A Medida Que Los Mecanismos De Investigación Utilizan El Aprendizaje De La Máquina: 9 Cosas Que Sabemos Con Seguridad A Través De @Sejournal, @_Kevinrowe

Los gigantes de la tecnología están invirtiendo en gran medida en el aprendizaje automático.

En 2019, Microsoft invirtió en 11 startups de inteligencia artificial (IA), con $ 1 mil millones solo para OpenAI. Y ni siquiera son la mayor fuente de inundaciones de capital de riesgo corporativo.

En el mismo año, Intel Capital hizo 19 inversiones, y Google Ventures hicieron 16 inversiones.

Esta enorme afluencia de capital significa que el poder de la computación IA está avanzando rápidamente en una variedad de sectores, desde la salud, la construcción, la comercialización y la optimización de motores de búsqueda.

Sin embargo, antes de entrar en las implicaciones del aprendizaje de la máquina para el SEO profesional, definiremos lo que queremos decir con AI.

Existem 3 tipos de IA:

IA estreita ou fraca: este tipo de IA é projetado para realizar tarefas especializadas que devem ser “ensinadas” para o algoritmo (pense nos algoritmos de pesquisa De Google). Aunque en el alcance extremadamente especializado, IA (ANI) estrecho es capaz de reconocer rápidamente los patrones y realizar tareas de una manera que supere la capacidad humana. General o fuerte fue: capaz de aprender y resolver problemas de manera autónoma, el general AA (AGI) lleva el aprendizaje de la máquina al siguiente nivel. Esto fue impulsado por los procesos de aprendizaje profundo diseñados para reflejar las redes neuronales del cerebro humano, lo que permite al algoritmo tomar decisiones sin instrucción. Supperintigencia: en la actualidad, la superintenigencia artificial (ASI) todavía cae completamente en la categoría de ciencia ficción. Este tipo de sería, teóricamente, capaz de superar las capacidades humanas para resolver problemas «insolubles» de nuestro tiempo.

Mientras que las empresas como Optai y Conversion.ai se están moviendo hacia el desarrollo de la producción general al procesamiento de lenguaje natural, actualmente no hay un ejemplo claro de AGI.

Publicidad

Sigue leyendo abajo

Para avanzar desde ANI a AGI, el aprendizaje profundo será la clave para crear más fuerte, capaz de usar el razonamiento deductivo para analizar el complejo y datos no estructurados y tomar decisiones independientes.

En 2016, Google declaró su intención de convertirse en una «máquina de aprendizaje automático» con compañía. Desde entonces, dieron pasos empinados hacia este objetivo, lanzando Google allí en 2017 y lanzando Bert en 2019.

¿Cuál es su objetivo para apostar todo en el aprendizaje automático?

Bueno, según Google, no solo quieren hacer que nuestras vidas sea más fácil, sino que también usaría «nuevas formas de analizar los problemas existentes, de repensar la salud hasta el avance del descubrimiento científico. «

Además de estos altos objetivos para el futuro, la humanidad ya está viendo estos avances en el aprendizaje de la máquina en una escala más pequeña en algo con lo que interactuamos todos los días: algoritmos del mecanismo de investigación.

Google ha permanecido en la forma en que se ha mantenido estable en la forma en que conecta a los usuarios al contenido que buscan, incluidas estas nueve formas en que sabemos que los motores de búsqueda están utilizando el aprendizaje de la máquina en este momento.

ad

Continuar leyendo abajo

1. Detección de patrones

Los motores de búsqueda están utilizando el aprendizaje de la máquina para detectaciones de estándares que ayudan a identificar Spam o contenido duplicado.

El contenido de baja calidad generalmente tiene distintas similitudes, tales como:

La presencia de varios enlaces externos a páginas no relacionadas. Muchos usos de palabras o sinónimos irrelevantes. La tasa de ocurrencia de las palabras clave «SPAM» identificó.

El aprendizaje de la máquina reconoce estos estándares y los señala. También utiliza los datos de interacción del usuario para detectar cuando se están utilizando nuevas estructuras y técnicas de spam, reconocen los nuevos estándares y las indican con éxito.

Incluso si Google todavía usa evaluadores de calidad humana, el uso de la máquina de aprendizaje automático para detectar estos patrones reduce drásticamente la cantidad de mano de obra necesaria para revisar el contenido.

De esta manera, Google puede tamizar automáticamente las páginas para eliminar el contenido de baja calidad antes de que un humano real tenga que involucrarse.

El aprendizaje de la máquina es una tecnología en constante evolución, por lo que se analizan más páginas, más precisa es (al menos en teoría).

2. Identificación de nuevas señales

Rankbrain es el algoritmo de aprendizaje de la máquina desarrollado por Google que no solo ayuda a identificar los estándares en las consultas, sino que también ayuda al motor de búsqueda para identificar posibles nuevos Señales de clasificación.

Antes de Rankbrain, el algoritmo de Google estaba completamente codificado a mano. Dependía de un equipo de ingenieros para analizar los resultados de la consulta de búsqueda, ejecutar pruebas para mejorar la calidad de estos resultados e implementar los cambios.

Ahora, mientras que todavía hay ingenieros humanos que trabajan en el algoritmo, Rankbrain trabaja en silencio en el fondo, realizando pruebas y medición de cómo los cambios afectan las interacciones de los usuarios.

Rankbrain resuelve algunos de los problemas complicados que usó Google para enfrentar con los algoritmos tradicionales, incluido cómo manejar los términos de investigación que nunca se han insertado antes en Google.

Según Google Gary Illlyes en 2019 Reddit AMA:

«Rankbain es un componente de aprendizaje automático PR-Sexy que utiliza datos históricos de investigación para predecir el que un usuario [SIC] probablemente Haga clic en una consulta invisible. «

Publicidad

Continuar leyendo a continuación

Cómo los motores de búsqueda pueden enseñar a la nología tecnológica cómo realizar predicciones y datos por su cuenta, allí Puede ser menos trabajo manual y los empleados pueden avanzar hacia otras cosas que las máquinas no pueden hacer, como la innovación o los proyectos enfocados en el ser humano.

3. Se considera una pequeña parte

Sin embargo, aunque el aprendizaje de la máquina está transformando lentamente la forma en que los motores de búsqueda encuentran y clasifican los sitios, esto no significa que tenga un Impacto importante y significativo (actualmente) en nuestros SERPS.

En una discusión de la Oficina Central de 2009 Webmaster, Google John Mueller menciona cómo el aprendizaje de la máquina ayuda a los ingenieros de Google a comprender mejor varios problemas, pero tiene cuidado de observar que:

«… El aprendizaje de la máquina no es solo una caja negra que hace todo para usted, donde alimenta Internet desde un lado y el otro sale los resultados de búsqueda. «

Más recientemente, en la discusión de las horas de oficina de mayo de 2021, explicó que el aprendizaje de la máquina puede ajustar el peso de varias señales de clasificación. Pero de nuevo, todavía hay personas reales que verifican y ajustan manualmente estos valores.

Publicidad

Continuar leyendo a continuación

El objetivo final de Google es usar la tecnología para proporcionar a los usuarios una mejor experiencia. No quieren automatizar todo el proceso si esto significa que el usuario no tendrá la experiencia que está buscando.

Entonces, no asuma que el aprendizaje de la máquina pronto asumirá toda la clasificación de la investigación; Es simplemente una pequeña pieza del rompecabezas que los mecanismos de investigación se han implementado para facilitar nuestras vidas.

4. Señales personalizadas basadas en consultas específicas

Google Las políticas de privacidad actuales discuten cómo actualmente el motor de búsqueda crea resultados de búsqueda personalizados basados ??en el comportamiento de un usuario.

Patente personalizada de búsqueda de Google, US20050102282A1, dice:

«… La búsqueda personalizada genera resultados de búsqueda diferentes para diferentes usuarios del motor de búsqueda basado en sus intereses y comportamientos anteriores».

Podemos ver claramente esto en acción. Con frecuencia se usa en las presentaciones de la conferencia, demuestra que este proceso es tan simple como ingresar una serie de consultas de Google a la vez y ver cómo cambian los resultados dependiendo de la última investigación que hizo.

ad

Continuar leyendo abajo

Por ejemplo, si busco [Estadio de fútbol de Nueva York] en un navegador anónimo, recibo la respuesta [Estadio MetLife].

A continuación, si busco el mismo navegador solo para solo [Jets], Google asumirá que porque mi última consulta fue sobre un estadio de fútbol, ??entonces esta consulta también se trata de fútbol.

A medida que continúo con mi investigación, Google descubre cuando mi interés comienza a cambiar.

La búsqueda de [jaguares] En el mismo navegador mostrará información sobre el equipo de la NFL, Jacksonville Jaguars (que está relacionado con mis dos últimas búsquedas).

Pero en el momento en que comience a investigar [Zoo cerca de San Diego] y Digito [zoológico] en el cuadro de consulta, Google sugiere [zoológicos con onzas], aunque no ha investigado onzas por segunda vez.

El historial de búsqueda es solo un componente de la experiencia de búsqueda que los usos de aprendizaje de la máquina para proporcionar mejores resultados.

Publicidad

Continuar leyendo abajo

5. Procesamiento de lenguaje natural

Es importante que un motor de búsqueda pueda reconocer la forma en que Similar una parte del texto es la otra. Esto se aplica no solo a las palabras utilizadas, sino también a su significado más profundo.

Representaciones del codificador bidireccional de transformadores-BERT, para abreviar: es una estructura de procesamiento de aprendizaje natural que Google utiliza para comprender mejor el contexto de la consulta de búsqueda de un usuario.

Las personas no siempre hablan como una máquina esperaría que hablen. Jugamos con el idioma para crear nuevas formas de expresión.

Utilizamos la misma palabra para describir cosas diferentes. A veces somos incluso ambiguos.

Sin embargo, a medida que más personas usen y busque nuevas frases en línea, la máquina de aprendizaje automático puede mostrar información más precisa para estas consultas.

Las tendencias de Google es un gran ejemplo delantero de eso. Una nueva frase o palabra que gana fuerza (por ejemplo, «Shine» o «Verter Tea») puede tener resultados de búsqueda sin sentido al principio.

Publicidad

Continuar leyendo a continuación

BERT está diseñado para replicar el reconocimiento humano lo más cerca posible de decodificar estos matices contextuales al aprender cómo los usuarios interactúan con el contenido y combinando la búsqueda Consultas con resultados más relevantes.

A medida que el lenguaje se desarrolla y transforma, las máquinas son más capaces de predecir nuestros significados detrás de las palabras que decimos y nos proporcionan una mejor información.

6. Buscar imágenes para entender fotos

Cada segundo, aproximadamente 1087 fotos se envían a Instagram y 4000 se cargan en Facebook. Hay cientos de millones de fotos que se envían a estas dos redes sociales todos los días.

Analizar y catálogo Tantos envíos serían una tarea ardua (si no imposible) para un humano, pero es perfecto para el aprendizaje automático.

El aprendizaje de la máquina analiza los patrones de color y las formas y los asocia con cualquier datos esquemáticos existentes en la fotografía para ayudar al motor de búsqueda a comprender qué es realmente una imagen.

Así es como Google es capaz de no simplemente catalogando las imágenes para los resultados de búsqueda de Google, pero también mejora su búsqueda de imágenes inversas, lo que permite a los usuarios buscar usando una imagen en lugar de una consulta de texto.

Continúe leyendo a continuación

Los usuarios pueden encontrar otras instancias de la foto en línea, así como fotos similares que tengan las mismas asignaturas o paletas de colores e información sobre El tema importa.

A su vez, la forma en que interactúa con estos resultados puede dar forma a sus servidores en el futuro.

7. Mejoras en la calidad y segmentación del anuncio

Al igual que sus resultados de búsqueda orgánicos, Google desea proporcionar los anuncios más relevantes para sus usuarios individuales. Según Google Patents en US20070156887 y US9773256 sobre la calidad del anuncio, se puede usar el aprendizaje automático para mejorar un «modelo estadístico que de otra manera sería débil».

Esto significa que la clasificación del anuncio puede ser influenciada por un sistema de aprendizaje automático.

«Valor de la lanza, calidad de anuncio durante la subasta (incluida la tasa de clics esperada, la relevancia publicitaria y la experiencia en la página de destino), los límites de calificación de anuncios, el contexto de la investigación de la persona» se introduce en el Sistema de palabras clave de palabras clave para determinar qué límites son considerados por Google para cada palabra clave.

8. Sinónimos Identificación

Cuando vea los resultados de búsqueda que no incluyen la palabra clave en SNIPPET, es probable que Google esté usando Rankbrain para identificar los sinónimos.

Publicidad

Sigue leyendo abajo

Al buscar [conservación forestal], verá varios resultados con la palabra «protección», ya que se puede usar alternativamente. Con «preservación» en este caso.

Google AVIERDE AVIERDO ANUNCIOS Los sinónimos en algunos casos, incluso indicando que está reconociendo los sinónimos.

9. Aclaración de la consulta

Uno de mis problemas favoritos es la consulta de búsqueda de la intención del usuario.

Hay muchas razones para iniciar un motor de búsqueda. Los usuarios pueden estar buscando para comprar (transacciones), búsqueda (informativa) o encontrar recursos (navegación) para cualquier búsqueda.

ad

Continúe leyendo a continuación

Además, una palabra clave puede ser útil para una o cualquiera de estas intenciones.

Al analizar, haga clic en Patrones y tipo de contenido con los que están involucrados los usuarios (por ejemplo, CTRS por tipo de contenido), un motor de búsqueda puede aprovechar el aprendizaje de la máquina para determinar la intención de la búsqueda de usuarios.

Se puede ver un ejemplo con la consulta «Mejores colegios» en una búsqueda de Google.

Los resultados son los análisis y una lista de colegios en un SERP, con las universidades enumeradas en la parte superior. Esto demuestra la comprensión de Google sobre las posibles intenciones detrás de la investigación.

ad

Continuar leyendo a continuación

Esto está cambiando de la forma en que se encuentra la estructura y la posicionamiento de los enlaces, como el algoritmo de Google, utiliza herramientas como Bert para mejorar el contexto Evaluación de dónde se colocan estos enlaces.

Resumen

Aunque el aprendizaje de la máquina no es (y probablemente nunca será) perfecto, más interactúe con él, más preciso e «más inteligente» se convertirá.

Esto puede ser alarmante para algunos, creando vistas de Skynet desde las películas «Terminator».

Sin embargo, el resultado real puede ser una mejor experiencia con la tecnología que resuelve problemas complejos y permite que los humanos se centren en estimular la creatividad y la innovación.

En 2018, la investigación de PEW lideró una encuesta en la que el 63% de los encuestados dijeron que tienen la esperanza de que el futuro de la humanidad tenga en cuenta que en 2030, los humanos serán mejores con la ayuda de la inteligencia artificial.

Una forma que ya vemos que mejora la calidad de vida es con la investigación. Como Google y otros mecanismos de investigación revolucionan el aprendizaje de la máquina, podemos encontrar fácilmente la información y los servicios que necesitamos cuando necesitamos.

ad

Continuar leyendo abajo

Más recursos de aprendizaje automático:

créditos de imagen

Todas las capturas de pantalla hechas por Autor, junio de 2021

Compartir