Google MUM: Nedir ve SEO'yu Nasıl Etkileyebilir?

Google MUM veya Multitask Unified Model, doğrudan yanıtları olmayan karmaşık soruları yanıtlamaya yönelik yeni bir teknolojidir. Sadece birkaç hafta önce tanıtıldı ve SEO çevrelerinde şimdiden bir heyecan yarattı. Arama motorunun bu algoritmayı kullanıp kullanmadığı, kullanmıyorsa ne zaman uygulanacağı ve SERP puanını nasıl etkileyeceği henüz teyit edilmedi.

BERT'ye benzer şekilde, bir transformatör mimarisi üzerine kurulmuştur, ancak burada karmaşık sorgulara ayrıntılı yanıtlar almak çok daha kolaydır. Google, önümüzdeki sonbaharda Fuji Dağı'na tırmanmak için bir hazırlık bulma örneğini kullanıyor. Neyin yeni olacağını veya hangi ekipmanın seçileceğini, rotaların karmaşıklığını ve sıcaklık dalgalanmalarını anlamak için bir dizi düşünceli arama yapmanız gerekecek. Bu sorguda, yanıt a priori net olamaz, aksine ayrıntılıdır ve birçok faktörü göz önünde bulundurur. Tabii ki, bu örnek evrenseldir - her gün, kullanıcılar her birini çözmek için ortalama 8 sorgu gerçekleştirirken karmaşık sorunlara yanıt bulmakla uğraşır. MUM teknolojisi, bu tür karmaşıklıklara yardımcı olmak ve arama sayısını azaltmak için tasarlanmıştır. Üstelik BERT'den 1000 kat daha güçlü!

Bu yazımızda teknolojik mucize MUM'un özelliklerini tartışacak ve SEO üzerindeki etkisine bakacağız.

MUM nedir

Google MUM Nasıl Çalışır?

Google MUM SEO'yu Nasıl Etkileyebilir?

• Dil engellerini ortadan kaldırmak

• Birden fazla görevi aynı anda anlama

• Dil üretimi

• çok modalite

• Google'ın icatlarıyla ilgili etiği

• Algoritma çıkış tarihi

Çözüm

Google MUM, karmaşık sorguları çözmeye yardımcı olan bir algoritmadır: 75 farklı dili anlar ve bunları oluşturabilir. İnanılmaz bir şekilde, BERT'den farklı olarak, aynı anda birçok görevi yerine getirir ve eksiksiz bir bilgi anlayışı geliştirir. İlginç bir şekilde, MUM çok modludur - yalnızca metinden değil, görüntülerden de veri tarar. Modalitelerin sayısının gelecekte video ve ses dosyalarına genişleyeceği tahmin edilmektedir.

Sonbaharda Fuji Dağı'na tırmanma örneğine geri dönelim. Bu durumda cevap birkaç aşamadan oluşacaktır. Yürüyüş hakkında konuşuyorsak, büyük olasılıkla onlar için hazırlık, fitness eğitimi ve uygun ekipman seçimini içerebilir. Sonbahar fırtınalı bir mevsim olduğu için su geçirmez bir ceket vazgeçilmezdir. Ek olarak, algoritma videolarda, resimlerde veya makalelerde açıklanan önerilen alt konuları gösterebilir: örneğin, en iyi egzersizler veya en iyi kıyafetler.

Bugüne kadar, Google algoritmasını açıklayan hiçbir araştırma makalesi veya patent bulunmamaktadır. Ayrıca MUM adında bir ticari marka yoktur. Buna rağmen, yalnızca bazı çalışmalar çoklu görev teknolojisi kullanılarak çözülebilecek bu tür arama problemlerini tartışmaktadır. Onları düşünün!

Google gezgini Donald Metzler, Google arama algoritmalarının karmaşık sorulara ayrıntılı kararlar vermek için yeni keşfedilen bir yol izlemesi gerektiğini açıklayan bir makale duyurdu. Bilgi Erişim süreci, her modern arama motorunun belkemiğidir, ancak sitelerin indekslenmesi ve sıralanması bu tür görevler için tamamen yeterli değildir. Tüm arama motorları, arama sonuçları için bir ön aday listesi oluşturmak için anahtar kelime öbeklerinin tanınmasını ve anlambilimini kullanır. Ardından, muhtemelen sinir ağı tabanlı sıralamayı öğrenme olan bir veya daha fazla yeniden sıralama modelinden geçer.

Metzler'e göre, böyle bir prosedür indeksi bulmaktan sorumlu algoritma bileşenini ortadan kaldırır: indeksleme, alma ve sıralama öğelerini bir Birleşik Modelde birleştirmek ve değiştirmek için tasarlanmıştır. Bir korpusta tutulan bilgileri şifreler. Bunun neyle ilgili olduğunu anlamak için, makaleden alınan aşağıdaki ekran görüntüsünü inceleyin: geleneksel al-sonra-rank ile Tek Model arasındaki farkı gösterir.

Bu yılın Mayıs ayında duyurulan ve modern dünyada tek bir temsilin önemini ve MUM adlı çığır açan bir Google algoritmasının piyasaya sürülmesini açıklayan bu çalışma yayınında bariz tesadüfler var.

İlginç bir şekilde, Aralık 2020'de, Kullanıcı Etkinliği Akışları veya MoSE için Sıralı Uzmanların Çoklu Görev Karışımı hakkında genel ayrıntıları anlatan başka bir çalışma yayınlandı. MoSE ve MUM adları benzer olsa da, burada MUM atılımıyla bazı örtüşmeler de gözlenmektedir. Bilin bakalım bu eserin yaratıcısı kim! Hala aynı Donald Metzler. Bir makale, güçlü çok aşamalı tarama kalıpları oluşturmak için tarama ve tarama geçmişini kullanan sinirsel çoklu görev öğrenimini ele alıyor. Algoritma, belirli sorulara ilgili yanıtları bulmayı simüle etmek için art arda fare tıklamalarını ve bilgi taramasını inceler. MoSe'nin araştırmacının davranışını bir istek ve bağlam değil, Uzun Kısa Süreli Bellek (LSTM) kullanarak modellemesi dikkate değerdir - ağ üzerinde gerçekleştirilen eylemlerin seyri, hangi yanıtın tatmin edici olacağını açıkça ortaya koymaktadır. Ayrıca, bu belgede, üç tahmine dayalı olarak video araması gerçekleştirmek için optimize edilmiş bir algoritma türünden söz edilmektedir:

• insanların görmek istedikleri;
• bir isteği ne tatmin edecek;
• Hangi malzemeler daha fazla etkileşim sağlar.

MoSe, öncelikle çeşitli veri türleriyle ilgilenir. Bu özelliği MUM bağlamında ele alırsak, tarayıcının uygun seçenekleri keşfetmek için hangi eylemleri gerçekleştirdiğini anlayabiliriz. Bu durumda, çeşitli sitelerden müşteri etkinliğinin akışları modellenir ve etkileşimleri belirlenir. Ek olarak, MoSE, seri müşteri aramalarını ve davranışını açık temsiller olarak tahmin edebilir, ardından gerçekleştirilen arama sorgularının sayısını azaltır (8) ve karmaşık sorunlara daha iyi yanıt verir.

Algoritmik programın çalışması için ne kadar az hesaplama kaynağı gerekiyorsa, o kadar güçlü olabilir ve ona ölçeklendirme için daha fazla fırsat verir. İşte MUM'un BERT'den 1000 kat daha güçlü olduğu açıklamanın kararı. MoSE, minimum kaynak değeri ile tarama kalitesi arasında bir denge sağlar. Mucitler bunu deneysel olarak kanıtladılar: bir algoritma mimarisini test ettiler ve onu yedi alternatifle karşılaştırdılar. Gmail'i örnek olarak kullanarak sistemin esnekliğini ve verimliliğini gösterdiler.

Not: Ünlü Penguen'in 2016 yılına kadar kaynak yoğunluğu, yılda yalnızca birkaç kez piyasaya sürüldüğünü kabul etti! Yakında minimum maliyetle gerçek zamanlı olarak çalışabilir.

Algoritma, farklı varlık tasarrufu seviyelerine karşı dayanıklıdır: %80 gerekli olduğunda, yaklaşık %8 daha fazla tıklama tasarrufu sağlar. Bu, yeniden eğitmeyi kolaylaştırır ve ona çok yönlülük sağlar.

BERT olarak MUM, Transformer mimarisi üzerine tasarlanmıştır. MoSE bunu kullanmaz, ancak yakında genişletilebilir (burada, örneğin LSTM, GRU gibi diğer modülleri kullanabilirsiniz). Bu, esasen MoSE'nin MUM'un bir bileşeni olabileceğini gösterir.

Google her yıl algoritmalar için birçok patent yayınlar, ancak bu MoSE için geçerli değildir. Diğer çalışmalarda hatalar not edilirse, o zaman burada, sistemin temel varlık harcaması olmadan başarısı daha olasıdır.

Özet

MUM, bir Yapay Zeka (AI) teknolojisidir. Muadili MoSE, daha çok Makine Zekası (MI) olarak sunulur. Aralarında hiçbir fark yoktur, büyük olasılıkla - şirketin bilgi tabanında, AI verileri MI olarak sınıflandırılır. Tabii ki, MUM'da MoSE mekanizmasının kesin olarak uygulanıp uygulanmadığını söylemenin bir yolu yok. Bununla birlikte, çok benzerler. Her iki sistemin iç içe olmadığı senaryo da oldukça kabul edilebilir olsa da. İlginç bir şekilde MoSE, Transformers ile genişletilebilen çok başarılı bir algoritmik kuraldır.

Ancak bu algoritmaların geçmişi nasıl gelişirse gelişsin, en önemli şey, aramayı nasıl daha fazla etkileyeceğini anlamaktır.

SEO uzmanları, bir arama motoru algoritmalarını her değiştirdiğinde uyum sağlamalıdır. Birkaç yıl önce BERT tanıtıldığında, web sitesi performansı üzerinde önemli bir etkisi yoktu. Bununla birlikte, süper güçlü AI'nın ortaya çıkması onu yine de etkileyecektir. Bir arama sorgusunu basit, doğal bir dilde açıklamak, sitelerin benzer şekilde hareket etmesini gerektirir. Google algoritmasının SEO üzerindeki olası etkisine bir göz atalım.

Dil engellerini ortadan kaldırmak

Dil, örneğin çok dilliliğe adapte edilmemiş web siteleri söz konusu olduğunda, birçok kullanıcı için bir engel haline gelir. Bu durumda algoritma bu sınırları kırabilir. Başka bir dilde bir arama terimi girmiş olsanız bile, 75 dilde yazılmış kaynakları inceleyebilir ve bunlarla ilgili bilgileri arayabilir! Örneğin, aynı Fuji Dağı hakkında bilgi arıyorsunuz. Arama motoru sonuçları bulur, ancak bilmediğiniz Japonca. MUM, bu sitelerdeki bilgileri tercih ettiğiniz dile dönüştürürken, genişletilmiş yanıtlara izin verir (en iyi manzaraların keyfini çıkarabileceğiniz, hangi popüler hediyelik eşya dükkanlarını ziyaret edebileceğiniz vb.). Yani, aramanın yapıldığı bölgeye bağlı olarak herhangi bir bilgi çevrilecektir.

Birden fazla görevi aynı anda anlama

Bu yaklaşım, sorguyu daha iyi anlamanızı sağlar: Adams ve Fuji olmak üzere iki dağ vardır. İlkine tırmandığınızı ve sonbaharda bir diğerine tırmanmak için bilgi aradığınızı varsayalım. Bu durumda, algoritma fauna ve florayı dikkate almadan jeolojideki farklılıkları analiz edebilir. Ayrıca, yürüyüşün başarılı olması için eğitim de dahil olmak üzere mükemmel fiziksel hazırlık gereklidir. Ancak sonbahardan bahsediyorsak, bir kıyafet aramaya değer.

Dil üretimi

GPT-3 hakkında hiç bir şey duydunuz mu? İnsan benzeri metinler üretebilen bir dil dönüştürücüdür. Kalitesi o kadar yüksektir ki, gerçeğinden ayırt etmek oldukça zordur: bu, araştırmacılar arasında çok fazla endişeye neden olur. Bazıları bunun tehlikeli olduğunu düşünürken, bazıları ise tam tersine bunun bir mucize mucizesi, insanoğlunun şimdiye kadar ürettiği en inanılmaz yaratılış olduğunu düşünme eğilimindedir. Dolayısıyla, bu sistemi MUM ile karşılaştırdığımızda, sonuncusunun potansiyel müşteri kazanma şansı vardır. Başlangıç ​​olarak, dilsel sembollerin biçiminin onların ampirik temsilleriyle nasıl ilişkili olduğunu anlamaya değer. Bir bilgisayarın içindeki bir model, karakterlerin şekillerini "anlayabilir", ancak anlamlarını (bir kişinin algıladığı gibi) değil. Şirket, aramadaki önyargıyı azaltmaya ve her buluşla karbon ayak izini azaltmaya çalışıyor.

çok modalite

Bu, GPT-3 ve LaMDA'ya kıyasla MUM teknolojisinin büyük bir avantajıdır. Gerçek şu ki, sistem bilgileri farklı biçimlerde anlayabilir: örneğin resimlerden, videolardan ve metinlerden. Pandu Nayak, blogunda ayakkabılarınızı fotoğraflarken bir örneği anlattı, şu sorunun cevabını alabilirsiniz: "Onları giyerek Fuji Dağı'na gidebilir miyim?" Sonuç olarak, metin isteğine bir resim bağlanacak ve önerilen botların ve diğer ekipmanların listesinin bulunduğu bir bloga yönlendirileceksiniz. Sonuçta, uygun!

Bu yönün önemi, insan beyninin işleyişiyle karşılaştırıldığında daha iyi gösterilir. Çoklu-duyulu doğa sayesinde dünyanın tüm görkemini bu şekilde anlıyoruz: görme, işitme, dokunsallık, vb. Beyin, birleşik deneyimi tek bir gerçeklik görüşü olarak yorumlar.

Çoğu olay ve hatta nesneler çok farklı bilgiler taşır. Bir limon hayal edin: Tadına ve kokusuna aşinasınız, oval bir şekle ve gözenekli bir yapıya sahip. Elektromanyetik, mekanik, kimyasal bilgiler de aynı şekilde iletilebilir. Beyin multisensörü, multimodalitenin değerlendirilmesine izin verir. Her şey ne kadar da birbirine bağlı!

MUM, yapay zeka açısından tıpkı bir insan gibi verileri değerlendiren ve birleştiren ilk benzersiz algoritma olacak. Bu fenomenin etiği hakkında daha fazla konuşacağız.

Yani oyunun kuralları değişeceği için SEO gereksiz ve modası geçmiş hale gelebilir. Google kurulduğu günden beri, sorguları doğal olarak işleyebilen mükemmel arama motorunu yaratmaya çalışıyor. BERT 2019'da ortaya çıktığında, soruları yeterince anlamadan yanlışlıkla yanıtları yeniden üretebileceği açıklandı.

Not: Bu arada bunun nedenlerinden biri de “keyword-ese” yapı girişidir.

Doğal olarak, bir arama motoru, insanlar arasındaki diyalogdan farklı, benzersiz bir iletişim tarzı varsayar. Tabii ki, BERT'i takdir etmeliyiz çünkü anahtar cümleleri yorumlamak için tamamen yeni bir düzeye yükseltildi. Bu işlemin yeterli şekilde gerçekleşmesi için, çoğu, anahtar kelimeleri izleyebilen SpySERP denetleyicisini kullanır. MUM uygulanana kadar, aramayı kullanıcılar için optimize etmenin SEO kullanmaktan başka bir yolu yoktur. BERT, anahtar kelimelerin site sıralamasındaki etkisini de azalttı - tam terimlerden bağımsız olarak, kullanıcının isteğinin alakalı bilgilerle eşleşmesini önemser.

SEO'nun modasının geçeceği gerçeğini dışlamadan arama motorlarında bir devrim beklemeliyiz. Algoritma, sizin için tüm işleri yapacak bir tür kişisel asistana dönüşecek. Kullanıcılar, lehçeye dayalı bir doğal dil sorgusu çalıştırabilecekken neden arama çubuğundaki her kelimeyi eşleştirmeye çalışsın? Belki anahtar kelimelerin önemi bugünkü kadar yüksek olmayacak ama yine de içeriği dolduracaklar.

Not: MUM'un metni terimlerle doldurması beklenmez ve içerik optimizasyonu fikri yoktur. Birisi arama motorunu aldatmaya karar verirse, başarısızlığa mahkum olacaktır. Tarayıcılar için yapılmış sayfalar artık yok olacak.

Google'ın icatlarıyla ilgili etiği

Şirket, herhangi bir ürünü piyasaya sürmeden önce kapsamlı bir araştırma yapar. Her arama motoru güncellemesini insan değerlendiriciler tarafından test etmek, gelecekteki kullanıcılarına alakalı sonuçlar sunmak için kritik öneme sahiptir. Örneğin, bazı öneriler, algoritmaların sonuçlarının ne kadar iyi olduğunu anlamanıza yardımcı olur.

BERT gibi, MUM da bir değerlendirme sürecinden geçmek zorunda kalacak. Şirket, makine öğreniminde yanlılığı gösterebilecek kalıplar aramaya kararlıdır.

Bildiğiniz gibi, büyük sinir ağları eğitmek için muazzam bir bilgi işlem gücü gerektirir. Google, MUM gibi sistemlerin karbon ayak izini azaltmaya kararlıdır. Bu, arama deneyimini önemli ölçüde iyileştirecektir.

Algoritma çıkış tarihi

RustyBrick'in SEO'su Barry Schwartz'a göre, şirketle Twitter üzerinden iletişime geçti. Danny Sullivan, Google'ın ruhuyla ona yazdı ve MUM piyasaya çıkar çıkmaz haberini verdi.

Buna karşılık şirket, blogunda ürünün önümüzdeki aylarda, yıllarda eklenebileceğini duyurdu. Ve şu anda sadece özelliklerini inceliyorlar ve proje deneysel bir aşamada olsa da, hala geleceğe doğrudan bir yol! Artık arama motoru doğal konuşmayı anlayacak ve onu bir kişinin beyni olarak, yani çok duyusal ve çok modlu kullanarak yorumlayacaktır.

Not: Google şu anda kullanıcı isteklerinin türlerini daha iyi anlamak için pilot projeler yürütmektedir. Bu, MUM sistemini geliştirmek için kullanışlı olacaktır.

Google, yıllık geliştirici etkinliğinde yeni MUM projesini duyurdu. Sansasyonel konu, arama motorları dünyasında bir devrim haline geldi. Gücü, insan beyni düzeyinde çalışan çok dillilik, çok görevlilik ve çok modlulukta yatmaktadır. Artık sadece sembollerin şekli değil, bağlamı da algılanacaktır. Peki Google, içeriği gerçekten 75 dilde okuyabiliyor, duyabiliyor ve görebiliyorsa ve ardından onu yeni bir biçimde ve kullanıcı için doğal olan başka bir dilde yeniden paketleyebiliyorsa, bu SEO'ya nasıl yansıyacak?

Büyük olasılıkla, lansmanı SEO dünyasında, BERT'in halka açıldığı 2019'dakiyle kıyaslanamayacak şekilde bir sıçrama yapacak. Ve sitelerin performansı üzerinde güçlü bir etki daha önce fark edilmediyse, bu durumda, önemli sorgular dikkate alınmayabilir. En azından şu ana kadar bununla ilgili bir veri yok. Yani sorgular doğal dilde girilecek, ancak gerekirse arama motoru sonuçları çevrilebilecek. Böylece kullanıcılar, süper güçlü ve aynı zamanda kaynak yoğun olmayan yapay zeka kullanarak en alakalı bilgiyi alacaklardır.

SEO uzmanları için geriye ne kaldı? Büyük olasılıkla haberleri beklemek ve elbette iyi yazılmış metinlere sahip olmak. Okunması kolay ve doğal olarak optimize edilmişlerse, MUM bunun için size teşekkür edecektir. Derecelendirmeyi yükseltmek için anahtar kelimelerle doldurma yok, kullanıcıların isteklerine tam uyum - sistem buna daha da yakından dikkat edecek. Ek olarak, bir atılım beklerken, ürününüzü geliştirmeye devam edin, marka tercihi oluşturmaya odaklanın - bu, sonraki tanıtımına yansıtılacaktır.