Google MUM: 정의 및 SEO에 미치는 영향

Google MUM 또는 Multitask 통합 모델은 직접적인 답이 없는 복잡한 질문에 답하기 위한 새로운 기술입니다. 그것은 불과 몇 주 전에 소개되었으며 이미 SEO 서클에서 반향을 일으켰습니다. 검색 엔진이 이 알고리즘을 사용하는지 여부, 사용하지 않는 경우 구현 시기 및 SERP 등급에 미치는 영향은 아직 확인되지 않았습니다.

BERT와 유사하게 트랜스포머 아키텍처를 기반으로 하지만 복잡한 쿼리에 대한 자세한 답변을 얻는 것이 훨씬 쉽습니다. 구글은 내년 가을 후지산 등반을 위한 준비를 찾는 예를 든다. 어떤 새로운 것을 기대하거나 어떤 장비를 선택해야 하는지, 경로의 복잡성, 온도 변동을 이해하려면 일련의 사려 깊은 검색을 수행해야 합니다. 이 질문에서 선험적으로 답이 명확할 수는 없지만 반대로 상세하고 많은 요소를 고려합니다. 물론 이 예는 보편적입니다. 매일 사용자는 복잡한 문제에 대한 답을 찾는 동시에 각 문제를 해결하기 위해 평균 8개의 쿼리를 수행합니다. MUM 기술은 이러한 복잡성을 해결하고 검색 횟수를 줄이도록 설계되었습니다. 게다가 BERT보다 1000배 더 강력하다!

이 기사에서는 기술 기적 MUM의 기능에 대해 논의하고 SEO에 미치는 영향을 살펴보겠습니다.

MUM이란 무엇입니까?

Google MUM은 어떻게 작동합니까?

Google MUM이 SEO에 미치는 영향

• 언어 장벽 제거

• 여러 작업에 대한 동시 이해

• 언어 생성

• 멀티모달리티

• 발명에 관한 Google의 윤리

• 알고리즘 출시일

결론

Google MUM은 복잡한 쿼리를 해결하는 데 도움이 되는 알고리즘으로 75개 언어를 이해하고 이를 생성할 수 있습니다. 놀랍게도 BERT와 달리 많은 작업을 동시에 수행하고 정보에 대한 완전한 이해를 개발합니다. 흥미롭게도 MUM은 다중 모드입니다. 텍스트뿐만 아니라 이미지에서도 데이터를 스캔합니다. 앞으로 영상과 음성 파일로 그 수를 확대할 것으로 예상된다.

가을에 후지산을 오르는 예로 돌아가 봅시다. 이 경우 대답은 여러 단계로 구성됩니다. 우리가 하이킹에 대해 이야기하고 있다면, 아마도 준비에는 피트니스 훈련과 적절한 장비 선택이 포함될 수 있습니다. 가을은 폭풍우가 몰아치는 계절이기 때문에 방수 재킷은 필수입니다. 또한 알고리즘은 비디오, 사진 또는 기사에서 공개된 권장 하위 주제(예: 최고의 운동 또는 최고의 의상)를 표시할 수 있습니다.

현재까지 Google 알고리즘을 설명하는 연구 논문이나 특허는 없습니다. MUM이라는 상표도 없습니다. 그럼에도 불구하고 멀티태스킹 기술을 사용하여 해결할 수 있는 이러한 검색 문제에 대해 논의한 연구는 일부에 불과합니다. 그들을 고려하십시오!

구글 탐험가 도널드 메츨러(Donald Metzler)는 구글 검색 알고리즘이 얽힌 질문에 대한 상세한 결정을 내리기 위해 새롭게 발견된 방법을 취해야 한다고 설명하는 기사를 발표했다. 정보 검색 프로세스는 모든 최신 검색 엔진의 중추이지만 사이트 인덱싱 및 순위 지정은 이러한 작업에 완전히 적합하지 않습니다. 모든 검색 엔진은 검색 결과에 대한 예비 후보 목록을 생성하기 위해 키워드 구문 결합 및 의미의 인식을 사용합니다. 그런 다음 하나 이상의 순위 재지정 패턴을 거칩니다. 이는 아마도 신경망 기반 순위 학습일 것입니다.

Metzler에 따르면 이러한 절차는 색인 찾기에 대한 책임이 있는 알고리즘 구성요소를 제거합니다. 색인 작성, 검색 및 순위 요소를 통합 모델로 결합하고 대체하도록 설계되었습니다. 그것은 말뭉치에 보관된 정보를 암호화합니다. 이것이 무엇에 관한 것인지 이해하기 위해 기사의 다음 스크린샷을 고려하십시오. 기존의 검색 후 순위 지정과 단일 모델 간의 차이점을 보여줍니다.

현대 세계에서 단일 표현의 중요성과 MUM이라는 획기적인 Google 알고리즘의 출시를 설명하는 이 연구 릴리스에서 올해 5월에 발표된 명백한 우연의 일치가 있습니다.

흥미롭게도 2020년 12월에 사용자 활동 스트림 또는 MoSE를 위한 순차 전문가의 다중 작업 혼합에 대한 일반적인 세부 정보를 알려주는 또 다른 연구가 발표되었습니다. MoSE와 MUM 이름은 비슷하지만 MUM 돌파구와 일부 중복되는 부분도 여기에서 관찰됩니다. 이 작품의 제작자가 누구인지 맞춰보세요! 여전히 같은 도널드 메츨러. 한 기사에서는 강력한 다단계 스캐닝 패턴을 구축하기 위해 스캐닝 및 검색 기록을 활용하는 신경 멀티태스킹 학습을 고려합니다. 이 알고리즘은 연속적인 마우스 클릭과 정보 스캐닝을 연구하여 특정 질문에 대한 관련 응답을 찾는 것을 시뮬레이션합니다. MoSe가 요청 및 컨텍스트가 아닌 LSTM(장단기 기억)을 사용하여 연구원의 행동을 모델링한다는 점은 주목할 만합니다. 네트워크에서 수행되는 작업 과정은 어떤 응답이 만족할지 명확하게 합니다. 또한 이 문서에는 세 가지 예측을 기반으로 비디오 검색을 수행하도록 최적화된 알고리즘 유형에 대한 언급이 있습니다.

• 사람들이 보고 싶어하는 것;
• 무엇이 요구를 만족시킬 것인가;
• 어떤 자료가 더 많은 참여를 이끌어냅니다.

MoSe는 주로 다양한 데이터 유형에 관심이 있습니다. MUM의 맥락에서 이 기능을 고려하면 크롤러가 적절한 옵션을 찾기 위해 취하는 조치를 이해할 수 있습니다. 이 경우 다양한 사이트의 클라이언트 활동 흐름이 모델링되고 상호 작용이 결정됩니다. 또한 MoSE는 직렬 클라이언트 검색 및 동작을 명백한 표현으로 예측하여 결과적으로 수행되는 검색 쿼리 수를 줄이고(8) 복잡한 문제에 더 잘 응답할 수 있습니다.

알고리즘 프로그램의 작동에 필요한 계산 리소스가 적을수록 더 강력해져서 확장할 수 있는 기회가 더 많아집니다. 다음은 MUM이 BERT보다 1000배 더 강력하다는 진술에 대한 결정입니다. MoSE는 최소 리소스 값과 스캔 품질 사이의 균형을 제공합니다. 발명가들은 이것을 실험적으로 증명했습니다. 그들은 알고리즘 아키텍처를 테스트하고 그것을 7개의 대안과 비교했습니다. 예를 들어 Gmail을 사용하여 시스템의 유연성과 효율성을 시연했습니다.

참고: 2016년까지 유명한 펭귄의 자원 집약도는 1년에 두 번만 발사되는 것으로 인정했습니다! 머지 않아 최소한의 비용으로 실시간으로 작동할 수 있게 되었습니다.

이 알고리즘은 다양한 수준의 자산 절감에 대해 강력합니다. 80%가 필요할 때 약 8% 더 많은 클릭을 절약합니다. 따라서 재훈련이 더 쉬워지고 다양한 기능이 제공됩니다.

BERT로서 MUM은 Transformer 아키텍처에서 설계되었습니다. MoSE는 이를 사용하지 않지만 곧 확장될 수 있습니다(여기에서 LSTM, GRU와 같은 다른 모듈을 사용할 수 있음). 이는 본질적으로 MoSE가 MUM의 구성 요소가 될 수 있음을 나타냅니다.

Google은 매년 알고리즘에 대한 많은 특허를 출시하지만 이것은 MoSE에는 적용되지 않습니다. 다른 연구에서 오류로 지적된 경우 여기에는 자산의 필수적인 지출 없이 시스템이 달성되었을 가능성이 더 큽니다.

요약

MUM은 인공 지능(AI) 기술입니다. 이에 대응하는 MoSE는 MI(기계 지능)로 표시됩니다. 그들 사이에는 차이가 없습니다. 아마도 회사의 지식 기반에서 AI 데이터는 MI로 분류됩니다. 물론 MoSE 메커니즘이 MUM에서 구현되었는지 여부는 확실히 말할 수 없습니다. 그럼에도 불구하고 그들은 매우 유사합니다. 두 시스템이 서로 얽혀 있지 않은 시나리오도 충분히 수용 가능합니다. 흥미롭게도 MoSE는 Transformers로 확장할 수 있는 매우 성공적인 알고리즘 규칙입니다.

그러나 이러한 알고리즘의 역사가 어떻게 발전하든 가장 중요한 것은 이러한 알고리즘이 검색에 어떤 영향을 미칠 것인지 이해하는 것입니다.

SEO 전문가는 검색 엔진이 알고리즘을 변경할 때마다 적응해야 합니다. 몇 년 전 BERT가 도입되었을 때 웹사이트 성능에는 큰 영향이 없었습니다. 그러나 초강력 AI의 출현은 어쨌든 영향을 미칠 것입니다. 단순하고 자연스러운 언어로 검색어를 설명하려면 사이트도 유사하게 작동해야 합니다. SEO에 대한 Google 알고리즘의 가능한 영향을 살펴보겠습니다.

언어 장벽 제거

예를 들어 다국어 사용에 적응하지 못한 웹사이트의 경우 언어는 많은 사용자에게 장애물이 됩니다. 이 경우 알고리즘은 이러한 경계를 깨뜨릴 수 있습니다. 다른 언어로 검색어를 입력하더라도 75개 언어로 작성된 자료를 학습하고 관련 정보를 검색할 수 있습니다! 예를 들어 같은 후지산에 대한 정보를 찾고 있습니다. 검색 엔진은 결과를 찾지만 당신이 모르는 일본어로 되어 있습니다. MUM은 확장된 답변을 허용하면서 이러한 사이트의 지식을 원하는 언어로 변환합니다(최고의 풍경을 즐길 수 있는 곳, 방문할 수 있는 인기 있는 기념품 가게 등). 즉, 검색이 이루어진 지역에 따라 모든 정보가 번역됩니다.

여러 작업에 대한 동시 이해

이 접근 방식을 사용하면 쿼리를 더 잘 이해할 수 있습니다. Adams와 Fuji라는 두 개의 산이 있습니다. 첫 번째 등반을 했고 가을에 다른 등반에 대한 정보를 찾고 있다고 가정해 보겠습니다. 이 경우 알고리즘은 동식물을 고려하지 않고 지질학적 차이를 분석할 수 있습니다. 또한, 성공적인 하이킹을 위해서는 훈련을 포함한 완벽한 신체 준비가 필요합니다. 그러나 우리가 가을에 대해 이야기한다면 복장을 찾을 가치가 있습니다.

언어 생성

GPT-3에 대해 들어본 적이 있습니까? 사람과 같은 텍스트를 생성할 수 있는 언어 변환기입니다. 그 품질이 너무 높아 실제와 구별하기가 다소 어려워 연구원들 사이에서 많은 우려를 불러 일으키고 있습니다. 어떤 사람들은 그것을 위험하다고 생각하는 반면 다른 사람들은 이것이 인간이 만들어낸 가장 놀라운 창조물인 기적의 기적이라고 생각하는 경향이 있습니다. 따라서 이 시스템을 MUM과 비교하면 마지막 시스템이 리드를 얻을 수 있는 모든 기회가 있습니다. 우선, 언어 기호의 형태가 경험적 표현과 어떻게 관련되어 있는지 이해하는 것이 좋습니다. 컴퓨터 내부의 모델은 문자의 모양을 "이해"할 수 있지만 의미는 알 수 없습니다(사람이 인식할 때). 회사는 검색의 편견을 줄이고 각 발명으로 탄소 발자국을 줄이기 위해 노력하고 있습니다.

멀티모달리티

이는 GPT-3 및 LaMDA에 비해 MUM 기술의 엄청난 이점입니다. 사실 시스템은 사진, 비디오 및 텍스트와 같은 다양한 형식의 정보를 이해할 수 있습니다. 따라서 Pandu Nayak은 자신의 블로그에서 신발 사진을 찍을 때 "신을 신고 후지산에 갈 수 있습니까?"라는 질문에 대한 답을 얻을 수 있다고 설명했습니다. 그 결과 사진이 요청한 문자로 연결되고, 추천 부츠 및 기타 장비 목록이 있는 블로그로 이동하게 됩니다. 결국, 그것은 편리합니다!

이 측면의 중요성은 인간 두뇌의 작용과 비교하여 더 잘 설명됩니다. 이것이 우리가 시각, 청각, 촉각 등의 다감각적 특성 덕분에 세상의 모든 화려함을 이해하는 방법입니다. 뇌는 결합된 경험을 현실에 대한 단일 관점으로 해석합니다.

대부분의 이벤트와 심지어 개체는 매우 다른 정보를 전달합니다. 레몬을 상상해보십시오. 맛과 냄새에 익숙하며 타원형과 다공성 구조를 가지고 있습니다. 전자기적, 기계적, 화학적 정보는 동일한 방식으로 전송될 수 있습니다. 뇌 다중 센서는 다중 모드를 평가할 수 있습니다. 모든 것이 얼마나 상호 연결되어 있습니까!

MUM은 AI 측면에서 인간처럼 데이터를 평가하고 결합하는 최초의 고유한 알고리즘이 될 것입니다. 우리는 이 현상의 윤리에 대해 더 이야기할 것입니다.

따라서 게임의 규칙이 변경되기 때문에 SEO가 불필요하고 쓸모없게 될 수 있습니다. 구글은 창립이래 쿼리를 자연스럽게 처리할 수 있는 완벽한 검색엔진을 만들기 위해 노력해왔습니다. 2019년 BERT가 등장했을 때 질문을 제대로 이해하지 못한 채 응답을 잘못 재현할 수 있다고 설명했다.

참고: 그런데 그 이유 중 하나는 "keyword-ese" 구조 입력입니다.

당연히 검색 엔진은 사람들 간의 대화와 다른 독특한 스타일의 의사 소통을 가정합니다. 물론 핵심 문구를 해석하는 완전히 새로운 수준으로 업그레이드된 BERT에 경의를 표해야 합니다. 이 프로세스가 적절하게 발생하기 위해 많은 사람들이 키워드를 추적할 수 있는 SpySERP 검사기를 사용합니다. MUM이 구현될 때까지는 SEO를 사용하는 것 외에 사용자 검색을 최적화할 수 있는 다른 방법이 없습니다. BERT는 또한 사이트 순위에 대한 키워드의 영향을 낮췄습니다. 정확한 용어와 상관없이 사용자의 요청이 관련 정보와 일치하는지 여부를 고려합니다.

SEO가 쓸모 없게 될 것이라는 사실을 제외하지 않고 검색 엔진의 혁명을 기대해야 합니다. 알고리즘은 당신을 위해 모든 일을 할 일종의 개인 비서로 바뀔 것입니다. 사용자가 방언을 기반으로 자연어 쿼리를 실행할 수 있는데 왜 검색 표시줄의 모든 단어를 일치시키려고 합니까? 아마도 키워드의 중요성은 오늘날만큼 높지는 않겠지만 여전히 콘텐츠를 채울 것입니다.

참고: MUM은 텍스트를 용어로 채우지 않아야 하며 콘텐츠 최적화 아이디어가 없습니다. 누군가가 검색 엔진을 속이기로 결정하면 실패할 운명입니다. 크롤러용으로 만들어진 페이지는 더 이상 존재하지 않습니다.

발명에 관한 Google의 윤리

회사는 시장에 제품을 출시하기 전에 철저한 조사를 수행합니다. 평가자가 각 검색 엔진 업데이트를 테스트하는 것은 미래 사용자에게 관련 결과를 제공하는 데 중요합니다. 예를 들어, 일부 권장 사항은 알고리즘의 결과가 얼마나 좋은지 이해하는 데 도움이 됩니다.

BERT와 마찬가지로 MUM도 평가 프로세스를 거쳐야 합니다. 회사는 기계 학습의 편향을 나타낼 수 있는 패턴을 찾기 위해 최선을 다하고 있습니다.

아시다시피, 대규모 신경망은 훈련에 엄청난 컴퓨팅 성능이 필요합니다. Google은 MUM과 같은 시스템의 탄소 발자국을 줄이기 위해 최선을 다하고 있습니다. 그러면 검색 경험이 크게 향상됩니다.

알고리즘 출시일

RustyBrick의 SEO인 Barry Schwartz에 따르면 그는 Twitter에서 회사에 연락했습니다. Danny Sullivan은 Google의 정신으로 그에게 편지를 보내 MUM이 출시되는 즉시 알렸습니다.

차례로, 회사는 블로그에서 제품이 앞으로 몇 개월, 몇 년 안에 추가될 수 있다고 발표했습니다. 그리고 지금은 기능만 연구하고 프로젝트는 실험 단계에 있지만 여전히 미래로 가는 지름길입니다! 이제 검색 엔진은 자연스러운 음성을 이해하고 이를 다중 감각 및 다중 모드를 사용하여 사람의 두뇌로 해석합니다.

참고: Google은 현재 사용자 요청 유형을 더 잘 이해하기 위해 파일럿 프로젝트를 수행하고 있습니다. MUM 시스템 개발에 유용할 것입니다.

Google은 연례 개발자 행사에서 새로운 MUM 프로젝트를 발표했습니다. 센세이셔널한 주제는 검색 엔진의 세계에서 혁명이 되었습니다. 그 강점은 인간의 두뇌 수준에서 작동하는 다국어, 멀티태스킹 및 멀티모달리티에 있습니다. 이제 상징의 모양뿐만 아니라 그 맥락도 인식될 것입니다. 따라서 Google이 실제로 75개 언어로 콘텐츠를 읽고 듣고 보고 사용자에게 자연스러운 새로운 형식과 다른 언어로 다시 패키징할 수 있다면 이것이 SEO에 어떻게 반영될까요?

아마도 BERT가 공개된 2019년과 비교할 수 없을 정도로 그 출시는 SEO 세계에서 큰 파장을 일으킬 것입니다. 그리고 사이트 성능에 대한 강력한 영향이 이전에 감지되지 않은 경우이 경우 주요 쿼리가 고려되지 않을 수 있습니다. 글쎄요, 적어도 지금까지는 이에 대한 데이터가 없습니다. 따라서 쿼리는 자연어로 입력되지만 필요한 경우 검색 엔진 결과를 번역할 수 있습니다. 따라서 사용자는 리소스 집약적인 AI가 아닌 초강력과 동시에 가장 관련성이 높은 지식을 얻게 됩니다.

SEO 전문가에게 남은 것은 무엇입니까? 뉴스를 기다리고 물론 잘 쓰여진 텍스트를 기다릴 가능성이 가장 큽니다. 읽기 쉽고 자연스럽게 최적화되면 MUM이 고마워할 것입니다. 등급을 높이기 위해 키워드를 채우지 않고 사용자의 요구에 완벽하게 부합합니다. 이것이 시스템이 훨씬 더주의를 기울일 것입니다. 또한 돌파구를 기다리는 동안 제품을 계속 개선하고 브랜드 선호도 구축에 집중하십시오. 이는 후속 프로모션에 반영됩니다.