkirakan jumlah modalitas akan berkembang ke file video dan audio di masa depan.

Mari kita kembali ke contoh mendaki Gunung Fuji di musim gugur. Jawabannya, dalam hal ini, akan terdiri dari beberapa tahap. Jika kita berbicara tentang hiking, maka kemungkinan besar, persiapan untuk mereka mungkin termasuk pelatihan kebugaran dan pemilihan peralatan yang sesuai. Karena musim gugur adalah musim badai, jaket tahan air sangat diperlukan. Selain itu, algoritme dapat menampilkan subtopik yang direkomendasikan yang terungkap dalam video, gambar, atau artikel: misalnya, latihan terbaik atau pakaian terbaik.

Sampai saat ini, tidak ada makalah penelitian atau paten yang menjelaskan algoritma Google. Juga tidak ada merek dagang yang disebut MUM. Meskipun demikian, hanya beberapa penelitian yang membahas masalah pencarian seperti itu yang dapat diselesaikan dengan menggunakan teknologi multitasking. Pertimbangkan mereka!

Penjelajah Google, Donald Metzler, mengumumkan sebuah artikel yang menjelaskan bahwa algoritme pencarian Google harus mengambil cara yang baru ditemukan untuk memberikan keputusan terperinci untuk pertanyaan yang terjerat. Proses Pengambilan Informasi adalah tulang punggung setiap mesin pencari modern, tetapi pengindeksan dan pemeringkatan situs tidak sepenuhnya memadai untuk tugas-tugas tersebut. Semua mesin pencari menggunakan pengenalan kata kunci bersama frase dan semantik untuk membuat daftar awal kandidat untuk hasil pencarian. Kemudian ia melewati satu atau lebih pola peringkat ulang, yang mungkin merupakan pembelajaran-untuk-peringkat berbasis jaringan saraf.

Menurut Metzler, prosedur seperti itu menghilangkan komponen algoritme yang bertanggung jawab untuk menemukan indeks: prosedur ini dirancang untuk menggabungkan dan mengganti elemen pengindeksan, pengambilan, dan pemeringkatan ke dalam Model Terpadu. Ini mengenkripsi informasi yang disimpan dalam korpus. Untuk memahami tentang apa ini, pertimbangkan tangkapan layar berikut dari artikel: ini menunjukkan perbedaan antara ambil-lalu-peringkat konvensional dan Model Tunggal.

Ada kebetulan yang jelas dalam rilis penelitian ini, yang diumumkan pada bulan Mei tahun ini, yang menggambarkan pentingnya representasi tunggal di dunia modern dan rilis algoritma terobosan Google yang disebut MUM.

Menariknya, pada bulan Desember 2020, penelitian lain diterbitkan, menceritakan detail umum tentang Campuran Multitask dari Pakar Sequential untuk Aliran Aktivitas Pengguna atau MoSE. Meskipun nama MoSE dan MUM serupa, beberapa tumpang tindih dengan terobosan MUM juga diamati di sini. Tebak siapa pencipta karya ini! Masih Donald Metzler yang sama. Sebuah artikel mempertimbangkan pembelajaran multitugas saraf yang menggunakan pemindaian dan riwayat penelusuran untuk membangun pola pemindaian multitahap yang kuat. Algoritme mempelajari klik mouse berturut-turut dan pemindaian info untuk mensimulasikan menemukan respons yang relevan untuk pertanyaan tertentu. Patut dicatat bahwa MoSe memodelkan perilaku peneliti menggunakan Long Short-Term Memory (LSTM) dan bukan permintaan dan konteks - tindakan yang dilakukan pada jaringan memperjelas respons mana yang akan memuaskan. Juga, dalam dokumen ini, disebutkan jenis algoritme yang dioptimalkan untuk melakukan penelusuran video berdasarkan tiga prediksi:

• apa yang ingin dilihat orang;
• apa yang akan memenuhi permintaan;
• materi mana yang mendapatkan lebih banyak keterlibatan.

MoSe terutama tertarik pada berbagai tipe data. Jika kami mempertimbangkan fitur ini dalam konteks MUM, maka kami dapat memahami tindakan apa yang dilakukan perayap untuk menemukan opsi yang sesuai. Dalam hal ini, aliran aktivitas klien dari berbagai situs dimodelkan, dan interaksinya ditentukan. Selain itu, MoSE dapat memperkirakan pencarian dan perilaku klien serial sebagai representasi yang jelas, selanjutnya mengurangi jumlah permintaan pencarian yang dilakukan (8) dan merespons masalah yang rumit dengan lebih baik.

Semakin sedikit sumber daya komputasi yang diperlukan untuk operasi program algoritmik, semakin potensial, memberikan lebih banyak peluang untuk penskalaan. Berikut keputusan atas pernyataan bahwa MUM 1000 kali lebih kuat dari BERT. MoSE memberikan keseimbangan antara nilai sumber daya minimum dan kualitas pemindaian. Para penemu membuktikan ini secara eksperimental: mereka menguji arsitektur algoritme dan membandingkannya dengan tujuh alternatif. Menggunakan Gmail sebagai contoh, mereka menunjukkan fleksibilitas dan efisiensi sistem.

Catatan: intensitas sumber daya Penguin yang terkenal hingga 2016 mengakui bahwa itu diluncurkan hanya beberapa kali setahun! Segera bisa beroperasi secara real-time dengan biaya minimal.

Algoritme ini kuat untuk berbagai tingkat penghematan aset: ketika 80% diperlukan, ini menghemat sekitar 8% lebih banyak klik. Itu membuatnya lebih mudah untuk dilatih ulang dan memberikannya keserbagunaan yang luar biasa.

Sebagai BERT, MUM dirancang pada arsitektur Transformer. MoSE tidak menggunakannya, tetapi dapat segera diperluas (di sini, Anda dapat menggunakan modul lain, misalnya, LSTM, GRU). Itu pada dasarnya menunjukkan MoSE dapat menjadi komponen MUM.

Google merilis banyak paten untuk algoritme setiap tahun, tetapi ini tidak berlaku untuk MoSE. Jika studi lain mencatat kesalahan, maka di sini, kemungkinan besar pencapaian sistem tanpa pengeluaran aset yang penting.

Ringkasan

MUM adalah teknologi Artificial Intelligence (AI). Rekannya, MoSE, disajikan sebagai Machine Intelligence (MI). Tidak ada perbedaan di antara mereka, kemungkinan besar - di basis pengetahuan perusahaan, data AI diklasifikasikan sebagai MI. Tentu saja, tidak ada cara untuk mengatakan apakah mekanisme MoSE diimplementasikan di MUM secara definitif. Namun demikian, mereka sangat mirip. Meskipun skenario di mana kedua sistem tidak saling terkait juga cukup dapat diterima. Menariknya, MoSE adalah aturan algoritmik yang sangat sukses yang dapat diperbesar dengan Transformers.

Tetapi tidak peduli bagaimana sejarah algoritma ini berkembang, yang paling penting adalah memahami bagaimana mereka akan lebih mempengaruhi pencarian.

Pakar SEO harus beradaptasi setiap kali mesin pencari mengubah algoritmenya. Beberapa tahun yang lalu, ketika BERT diperkenalkan, tidak ada dampak signifikan pada kinerja situs web. Namun, kemunculan AI yang sangat kuat akan mempengaruhinya pula. Menggambarkan permintaan pencarian dalam bahasa yang sederhana dan alami akan membutuhkan situs untuk bertindak serupa. Mari kita lihat kemungkinan dampak dari algoritma Google pada SEO.

Menghilangkan hambatan bahasa

Bahasa menjadi kendala bagi banyak pengguna, misalnya ketika datang ke situs web yang tidak disesuaikan dengan multibahasa. Dalam hal ini, algoritma dapat menembus batas-batas ini. Itu dapat mempelajari sumber daya yang ditulis dalam 75 bahasa dan mencari informasi yang relevan tentangnya, bahkan jika Anda memasukkan istilah pencarian dalam bahasa lain! Nah, misalnya Anda sedang mencari info tentang Gunung Fuji yang sama. Mesin pencari menemukan hasil, tetapi dalam bahasa Jepang, yang tidak Anda ketahui. MUM akan mengubah pengetahuan dari situs-situs ini ke bahasa pilihan Anda sambil mengizinkan jawaban yang diperluas (di mana Anda dapat menikmati pemandangan terbaik, toko suvenir populer apa yang dapat Anda kunjungi, dll.). Artinya, informasi apa pun akan diterjemahkan tergantung pada wilayah tempat pencarian dilakukan.

Pemahaman simultan dari banyak tugas

Pendekatan ini memungkinkan Anda untuk memahami kueri dengan lebih baik: ada dua gunung, Adams dan Fuji. Misalkan Anda mendaki yang pertama dan mencari informasi tentang mendaki yang lain di musim gugur. Dalam hal ini, algoritma dapat menganalisis perbedaan geologi tanpa mempertimbangkan fauna dan flora. Selanjutnya, agar pendakian berhasil, diperlukan persiapan fisik yang baik, termasuk pelatihan. Tetapi jika kita berbicara tentang musim gugur, maka ada baiknya mencari pakaian.

Generasi bahasa

Pernahkah Anda mendengar tentang GPT-3? Ini adalah konverter bahasa yang mampu menghasilkan teks seperti manusia. Kualitasnya sangat tinggi sehingga agak sulit dibedakan dari aslinya: hal ini menimbulkan banyak kekhawatiran di antara para peneliti. Beberapa bahkan menganggapnya berbahaya, sementara yang lain, sebaliknya, cenderung berpikir bahwa ini adalah keajaiban mukjizat, ciptaan paling luar biasa yang pernah dibuat oleh manusia. Jadi, membandingkan sistem ini dengan MUM, yang terakhir memiliki semua peluang untuk mendapatkan petunjuk. Untuk memulainya, ada baiknya memahami bagaimana bentuk simbol linguistik terkait dengan representasi empirisnya. Model di dalam komputer dapat "memahami" bentuk karakter, tetapi tidak maknanya (seperti yang dirasakan seseorang). Korporasi berusaha mengurangi bias dalam pencarian dan mengurangi jejak karbon dengan setiap penemuan.

Multimodalitas

Itu adalah keuntungan besar dari teknologi MUM dibandingkan dengan GPT-3 dan LaMDA. Faktanya adalah bahwa sistem dapat memahami informasi dalam format yang berbeda: misalnya, dari gambar, video, dan teks. Jadi dalam blognya, Pandu Nayak menggambarkan sebuah contoh ketika memotret sepatu Anda, Anda bisa mendapatkan jawaban atas pertanyaan: “Bisakah saya pergi ke Gunung Fuji memakainya?” Akibatnya, sebuah gambar akan ditautkan ke permintaan teks, dan Anda akan dibawa ke blog dengan daftar sepatu bot yang direkomendasikan dan peralatan lainnya. Lagi pula, itu nyaman!

Pentingnya aspek ini lebih baik diilustrasikan dengan membandingkan dengan cara kerja otak manusia. Begitulah cara kita memahami semua kemegahan dunia berkat sifat multi-indera: penglihatan, pendengaran, sentuhan, dll. Otak menafsirkan pengalaman gabungan menjadi satu pandangan realitas.

Sebagian besar peristiwa dan bahkan objek membawa informasi yang sangat berbeda. Bayangkan lemon: Anda sudah familiar dengan rasa dan baunya, ia memiliki bentuk oval dan struktur berpori. Informasi elektromagnetik, mekanik, kimia dapat ditransmisikan dengan cara yang sama. Multisensor otak memungkinkan penilaian multimodalitas. Betapa semuanya saling berhubungan!

MUM akan menjadi algoritma unik pertama yang mengevaluasi dan menggabungkan data seperti manusia dalam hal AI. Kami akan berbicara tentang etika fenomena ini lebih lanjut.

Jadi, SEO mungkin menjadi tidak perlu dan usang karena aturan mainnya akan berubah. Sejak awal Google, telah mencoba untuk membuat mesin pencari yang sempurna yang dapat memproses kueri secara alami. Ketika BERT muncul pada 2019, dijelaskan bahwa itu dapat secara keliru mereproduksi tanggapan tanpa memahami pertanyaan secara memadai.

Catatan: omong-omong, salah satu alasannya adalah input struktur "kata kunci-ese".

Secara alami, mesin pencari mengasumsikan gaya komunikasi yang unik, berbeda dari dialog di antara orang-orang. Tentu saja, kita harus memberi penghormatan kepada BERT karena telah ditingkatkan ke tingkat yang sama sekali baru untuk menafsirkan frasa kunci. Agar proses ini terjadi secara memadai, banyak yang menggunakan pemeriksa SpySERP, yang dapat melacak kata kunci. Hingga MUM diterapkan, tidak ada cara lain untuk mengoptimalkan pencarian pengguna selain menggunakan SEO. BERT juga menurunkan pengaruh kata kunci pada peringkat situs - peduli bahwa permintaan pengguna cocok dengan informasi yang relevan, terlepas dari istilah yang tepat.

Kita harus mengharapkan revolusi di mesin pencari, tidak termasuk fakta bahwa SEO akan menjadi usang. Algoritme akan berubah menjadi semacam asisten pribadi yang akan melakukan semua pekerjaan untuk Anda. Mengapa pengguna mencoba mencocokkan setiap kata di bilah pencarian ketika mereka dapat menjalankan kueri bahasa alami berdasarkan dialek? Mungkin, pentingnya kata kunci tidak akan setinggi hari ini, tetapi mereka akan tetap mengisi konten.

Catatan: MUM tidak seharusnya mengisi teks dengan istilah, dan ide pengoptimalan konten tidak ada. Jika seseorang memutuskan untuk menipu mesin pencari, maka itu akan gagal. Halaman yang dibuat untuk crawler tidak akan ada lagi.

Etika Google terkait penemuannya

Korporasi melakukan penelitian menyeluruh sebelum meluncurkan produk apa pun di pasar. Menguji setiap pembaruan mesin pencari oleh evaluator manusia sangat penting untuk memberikan hasil yang relevan kepada pengguna masa depan mereka. Misalnya, beberapa rekomendasi membantu Anda memahami seberapa bagus hasil algoritme.

Seperti BERT, MUM juga harus melalui proses penilaian. Perusahaan berkomitmen untuk mencari pola yang dapat mengindikasikan bias dalam pembelajaran mesin.

Seperti yang Anda ketahui, jaringan saraf besar membutuhkan daya komputasi yang sangat besar untuk dilatih. Google berkomitmen untuk mengurangi jejak karbon dari sistem seperti MUM. Itu akan meningkatkan pengalaman pencarian secara signifikan.

Tanggal rilis algoritma

Menurut Barry Schwartz, SEO RustyBrick, dia menghubungi perusahaan itu di Twitter. Danny Sullivan menulis surat kepadanya dalam semangat Google, memberitahukannya segera setelah MUM diluncurkan.

Pada gilirannya, perusahaan mengumumkan di blognya bahwa produk tersebut dapat ditambahkan dalam beberapa bulan, tahun mendatang. Dan meskipun saat ini mereka hanya mempelajari fitur-fiturnya dan proyek ini berada pada tahap percobaan, itu masih merupakan jalur langsung ke masa depan! Sekarang mesin pencari akan memahami ucapan alami dan menafsirkannya sebagai otak seseorang, yaitu menggunakan multi-indera dan multimodality.

Catatan: Google saat ini sedang melakukan proyek percontohan untuk memahami jenis permintaan pengguna dengan lebih baik. Itu akan berguna untuk mengembangkan sistem MUM.

Google mengumumkan proyek MUM barunya di acara pengembang tahunannya. Topik sensasional telah menjadi revolusi di dunia mesin pencari. Kekuatannya terletak pada multilingualisme, multitasking, dan multimodalitas yang bekerja pada level otak manusia. Sekarang tidak hanya bentuk simbol yang akan dirasakan, tetapi konteksnya. Jadi, jika Google benar-benar dapat membaca, mendengar, dan melihat konten dalam 75 bahasa, lalu mengemasnya kembali dalam format baru dan dalam bahasa lain yang wajar bagi pengguna, bagaimana hal ini akan tercermin dalam SEO?

Kemungkinan besar, peluncurannya akan membuat gebrakan di dunia SEO, tidak ada bandingannya dengan tahun 2019, ketika BERT dipublikasikan. Dan jika pengaruh kuat pada kinerja situs tidak diperhatikan sebelumnya, maka, dalam hal ini, kueri utama mungkin tidak diperhitungkan. Yah, setidaknya sejauh ini, belum ada data tentang ini. Jadi, kueri akan dimasukkan dalam bahasa alami, tetapi hasil mesin pencari dapat diterjemahkan jika perlu. Dengan demikian, pengguna akan menerima pengetahuan yang paling relevan menggunakan AI yang sangat kuat dan, pada saat yang sama, bukan AI yang intensif sumber daya.

Apa yang tersisa untuk spesialis SEO? Kemungkinan besar menunggu berita dan, tentu saja, memiliki teks yang ditulis dengan baik. Jika mudah dibaca dan dioptimalkan secara alami, maka MUM akan berterima kasih untuk itu. Tidak ada isian dengan kata kunci untuk menaikkan peringkat, kepatuhan penuh dengan keinginan pengguna - inilah yang akan lebih diperhatikan oleh sistem. Selain itu, sambil menunggu terobosan, terus tingkatkan produk Anda, fokus pada membangun preferensi merek - ini akan tercermin dalam promosi berikutnya.