Google MUM: มันคืออะไรและจะส่งผลต่อ SEO อย่างไร

Google MUM หรือ Multitask Unified Model เป็นเทคโนโลยีใหม่สำหรับการตอบคำถามที่ซับซ้อนซึ่งไม่มีคำตอบโดยตรง เปิดตัวเมื่อไม่กี่สัปดาห์ก่อนและได้สร้างกระแสในวงการ SEO แล้ว ยังไม่ได้รับการยืนยันว่าเสิร์ชเอ็นจิ้นใช้อัลกอริธึมนี้หรือไม่ ถ้าไม่ จะใช้เมื่อใด และจะส่งผลต่อการจัดอันดับ SERP อย่างไร

คล้ายกับ BERT ซึ่งสร้างขึ้นจากสถาปัตยกรรมหม้อแปลง แต่การรับคำตอบโดยละเอียดสำหรับคำถามที่ซับซ้อนนั้นง่ายกว่ามากที่นี่ Google ใช้ตัวอย่างการค้นหาการเตรียมตัวสำหรับการปีนภูเขาไฟฟูจิในฤดูใบไม้ร่วงหน้า เพื่อให้เข้าใจถึงสิ่งใหม่ๆ ที่คาดหวัง หรืออุปกรณ์ที่จะเลือก ความซับซ้อนของเส้นทาง และความผันผวนของอุณหภูมิ คุณจะต้องทำการค้นหาอย่างรอบคอบเป็นชุด ในคำถามนี้ คำตอบของ Priori จะต้องไม่คลุมเครือ แต่ในทางกลับกัน มีรายละเอียดและพิจารณาปัจจัยหลายประการ แน่นอนว่า ตัวอย่างนี้เป็นสากล ทุกๆ วัน ผู้ใช้ต้องจัดการกับการค้นหาคำตอบสำหรับปัญหาที่ซับซ้อน ในขณะที่ดำเนินการค้นหาโดยเฉลี่ย 8 คำถามเพื่อแก้ปัญหาแต่ละข้อ เทคโนโลยี MUM ได้รับการออกแบบมาเพื่อช่วยในความซับซ้อนดังกล่าวและลดจำนวนการค้นหา ยิ่งกว่านั้นมันแข็งแกร่งกว่า BERT ถึง 1,000 เท่า!

ในบทความนี้ เราจะพูดถึงคุณสมบัติของเทคโนโลยีมหัศจรรย์ MUM และดูผลกระทบที่มีต่อ SEO

MUM .คืออะไร

Google MUM ทำงานอย่างไร

Google MUM สามารถส่งผลต่อ SEO ได้อย่างไร

• ขจัดอุปสรรคทางภาษา

• ความเข้าใจพร้อมกันของหลายงาน

• การสร้างภาษา

• หลายรูปแบบ

• จริยธรรมของ Google เกี่ยวกับการประดิษฐ์

• วันที่เผยแพร่อัลกอริทึม

บทสรุป

Google MUM เป็นอัลกอริธึมที่ช่วยแก้ปัญหาการสืบค้นที่ซับซ้อน: เข้าใจภาษาต่างๆ 75 ภาษาและสร้างขึ้นได้ ไม่น่าเชื่อว่า BERT จะทำงานหลายอย่างพร้อมกันและพัฒนาความเข้าใจในข้อมูลอย่างสมบูรณ์ ที่น่าสนใจคือ MUM เป็นแบบหลายรูปแบบ โดยไม่เพียงแต่สแกนข้อมูลจากข้อความเท่านั้น แต่ยังรวมถึงรูปภาพด้วย คาดการณ์ว่าจำนวนรูปแบบจะขยายไปสู่ไฟล์วิดีโอและไฟล์เสียงในอนาคต

ย้อนกลับไปที่ตัวอย่างการปีนภูเขาไฟฟูจิในฤดูใบไม้ร่วง คำตอบในกรณีนี้จะประกอบด้วยหลายขั้นตอน หากเรากำลังพูดถึงการเดินป่า เป็นไปได้มากว่าการเตรียมพร้อมสำหรับพวกเขาอาจรวมถึงการฝึกออกกำลังกายและการเลือกอุปกรณ์ที่เหมาะสม เนื่องจากฤดูใบไม้ร่วงเป็นฤดูที่มีพายุ เสื้อแจ็คเก็ตกันน้ำจึงเป็นสิ่งที่ขาดไม่ได้ นอกจากนี้ อัลกอริธึมยังสามารถแสดงหัวข้อย่อยที่แนะนำซึ่งเปิดเผยในวิดีโอ รูปภาพ หรือบทความ เช่น แบบฝึกหัดที่ดีที่สุดหรือชุดยอดนิยม

จนถึงปัจจุบัน ยังไม่มีรายงานการวิจัยหรือสิทธิบัตรใดที่อธิบายอัลกอริทึมของ Google นอกจากนี้ยังไม่มีเครื่องหมายการค้าที่เรียกว่า MUM อย่างไรก็ตาม มีเพียงการศึกษาบางส่วนเท่านั้นที่กล่าวถึงปัญหาการค้นหาดังกล่าวซึ่งสามารถแก้ไขได้โดยใช้เทคโนโลยีมัลติทาสกิ้ง พิจารณาพวกเขา!

Donald Metzler นักสำรวจของ Google ได้ประกาศบทความที่อธิบายว่าอัลกอริธึมการค้นหาของ Google ต้องใช้วิธีการที่ค้นพบใหม่เพื่อให้การตัดสินใจโดยละเอียดสำหรับคำถามที่พัวพัน กระบวนการดึงข้อมูลเป็นแกนหลักของเครื่องมือค้นหาสมัยใหม่ทุกเครื่อง แต่การจัดทำดัชนีและการจัดอันดับเว็บไซต์ไม่เพียงพอสำหรับงานดังกล่าว เสิร์ชเอ็นจิ้นทั้งหมดใช้การรับรู้ของการรวมวลีของคำหลักและความหมายเพื่อสร้างรายชื่อผู้สมัครเบื้องต้นสำหรับผลการค้นหา จากนั้นจะผ่านรูปแบบการจัดลำดับใหม่อย่างน้อยหนึ่งรูปแบบ ซึ่งน่าจะเป็นการเรียนรู้ตามเครือข่ายประสาทเทียม

ตาม Metzler ขั้นตอนดังกล่าวจะลบองค์ประกอบอัลกอริทึมที่รับผิดชอบในการค้นหาดัชนี: มันถูกออกแบบมาเพื่อรวมและแทนที่การสร้างดัชนี การดึงข้อมูล และการจัดอันดับองค์ประกอบใน Unified Model มันเข้ารหัสข้อมูลที่เก็บไว้ในคลังข้อมูล เพื่อให้เข้าใจว่าสิ่งนี้เกี่ยวกับอะไร ให้พิจารณาภาพหน้าจอต่อไปนี้จากบทความ: มันแสดงให้เห็นความแตกต่างระหว่างอันดับดึงข้อมูลแบบเดิมและรุ่นเดียว

มีความบังเอิญที่ชัดเจนในการเผยแพร่การศึกษานี้ ซึ่งประกาศในเดือนพฤษภาคมปีนี้ โดยอธิบายถึงความสำคัญของการเป็นตัวแทนเพียงคนเดียวในโลกสมัยใหม่และการเปิดตัวอัลกอริธึม Google อันล้ำสมัยที่เรียกว่า MUM

ที่น่าสนใจคือในเดือนธันวาคม 2020 มีการเผยแพร่ผลการศึกษาอื่นโดยบอกรายละเอียดทั่วไปเกี่ยวกับ Multitask Mixture of Sequential Experts สำหรับ User Activity Streams หรือ MoSE แม้ว่าชื่อ MoSE และ MUM จะคล้ายคลึงกัน แต่ก็มีข้อสังเกตบางส่วนที่ทับซ้อนกับการพัฒนา MUM ด้วยเช่นกัน เดาสิว่าใครเป็นผู้สร้างงานนี้! ยังคงเป็นโดนัลด์ เมตซ์เลอร์คนเดิม บทความพิจารณาการเรียนรู้มัลติทาสก์ของระบบประสาทที่ใช้การสแกนและประวัติการเรียกดูเพื่อสร้างรูปแบบการสแกนหลายขั้นตอนที่มีประสิทธิภาพ อัลกอริทึมจะศึกษาการคลิกเมาส์และการสแกนข้อมูลอย่างต่อเนื่องเพื่อจำลองการค้นหาคำตอบที่เกี่ยวข้องกับคำถามที่เฉพาะเจาะจง เป็นที่น่าสังเกตว่า MoSe จำลองพฤติกรรมของนักวิจัยโดยใช้หน่วยความจำระยะสั้น (LSTM) ไม่ใช่คำขอและบริบท - การดำเนินการบนเครือข่ายทำให้ชัดเจนว่าการตอบสนองใดจะน่าพอใจ นอกจากนี้ ในเอกสารนี้ ยังมีการกล่าวถึงประเภทอัลกอริทึมที่ปรับให้เหมาะกับการค้นหาวิดีโอตามการคาดการณ์สามอย่าง:

• สิ่งที่ผู้คนต้องการเห็น
• สิ่งที่จะตอบสนองคำขอ;
• วัสดุใดมีส่วนร่วมมากขึ้น

MoSe สนใจข้อมูลประเภทต่างๆ เป็นหลัก หากเราพิจารณาคุณลักษณะนี้ในบริบทของ MUM เราจะเข้าใจได้ว่าโปรแกรมรวบรวมข้อมูลกำลังดำเนินการใดเพื่อค้นหาตัวเลือกที่เหมาะสม ในกรณีนี้ โฟลว์ของกิจกรรมไคลเอนต์จากไซต์ต่างๆ จะถูกจำลองและกำหนดปฏิสัมพันธ์ของพวกเขา นอกจากนี้ MoSE ยังสามารถคาดการณ์การค้นหาและพฤติกรรมของไคลเอ็นต์แบบอนุกรมได้อย่างชัดเจน ต่อมาลดจำนวนการค้นหาที่ดำเนินการ (8) และตอบสนองต่อปัญหาที่ซับซ้อนได้ดีขึ้น

ยิ่งต้องใช้ทรัพยากรการคำนวณน้อยลงสำหรับการทำงานของโปรแกรมอัลกอริธึม ยิ่งมีศักยภาพมากขึ้นเท่านั้น ทำให้มีโอกาสมากขึ้นในการปรับขนาด นี่คือการตัดสินใจของคำกล่าวที่ว่า MUM แข็งแกร่งกว่า BERT ถึง 1,000 เท่า MoSE ให้ความสมดุลระหว่างมูลค่าทรัพยากรขั้นต่ำและคุณภาพการสแกน นักประดิษฐ์พิสูจน์สิ่งนี้ด้วยการทดลอง: พวกเขาทดสอบสถาปัตยกรรมอัลกอริธึมและเปรียบเทียบกับทางเลือกเจ็ดทาง การใช้ Gmail เป็นตัวอย่าง แสดงให้เห็นถึงความยืดหยุ่นและประสิทธิภาพของระบบ

หมายเหตุ: ความเข้มข้นของทรัพยากรของนกเพนกวินที่มีชื่อเสียงจนถึงปี 2559 ยอมรับว่าจะเปิดตัวปีละสองครั้งเท่านั้น! ในไม่ช้าก็สามารถทำงานได้แบบเรียลไทม์ด้วยต้นทุนที่ต่ำที่สุด

อัลกอริทึมนี้มีประสิทธิภาพในการประหยัดสินทรัพย์ในระดับต่างๆ เมื่อจำเป็นต้องใช้ 80% จะช่วยประหยัดการคลิกได้มากขึ้นประมาณ 8% ซึ่งช่วยให้ฝึกซ้ำได้ง่ายขึ้นและให้ความคล่องตัวสูง

ในฐานะที่เป็น BERT MUM ได้รับการออกแบบบนสถาปัตยกรรม Transformer MoSE ไม่ได้ใช้ แต่สามารถขยายได้ในไม่ช้า (ที่นี่ คุณสามารถใช้โมดูลอื่นๆ เช่น LSTM, GRU) โดยพื้นฐานแล้วบ่งชี้ว่า MoSE สามารถเป็นส่วนประกอบของ MUM

Google ออกสิทธิบัตรจำนวนมากสำหรับอัลกอริทึมทุกปี แต่สิ่งนี้ใช้ไม่ได้กับ MoSE หากการศึกษาอื่นๆ พบว่ามีข้อผิดพลาด มีความเป็นไปได้มากกว่าที่ระบบจะบรรลุผลสำเร็จโดยไม่ต้องใช้สินทรัพย์ที่จำเป็น

สรุป

MUM เป็นเทคโนโลยีปัญญาประดิษฐ์ (AI) MoSE คู่หูของมันถูกนำเสนอแทนที่จะเป็น Machine Intelligence (MI) ไม่มีความแตกต่างระหว่างพวกเขา มีแนวโน้มมากที่สุด - ในฐานความรู้ของบริษัท ข้อมูล AI จัดเป็น MI แน่นอนว่าไม่มีทางบอกได้ว่ากลไก MoSE ถูกนำมาใช้ใน MUM อย่างเด็ดขาดหรือไม่ อย่างไรก็ตาม มีความคล้ายคลึงกันมาก แม้ว่าสถานการณ์ที่ทั้งสองระบบจะไม่พันกันก็ค่อนข้างยอมรับได้ ที่น่าสนใจ MoSE เป็นกฎอัลกอริทึมที่ประสบความสำเร็จอย่างมากซึ่งสามารถขยายได้ด้วย Transformers

แต่ไม่ว่าประวัติของอัลกอริธึมเหล่านี้จะพัฒนาไปอย่างไร สิ่งสำคัญที่สุดคือการทำความเข้าใจว่าอัลกอริธึมเหล่านี้จะส่งผลต่อการค้นหาอย่างไร

ผู้เชี่ยวชาญ SEO ต้องปรับตัวทุกครั้งที่เครื่องมือค้นหาเปลี่ยนอัลกอริธึม เมื่อสองสามปีที่แล้วเมื่อมีการเปิดตัว BERT ก็ไม่มีผลกระทบอย่างมีนัยสำคัญต่อประสิทธิภาพของเว็บไซต์ อย่างไรก็ตาม การเกิดขึ้นของ AI ที่ทรงพลังยิ่งจะส่งผลกระทบต่อมันอยู่ดี การอธิบายคำค้นหาด้วยภาษาที่เรียบง่ายและเป็นธรรมชาติจะทำให้ไซต์ต้องดำเนินการในลักษณะเดียวกัน มาดูผลกระทบที่เป็นไปได้ของอัลกอริทึมของ Google ต่อ SEO กัน

ขจัดอุปสรรคทางภาษา

ภาษากลายเป็นอุปสรรคสำหรับผู้ใช้จำนวนมาก เช่น เมื่อพูดถึงเว็บไซต์ที่ไม่ได้ปรับให้เข้ากับหลายภาษา ในกรณีนี้ อัลกอริทึมสามารถทำลายขอบเขตเหล่านี้ได้ มันสามารถศึกษาแหล่งข้อมูลที่เขียนใน 75 ภาษาและค้นหาข้อมูลที่เกี่ยวข้องแม้ว่าคุณจะป้อนคำค้นหาในภาษาอื่น! เช่น คุณกำลังมองหาข้อมูลเกี่ยวกับภูเขาไฟฟูจิแห่งเดียวกัน เสิร์ชเอ็นจิ้นค้นหาผลลัพธ์ แต่เป็นภาษาญี่ปุ่น ซึ่งคุณไม่รู้ MUM จะแปลงความรู้จากเว็บไซต์เหล่านี้เป็นภาษาที่คุณต้องการในขณะที่ให้คำตอบเพิ่มเติม (ที่ซึ่งคุณสามารถเพลิดเพลินกับทิวทัศน์ที่ดีที่สุด ร้านขายของที่ระลึกยอดนิยมที่คุณสามารถเยี่ยมชมได้ ฯลฯ) กล่าวคือ ข้อมูลใดๆ จะถูกแปลโดยขึ้นอยู่กับภูมิภาคที่ทำการค้นหา

ความเข้าใจพร้อมกันของหลายงาน

วิธีนี้ช่วยให้คุณเข้าใจคำถามได้ดีขึ้น: มีภูเขาสองลูกคืออดัมส์และฟูจิ สมมติว่าคุณปีนขึ้นไปอันแรกและกำลังมองหาข้อมูลเกี่ยวกับการปีนอีกอันในช่วงฤดูใบไม้ร่วง ในกรณีนั้น อัลกอริธึมสามารถวิเคราะห์ความแตกต่างในธรณีวิทยาได้โดยไม่พิจารณาถึงสัตว์และพันธุ์พืช นอกจากนี้ เพื่อให้การปีนเขาประสบความสำเร็จ จำเป็นต้องมีการเตรียมร่างกายที่ดีเยี่ยม รวมถึงการฝึกฝนด้วย แต่ถ้าเรากำลังพูดถึงฤดูใบไม้ร่วง การค้นหาเสื้อผ้าก็ควรค่าแก่การมองหา

การสร้างภาษา

คุณเคยได้ยินอะไรเกี่ยวกับ GPT-3 หรือไม่? เป็นโปรแกรมแปลงภาษาที่สามารถสร้างข้อความที่เหมือนมนุษย์ได้ มีคุณภาพสูงมากจนแยกความแตกต่างจากของจริงได้ยาก ซึ่งทำให้เกิดความกังวลอย่างมากในหมู่นักวิจัย บางคนถึงกับคิดว่ามันอันตราย ในขณะที่คนอื่น ๆ มักจะคิดว่านี่คือปาฏิหาริย์แห่งปาฏิหาริย์ การสร้างสรรค์ที่เหลือเชื่อที่สุดเท่าที่มนุษย์เคยสร้างมา ดังนั้น เมื่อเปรียบเทียบระบบนี้กับ MUM ระบบสุดท้ายมีโอกาสที่จะได้รับโอกาสในการขายทั้งหมด ในการเริ่มต้น ควรทำความเข้าใจว่ารูปแบบของสัญลักษณ์ทางภาษาศาสตร์สัมพันธ์กับการเป็นตัวแทนเชิงประจักษ์อย่างไร แบบจำลองภายในคอมพิวเตอร์สามารถ "เข้าใจ" รูปร่างของตัวละครได้ แต่จะไม่เข้าใจความหมาย (ตามที่บุคคลรับรู้) บริษัทพยายามลดความลำเอียงในการค้นหาและลดการปล่อยก๊าซคาร์บอนไดออกไซด์ด้วยสิ่งประดิษฐ์แต่ละอย่าง

หลายรูปแบบ

นั่นเป็นข้อได้เปรียบอย่างมากของเทคโนโลยี MUM เมื่อเทียบกับ GPT-3 และ LaMDA ความจริงก็คือระบบสามารถเข้าใจข้อมูลในรูปแบบต่างๆ เช่น จากรูปภาพ วิดีโอ และข้อความ ดังนั้นในบล็อกของเขา Pandu Nayak ได้อธิบายตัวอย่างเมื่อถ่ายภาพรองเท้าของคุณ คุณจะได้รับคำตอบสำหรับคำถามว่า “ฉันสามารถสวมรองเท้าที่ภูเขาฟูจิได้หรือไม่” ด้วยเหตุนี้ รูปภาพจะเชื่อมโยงกับคำขอข้อความ และคุณจะถูกนำไปที่บล็อกพร้อมรายการรองเท้าบูทและอุปกรณ์อื่นๆ ที่แนะนำ เสร็จแล้วก็สะดวก!

ความสำคัญของแง่มุมนี้แสดงให้เห็นได้ดีกว่าเมื่อเปรียบเทียบกับการทำงานของสมองมนุษย์ นั่นคือวิธีที่เราเข้าใจความงดงามของโลกด้วยธรรมชาติของประสาทสัมผัสต่างๆ เช่น การมองเห็น การได้ยิน การสัมผัส ฯลฯ สมองตีความประสบการณ์ที่รวมกันเป็นมุมมองเดียวของความเป็นจริง

เหตุการณ์และแม้แต่วัตถุส่วนใหญ่มีข้อมูลที่แตกต่างกันมาก ลองนึกภาพมะนาว: คุณคุ้นเคยกับรสชาติและกลิ่นของมัน มันมีรูปวงรีและมีโครงสร้างเป็นรูพรุน ข้อมูลทางแม่เหล็กไฟฟ้า เครื่องกล และเคมีสามารถส่งผ่านในลักษณะเดียวกันได้ เซ็นเซอร์หลายตัวในสมองช่วยให้ประเมินความหลากหลายได้ ทุกอย่างเชื่อมต่อถึงกันแค่ไหน!

MUM จะเป็นอัลกอริธึมแรกที่ไม่เหมือนใครในการประเมินและรวมข้อมูลในลักษณะเดียวกับมนุษย์ในแง่ของ AI เราจะพูดถึงจริยธรรมของปรากฏการณ์นี้ต่อไป

ดังนั้น SEO อาจไม่จำเป็นและล้าสมัยเนื่องจากกฎของเกมจะเปลี่ยนไป นับตั้งแต่ก่อตั้ง Google ได้มีการพยายามสร้างเสิร์ชเอ็นจิ้นที่สมบูรณ์แบบที่สามารถประมวลผลข้อความค้นหาได้อย่างเป็นธรรมชาติ เมื่อ BERT ปรากฏตัวในปี 2019 ได้มีการอธิบายว่ามันสามารถสร้างการตอบสนองที่ผิดพลาดโดยไม่เข้าใจคำถามอย่างเพียงพอ

หมายเหตุ: อย่างไรก็ตาม สาเหตุหนึ่งที่ทำให้เกิดสิ่งนี้คืออินพุตโครงสร้าง "คีย์เวิร์ด-อี"

โดยปกติ เสิร์ชเอ็นจิ้นจะถือว่ารูปแบบการสื่อสารที่เป็นเอกลักษณ์ แตกต่างจากบทสนทนาระหว่างผู้คน แน่นอน เราต้องจ่ายส่วยให้ BERT เพราะมันอัปเกรดเป็นระดับใหม่ทั้งหมดเพื่อตีความวลีสำคัญ เพื่อให้กระบวนการนี้เกิดขึ้นอย่างเพียงพอ หลายคนใช้ตัวตรวจสอบ SpySERP ซึ่งสามารถติดตามคำหลักได้ จนกว่าจะมีการนำ MUM ไปใช้ ไม่มีทางอื่นใดที่จะเพิ่มประสิทธิภาพการค้นหาสำหรับผู้ใช้ได้นอกจากการใช้ SEO นอกจากนี้ BERT ยังลดอิทธิพลของคำหลักในการจัดอันดับของไซต์ เนื่องจากคำขอของผู้ใช้จะตรงกับข้อมูลที่เกี่ยวข้อง โดยไม่คำนึงถึงข้อกำหนดที่แน่นอน

เราควรคาดหวังว่าจะมีการปฏิวัติในเครื่องมือค้นหา โดยไม่รวมข้อเท็จจริงที่ว่า SEO จะล้าสมัย อัลกอริทึมจะกลายเป็นผู้ช่วยส่วนตัวที่จะทำทุกอย่างให้คุณ เหตุใดผู้ใช้จึงพยายามจับคู่ทุกคำในแถบค้นหาในเมื่อสามารถเรียกใช้การสืบค้นภาษาธรรมชาติตามภาษาถิ่นได้ บางที ความสำคัญของคีย์เวิร์ดอาจไม่สูงเท่าวันนี้ แต่ยังคงเติมเต็มเนื้อหา

หมายเหตุ: MUM ไม่ควรเติมข้อความด้วยเงื่อนไข และไม่มีแนวคิดในการเพิ่มประสิทธิภาพเนื้อหา หากมีคนตัดสินใจที่จะหลอกลวงเครื่องมือค้นหาก็จะถึงวาระที่จะล้มเหลว หน้าที่สร้างขึ้นสำหรับโปรแกรมรวบรวมข้อมูลจะหยุดอยู่

จริยธรรมของ Google เกี่ยวกับการประดิษฐ์

บริษัททำการวิจัยอย่างละเอียดก่อนเปิดตัวผลิตภัณฑ์ใดๆ ในตลาด การทดสอบการอัปเดตของเครื่องมือค้นหาแต่ละรายการโดยผู้ประเมินที่เป็นมนุษย์มีความสำคัญต่อการแสดงผลลัพธ์ที่เกี่ยวข้องไปยังผู้ใช้ในอนาคต ตัวอย่างเช่น คำแนะนำบางอย่างช่วยให้คุณเข้าใจว่าผลลัพธ์ของอัลกอริทึมนั้นดีเพียงใด

เช่นเดียวกับ BERT MUM จะต้องผ่านขั้นตอนการประเมินด้วย บริษัทมุ่งมั่นที่จะมองหารูปแบบที่อาจบ่งบอกถึงอคติในการเรียนรู้ของเครื่อง

ดังที่คุณทราบ โครงข่ายประสาทเทียมขนาดใหญ่ต้องการพลังการประมวลผลมหาศาลในการฝึกอบรม Google มุ่งมั่นที่จะลดการปล่อยก๊าซคาร์บอนไดออกไซด์ของระบบ เช่น MUM ที่จะปรับปรุงประสบการณ์การค้นหาอย่างมาก

วันที่เผยแพร่อัลกอริทึม

ตามที่ Barry Schwartz ซึ่งเป็น SEO ของ RustyBrick ได้ติดต่อบริษัททาง Twitter Danny Sullivan เขียนถึงเขาด้วยจิตวิญญาณของ Google เพื่อแจ้งให้เขาทราบทันทีที่ MUM เปิดตัว

ในทางกลับกัน บริษัทประกาศในบล็อกว่าสามารถเพิ่มผลิตภัณฑ์ได้ในอีกไม่กี่เดือนหรือหลายปีต่อจากนี้ และแม้ว่าในขณะนี้พวกเขากำลังศึกษาเฉพาะคุณลักษณะและโครงการอยู่ในขั้นตอนการทดลอง แต่ก็ยังเป็นเส้นทางตรงสู่อนาคต! ตอนนี้เสิร์ชเอ็นจิ้นจะเข้าใจคำพูดที่เป็นธรรมชาติและตีความว่าเป็นสมองของบุคคล กล่าวคือ การใช้ประสาทสัมผัสหลากหลายและหลายรูปแบบ

หมายเหตุ: ขณะนี้ Google กำลังดำเนินโครงการนำร่องเพื่อทำความเข้าใจประเภทคำขอของผู้ใช้ให้ดีขึ้น ซึ่งจะเป็นประโยชน์สำหรับการพัฒนาระบบ MUM

Google ประกาศโครงการ MUM ใหม่ในงานนักพัฒนาประจำปี หัวข้อโลดโผนได้กลายเป็นการปฏิวัติในโลกของเครื่องมือค้นหา จุดแข็งของมันอยู่ใน multilingualism, multitasking และ multimodality ที่ทำงานในระดับสมองของมนุษย์ ตอนนี้ไม่เพียงแต่จะรับรู้รูปร่างของสัญลักษณ์เท่านั้น แต่ยังรวมถึงบริบทด้วย ดังนั้น หาก Google สามารถอ่าน ได้ยิน และดูเนื้อหาใน 75 ภาษาได้จริงๆ แล้วจึงบรรจุเนื้อหาใหม่ในรูปแบบใหม่และในภาษาอื่นที่เป็นธรรมชาติสำหรับผู้ใช้ แล้วสิ่งนี้จะสะท้อนให้เห็นใน SEO อย่างไร?

เป็นไปได้มากว่าการเปิดตัวจะทำให้โลก SEO กระฉับกระเฉง เทียบไม่ได้เลยกับในปี 2019 เมื่อ BERT ถูกเผยแพร่สู่สาธารณะ และหากไม่เคยสังเกตเห็นอิทธิพลอย่างมากต่อประสิทธิภาพของไซต์มาก่อน ในกรณีนี้ อาจไม่คำนึงถึงข้อความค้นหาหลัก อย่างน้อยก็ยังไม่มีข้อมูลเกี่ยวกับเรื่องนี้ ดังนั้น ข้อความค้นหาจะถูกป้อนเป็นภาษาธรรมชาติ แต่ผลลัพธ์ของเครื่องมือค้นหาสามารถแปลได้หากจำเป็น ดังนั้น ผู้ใช้จะได้รับความรู้ที่เกี่ยวข้องมากที่สุดโดยใช้ AI ที่ทรงพลังและในขณะเดียวกันก็ไม่ใช่ AI ที่เน้นทรัพยากร

ผู้เชี่ยวชาญ SEO ยังเหลืออะไรอีกบ้าง? ส่วนใหญ่มักจะรอข่าวและแน่นอนว่ามีข้อความที่เขียนดี หากอ่านง่ายและปรับให้เหมาะสมอย่างเป็นธรรมชาติ MUM จะขอบคุณสำหรับสิ่งนั้น ไม่มีการเติมคำสำคัญเพื่อเพิ่มคะแนน ปฏิบัติตามความต้องการของผู้ใช้อย่างเต็มที่ - นี่คือสิ่งที่ระบบจะให้ความสำคัญอย่างใกล้ชิดยิ่งขึ้น นอกจากนี้ ในระหว่างที่รอการพัฒนา ให้ปรับปรุงผลิตภัณฑ์ของคุณต่อไป โดยมุ่งเน้นที่การสร้างความพึงพอใจในตราสินค้า ซึ่งจะสะท้อนให้เห็นในโปรโมชันที่ตามมา