Google MUM：それは何であり、それがSEOにどのように影響するか

Google MUMまたはマルチタスク統合モデルは、直接的な答えがない複雑な質問に答えるための新しいテクノロジーです。 それはほんの数週間前に導入され、すでにSEO界で話題を呼んでいます。 検索エンジンがこのアルゴリズムを使用するかどうか、使用しない場合はいつ実装されるか、SERP評価にどのように影響するかはまだ確認されていません。

BERTと同様に、トランスフォーマーアーキテクチャーに基づいて構築されていますが、ここでは複雑なクエリに対する詳細な回答を得るのがはるかに簡単です。 Googleは、来年の秋に富士山に登る準備をする例を使用しています。 何が新しく、どの機器を選択するか、ルートの複雑さ、温度の変動を理解するには、一連の慎重な検索を実行する必要があります。 このクエリでは、先験的な答えは明確にすることはできませんが、それどころか、詳細であり、多くの要因を考慮しています。 もちろん、この例は普遍的です。ユーザーは毎日、複雑な問題に対する答えを見つけながら、それぞれを解決するために平均8つのクエリを実行します。 MUMテクノロジーは、このような複雑さを支援し、検索数を減らすように設計されています。 さらに、BERTの1000倍のパワフルです！

この記事では、技術的な奇跡のMUMの機能について説明し、SEOへの影響を見ていきます。

MUMとは

Google MUMはどのように機能しますか？

GoogleMUMがSEOにどのように影響するか

• 言語の障壁を取り除く

• 複数のタスクの同時理解

• 言語生成

• マルチモダリティ

• 発明に関するGoogleの倫理

• アルゴリズムのリリース日

結論

Google MUMは、複雑なクエリを解決するのに役立つアルゴリズムです。75の異なる言語を理解し、それらを生成できます。 信じられないほど、BERTとは異なり、BERTは同時に多くのタスクを実行し、情報の完全な理解を深めます。 興味深いことに、MUMはマルチモーダルであり、テキストだけでなく画像からもデータをスキャンします。 将来的には、モダリティの数がビデオファイルとオーディオファイルに拡大すると予測されています。

秋に富士山を登る例に戻りましょう。 この場合の答えは、いくつかの段階で構成されます。 ハイキングについて話している場合、おそらく、ハイキングの準備には、フィットネストレーニングと適切な機器の選択が含まれる可能性があります。 秋は嵐の季節なので、防水ジャケットは欠かせません。 さらに、アルゴリズムは、ビデオ、写真、または記事で明らかにされた推奨サブトピックを表示できます。たとえば、最高のエクササイズやトップの衣装などです。

現在まで、Googleのアルゴリズムを説明している研究論文や特許はありません。 MUMと呼ばれる商標もありません。 それにもかかわらず、マルチタスク技術を使用して解決できるそのような探索問題について論じている研究はごくわずかです。 それらを考慮してください！

グーグルの探検家、ドナルド・メッツラーは、グーグルの検索アルゴリズムが絡み合った質問に詳細な決定を提供するために新しく発見された方法をとらなければならないことを説明する記事を発表しました。 情報検索プロセスは、すべての最新の検索エンジンのバックボーンですが、サイトのインデックス作成とランク付けは、そのようなタスクに完全に適しているわけではありません。 すべての検索エンジンは、キーワードフレーズの接続詞とセマンティクスの認識を使用して、検索結果の候補の予備リストを作成します。 次に、1つ以上の再ランク付けパターンを実行します。これは、おそらくニューラルネットワークベースのランク付け学習です。

Metzlerによると、このような手順では、インデックスの検索を担当するアルゴリズムコンポーネントが削除されます。これは、インデックス作成、取得、ランク付けの要素を組み合わせて統合モデルに置き換えるように設計されています。 コーパスに保存されている情報を暗号化します。 これが何であるかを理解するために、記事の次のスクリーンショットを検討してください。これは、従来の検索してランク付けしたモデルと単一モデルの相違点を示しています。

今年5月に発表されたこの研究リリースには明らかな一致があり、現代世界における単一の表現の重要性と、MUMと呼ばれる画期的なGoogleアルゴリズムのリリースについて説明しています。

興味深いことに、2020年12月に、ユーザーアクティビティストリームまたはMoSEのシーケンシャルエキスパートのマルチタスク混合に関する一般的な詳細を示す別の調査が公開されました。 MoSEとMUMの名前は似ていますが、MUMのブレークスルーとの重複もここで見られます。 この作品の作者は誰だと思います！ それでも同じドナルドメッツラー。 記事では、スキャンとブラウジングの履歴を利用して強力な多段階スキャンパターンを構築するニューラルマルチタスク学習について考察しています。 アルゴリズムは、特定の質問に対する関連する応答の検索をシミュレートするために、連続するマウスクリックと情報スキャンを調査します。 MoSeは、要求やコンテキストではなく、長短期記憶（LSTM）を利用して研究者の行動をモデル化することは注目に値します。ネットワーク上で実行される一連のアクションにより、どの応答が満たされるかが明確になります。 また、このドキュメントでは、次の3つの予測に基づいてビデオ検索を実行するために最適化されたアルゴリズムタイプについて説明しています。

• 人々が見たいもの;
• 何が要求を満たすか。
• どの素材がより多くのエンゲージメントを得るか。

MoSeは、主にさまざまなデータ型に関心があります。 この機能をMUMのコンテキストで検討すると、適切なオプションを検出するためにクローラーが実行しているアクションを理解できます。 この場合、さまざまなサイトからのクライアントアクティビティのフローがモデル化され、それらの相互作用が決定されます。 さらに、MoSEは、シリアルクライアントの検索と動作を明白な表現として予測できるため、実行される検索クエリの数が減り（8）、複雑な問題への対応が向上します。

アルゴリズムプログラムの操作に必要な計算リソースが少ないほど、より強力になり、スケーリングの機会が増えます。 これは、MUMがBERTより1000倍強力であるという声明に対する決定です。 MoSEは、最小リソース値とスキャン品質の間の平衡を提供します。 発明者らはこれを実験的に証明した。彼らはアルゴリズムアーキテクチャをテストし、それを7つの代替案と比較した。 Gmailを例として使用して、システムの柔軟性と効率性を実証しました。

注： 2016年までの有名なペンギンのリソース集約度は、年に2、3回しか発売されないことを認めていました。 すぐに、最小限のコストでリアルタイムに動作できるようになります。

このアルゴリズムは、さまざまなレベルの資産節約に対して堅牢です。80％が必要な場合、クリック数が約8％節約されます。 これにより、再トレーニングが容易になり、優れた汎用性が得られます。

BERTとして、MUMはTransformerアーキテクチャで設計されています。 MoSEはこれを使用しませんが、すぐに拡張できます（ここでは、LSTM、GRUなどの他のモジュールを使用できます）。 これは基本的に、MoSEがMUMのコンポーネントになり得ることを示しています。

Googleは毎年アルゴリズムに関する多くの特許をリリースしていますが、これはMoSEには適用されません。 他の研究でエラーが指摘された場合、ここでは、資産の本質的な支出なしでシステムが達成された可能性が高くなります。

概要

MUMは人工知能（AI）テクノロジーです。 その対応物であるMoSEは、マシンインテリジェンス（MI）として表されます。 それらの間に違いはありません。おそらく、企業のナレッジベースでは、AIデータはMIとして分類されています。 もちろん、MoSEメカニズムがMUMに明確に実装されているかどうかを判断する方法はありません。 それにもかかわらず、それらは非常に似ています。 両方のシステムが絡み合っていないシナリオも非常に受け入れられますが。 興味深いことに、MoSEは、トランスフォーマーで拡張できる非常に成功したアルゴリズムルールです。

しかし、これらのアルゴリズムの歴史がどのように発展したとしても、最も重要なことは、それらが検索にさらにどのように影響するかを理解することです。

SEOスペシャリストは、検索エンジンがアルゴリズムを変更するたびに適応する必要があります。 数年前、BERTが導入されたとき、Webサイトのパフォーマンスに大きな影響はありませんでした。 しかし、超強力なAIの出現は、とにかくそれに影響を与えます。 シンプルで自然な言語で検索クエリを記述するには、サイトが同様に動作する必要があります。 GoogleのアルゴリズムがSEOに与える可能性のある影響を見てみましょう。

言語の障壁を取り除く

たとえば、多言語に適応していないWebサイトの場合、言語は多くのユーザーにとって障害になります。 この場合、アルゴリズムはこれらの境界を破ることができます。 別の言語で検索語を入力した場合でも、75の言語で書かれたリソースを学習し、それらに関連する情報を検索できます。 たとえば、同じ富士山の情報を探しています。 検索エンジンは結果を見つけますが、あなたが知らない日本語で。 MUMは、これらのサイトからの知識を好みの言語に変換し、拡張された回答を許可します（最高の風景を楽しむことができる場所、訪れることができる人気の土産物店など）。 つまり、検索が行われた地域に応じて、すべての情報が翻訳されます。

複数のタスクの同時理解

このアプローチにより、クエリをよりよく理解できます。アダムスとフジの2つの山があります。 あなたが最初のものを登り、秋の時間に別のものを登る方法についての情報を探しているとしましょう。 その場合、アルゴリズムは動植物を考慮せずに地質の違いを分析できます。 さらに、ハイキングを成功させるには、トレーニングを含む優れた身体的準備が必要です。 しかし、私たちが秋について話しているなら、それは服を探す価値があります。

言語生成

GPT-3について何か聞いたことがありますか？ 人間のようなテキストを生成できる言語コンバーターです。 その品質は非常に高いため、実際のものと区別するのはかなり困難です。これは、研究者の間で多くの懸念を引き起こします。 危険だと考える人もいれば、逆に、これは奇跡の奇跡であり、人類がこれまでに生み出した中で最も素晴らしい創造物であると考える傾向がある人もいます。 したがって、このシステムをMUMと比較すると、最後のシステムはすべてのチャンスでリードを獲得できます。 まず、言語記号の形式がそれらの経験的表現とどのように関連しているかを理解することは価値があります。 コンピューター内のモデルは、キャラクターの形を「理解」できますが、その意味は理解できません（人が知覚するように）。 同社は、発明ごとに検索の偏りを減らし、二酸化炭素排出量を削減しようとしています。

マルチモダリティ

これは、GPT-3およびLaMDAと比較したMUMテクノロジーの大きな利点です。 実際のところ、システムは、写真、ビデオ、テキストなど、さまざまな形式の情報を理解できます。 それで、彼のブログで、パンドゥ・ナヤックはあなたの靴を写真に撮るときの例を説明しました、あなたは質問に対する答えを得ることができます：「私はそれらを履いて富士山に行くことができますか？」 その結果、写真がテキストリクエストにリンクされ、推奨されるブーツやその他の機器のリストが記載されたブログに移動します。 結局のところ、それは便利です！

この側面の重要性は、人間の脳の働きと比較することでよりよく示されます。 それが、視覚、聴覚、触覚などの多感覚の性質のおかげで、私たちが世界のすべての素晴らしさを理解する方法です。脳は、組み合わされた経験を単一の現実のビューに解釈します。

ほとんどのイベントやオブジェクトでさえ、非常に異なる情報を運びます。 レモンを想像してみてください。あなたはその味と香りに精通しており、楕円形で多孔質の構造をしています。 電磁的、機械的、化学的情報も同じ方法で送信できます。 脳マルチセンサーは、マルチモダリティの評価を可能にします。 すべてが相互に関連しているなんて！

MUMは、AIの観点から人間と同じようにデータを評価し、組み合わせる最初のユニークなアルゴリズムになります。 この現象の倫理についてさらに話します。

そのため、ゲームのルールが変更されるため、SEOは不要になり、時代遅れになる可能性があります。 グーグルは創業以来、クエリを自然に処理できる完璧な検索エンジンを作ろうとしてきました。 2019年にBERTが登場したとき、質問を十分に理解せずに誤って回答を再現する可能性があると説明されていました。

注：ちなみに、この理由の1つは、「keyword-ese」構造の入力です。

当然のことながら、検索エンジンは、人と人との対話とは異なり、独自のコミュニケーションスタイルを想定しています。 もちろん、キーフレーズを解釈するためにまったく新しいレベルにアップグレードされたBERTに敬意を表する必要があります。 このプロセスを適切に行うために、多くの場合、キーワードを追跡できるSpySERPチェッカーを利用します。 MUMが実装されるまで、SEOを使用する以外にユーザーの検索を最適化する方法はありません。 BERTはまた、サイトのランキングに対するキーワードの影響を減らしました。正確な用語に関係なく、ユーザーのリクエストが関連情報と一致するように気を配っています。

SEOが時代遅れになるという事実を排除するのではなく、検索エンジンの革命を期待する必要があります。 アルゴリズムは、あなたのためにすべての仕事をする一種のパーソナルアシスタントに変わります。 方言に基づいた自然言語クエリを実行できるのに、なぜユーザーは検索バーのすべての単語を照合しようとするのでしょうか。 たぶん、キーワードの重要性は今日ほど高くはないでしょうが、それでもコンテンツはいっぱいになります。

注： MUMはテキストを用語で埋めることは想定されておらず、コンテンツの最適化のアイデアはありません。 誰かが検索エンジンをだまそうと決心した場合、それは失敗する運命にあります。 クローラー用に作成されたページは存在しなくなります。

発明に関するGoogleの倫理

同社は、製品を市場に出す前に徹底的な調査を行っています。 人間の評価者が各検索エンジンの更新をテストすることは、将来のユーザーに関連する結果を提供するために重要です。 たとえば、いくつかの推奨事項は、アルゴリズムの結果がどれほど優れているかを理解するのに役立ちます。

BERTと同様に、MUMも評価プロセスを経る必要があります。 同社は、機械学習の偏見を示す可能性のあるパターンを探すことに取り組んでいます。

ご存知のように、大規模なニューラルネットワークはトレーニングに膨大な計算能力を必要とします。 Googleは、MUMなどのシステムの二酸化炭素排出量の削減に取り組んでいます。 これにより、検索エクスペリエンスが大幅に向上します。

アルゴリズムのリリース日

RustyBrickのSEOであるBarrySchwartzによると、彼はTwitterで会社に連絡しました。 Danny Sullivanは、Googleの精神で彼に手紙を書き、MUMが起動するとすぐに彼に知らせました。

次に、同社はブログで、この製品が今後数か月、数年のうちに追加される可能性があることを発表しました。 そして、現時点では彼らはその機能を研究しているだけであり、プロジェクトは実験段階にありますが、それはまだ未来への直接の道です！ これで、検索エンジンは自然な音声を理解し、それを人の脳として解釈します。つまり、多感覚とマルチモダリティを使用します。

注：Googleは現在、ユーザーリクエストの種類をよりよく理解するためにパイロットプロジェクトを実施しています。 これは、MUMシステムの開発に役立ちます。

Googleは、毎年恒例のデベロッパーイベントで新しいMUMプロジェクトを発表しました。 センセーショナルなトピックは、検索エンジンの世界で革命になりました。 その強みは、人間の脳レベルで機能する多言語、マルチタスク、およびマルチモダリティにあります。 これで、シンボルの形状だけでなく、そのコンテキストも認識されます。 では、Googleが75の言語でコンテンツを実際に読んだり、聞いたり、見たりして、それを新しい形式やユーザーにとって自然な別の言語で再パッケージ化できるとしたら、これはSEOにどのように反映されるのでしょうか。

おそらく、その発売は、BERTが公開された2019年のそれとは比較にならないほど、SEOの世界にスプラッシュをもたらすでしょう。 また、サイトのパフォーマンスへの強い影響が以前に気づかなかった場合、この場合、主要なクエリは考慮されない可能性があります。 まあ、少なくともこれまでのところ、これに関するデータはまだありません。 したがって、クエリは自然言語で入力されますが、検索エンジンの結果は必要に応じて翻訳できます。 したがって、ユーザーは、リソースを大量に消費しないAIを使用して、最も関連性の高い知識を受け取ることができます。

SEOスペシャリストには何が残っていますか？ ニュースを待つ可能性が最も高く、もちろん、よく書かれたテキストがあります。 それらが読みやすく、自然に最適化されている場合、MUMはそれを感謝します。 評価を上げるためのキーワードを詰め込む必要はなく、ユーザーの要望に完全に準拠しています。これは、システムがさらに注意を払うものです。 さらに、ブレークスルーを待っている間、製品を改善し続け、ブランドの好みを構築することに焦点を当てます-これはその後のプロモーションに反映されます。