بعد از آپدیت مارچ که گوگل به بحث کیفیت محتوا پرداخته بود، این بار از الگوریتم جدیدی که در ارتباط با محتوا است، رونمایی کرده است. گوگل بزرگترین تغییر در سیستم سرچ خود را از زمانی که رنک برین را ۵ سال پیش معرفی کرده بود، رونمایی کرد. گوگل با معرفی الگوریتم برت (BERT) قدمی بلند در فهم محتوا برداشته است؛ گوگل به دنبال درک بهتر از محتوا است. شاید روزی برسد که ربات‌های گوگل همچون یک انسان محتوا را درک کند؛ واقعا دور از ذهن نیست، الگوریتم برت را جدی بگیریم.
الگوریتم برت (BERT) چیست و چگونه کار می‌کند؟
برای نگارش این مقاله، در ابتدا به سراغ مقاله‌ای که پاندو نایاک (Pandu Nayak)، معاون ارشد گوگل، رفته‌ایم. او در این مقاله شرح داده است که الگوریتم برت (BERT) چیست و چگونه کار می‌کند. با پاندو نایاک همراه باشید:
چیزی را که طی ۱۵ سال کار با گوگل فهمیده‌ام، این است که پرسش‌ها و کنجکاوی‌های مردم پایانی ندارد. روزانه میلیون‌ها سرچ را می‌بینیم؛ در حالی که ۱۵ درصد از این سرچ ها را قبلاً ندیده‌ایم. بنابراین ما برای نتایج سرچ هایی که پیش بینی نکردیم، چاره‌ای اندیشیده‌ایم.
زمانی که در حال سرچ هستیم، ممکن است در مورد بهترین روش سرچ مطمئن نباشیم. ممکن است ندانیم کلمات صحیح چگونه استفاده می‌شود و یا املا درست آنها را ندانیم؛ زیرا اغلب اوقات، برای یادگیری سرچ می‌کنیم و لزوماً دانشی از قبل نداریم.
در اصل این وظیفه ما است که به بهترین شکل جستجو کنیم تا بتوانیم به جواب مطلوب برسیم. رسیدن به نتیجه مناسب، یکی از دلایلی است که سبب می‌شود افراد از “عبارت کلیدی” استفاده کنند، به این صورت که قسمتی از کلمات را که فکر می‌کنند گوگل آنها را درک خواهد کرد، تایپ می‌کنند اما در واقع اینگونه نیست که آنها به طور طبیعی سوالی را مطرح کنند.
ما با جدیدترین پیشرفت‌های تیم تحقیقاتی در زمینه دانش زبان – که با استفاده از ماشین‌های یادگیری امکان پذیر است- در حال پیشرفت چشمگیر در نحوه درک جستجوها هستیم، بزرگترین جهش رو به جلو در ۵ سال گذشته و یکی از بزرگترین جهش‌ها در تاریخ جستجو، استفاده از الگوریتم برت است که بیشتر در مورد آن توضیح خواهیم داد.
استفاده از مدل‌های برت برای جستجو
سال گذشته، ما یک فناوری مبتنی بر شبکه عصبی را برای پیش آموزش پردازش زبان طبیعی (NLP) به نام Bidirectional Encoder Representations from Transformers با مخفف BERT معرفی و رونمایی کردیم. این فناوری به هر کسی این توانایی را می‌دهد که سیستم پاسخگویی به سؤالات جدید خود را آموزش دهد.
این موفقیت، نتیجه تحقیقات گوگل در تبدیل کننده‌ها بود: مدلهایی که کلمات را در رابطه با همه کلمات یک جمله پردازش می‌کنند، نه تک به تک کلمات به تنهایی. مدل‌های برت می‌توانند، با نگاه به عبارات قبل و بعد، متن کامل از آن کلمه را در نظر بگیرند؛ مخصوصاً برای فهم هدفی که در عقبه سرچ ها مفید است.
اما این نیست که فقط نرم افزار پیشرفت کرده باشد تا بتوانیم این امر را ممکن سازیم: ما به سخت افزار جدیدی نیز احتیاج داشتیم. برخی از مدلهایی که می‌توانیم با برت بسازیم، آنقدر پیچیده است که به سخت افزارهای قدیمی فشار می‌آورد؛ بنابراین برای اولین بار است که از آخرین کلود TPU برای نتایج سرچ استفاده می‌کنیم و اطلاعات مرتبط‌تری را به شما می‌دهد.
سرچ های شما در حال تغییرند
بنابراین جزییات فنی زیادی دارد، اما همه اینها به چه معنی برای شما دارد؟ خوب، با استفاده از مدل‌های برت، هم برای رنکینگ و هم برای فیچر اسنیپت ها در سرچ، ما می‌توانیم کار بهتری انجام دهیم؛ به شما کمک کنیم اطلاعات مفیدی را به دست آورید. بنابراین، ما برت را در ابتدا در جستجوی انگلیسی در آمریکا به کار خواهیم برد؛ سپس، به مرور زمان به زبان‌های بیشتری خواهیم رساند.
برای اجرای این پیشرفت‌ها، ما تست‌های بسیاری را انجام دادیم تا مطمئن شویم که برت درست کار می‌کند. برای درک بهتر به مثال زیر توجه کنید:
در اینجا، جستجوی “۲۰۱۹ brazil traveler to usa need a visa” کلمه “to ” و ارتباط آن با سایر کلمات در جستجو برای درک معنی، مهم هستند. پیش از این، گوگل اهمیت این ارتباط را نمی‌فهمید و نتایج مربوط به شهروندان آمریکایی را که به برزیل سفر کرده‌اند را نشان می‌داد. گوگل در توضیح گفت: با استفاده از الگوریتم برت می‌توانیم به درک تفاوت سؤال‌ها برسیم وآنچه را که کاربران می‌خواهند، بیابیم.
تا این بخش با ترجمه مقاله انگلیسی Understanding searches better than ever before از پاندو نایک، معاون ارشد گوگل، که در بلاگ گوگل انتشار پیدا کرده است، همراه بودید. در ادامه به بررسی جزیی تر الگوریتم برت و تفاوت آن با رنک برین خواهیم پرداخت:
تفاوت رنک برین (Rankbrain) با برت (BERT)
اولین روش هوش مصنوعی گوگل برای درک نمایش داده در سال ۲۰۱۵، رنک برین بود. برای درک بهتر معانی کلمات در صفحات وب، از رنک برین استفاده می‌شد. باید بگویم که برت جایگزین رنک برین نیست، بلکه یک روش اضافی برای درک محتوا و نمایش داده به حساب می‌آید. در واقع برت یک سیستم افزودنی به سیستم رتبه بندی گوگل است.
رنک برین هنوز هم می‌تواند برای برخی از نمایش داده‌ها استفاده شود اما وقتی گوگل می‌تواند با کمک الگوریتم برت، جستجوها را بهتر درک کند، آن را مورد استفاده قرار می‌دهد. در واقع یک جستجو واحد می‌تواند از روش‌های مختلفی از جمله مدل برت برای درک آن استفاده کند.
الگوریتم برت چگونه عمل می‌کند؟
همانطور که در بخش قبل گفتیم روش‌های زیادی وجود دارد که می‌تواند زبان جستجو شما را بفهمد و ارتباط آن با محتوا در وب را دریابد. به عنوان مثال اگر در املا یک کلمه اشتباه داشته‌اید، سیستم‌های املایی گوگل می‌توانند به شما در پیدا کردن کلمه صحیح کمک کنند.
اگر از کلماتی استفاده کنید که مترادف کلمه واقعی آن در اسناد مربوطه باشد، گوگل می‌تواند با آن مطالب موجود، مطابقت داده و آن را برای شما نمایش دهد. الگوریتم برت سیگنال دیگری است که گوگل برای درک زبان از آن استفاده می‌کند. بسته به آنچه جستجو می‌کنید، از هر یک یا ترکیبی از این سیگنال‌ها می‌توان برای درک درخواست شما و ارائه نتیجه مناسب استفاده کرد.
آیا استفاده الگوریتم برت مؤثر است؟
گوگل به ما گفته است که سئو به روش سابق واقعاً نمی‌تواند برای رنک برین مؤثر واقع شوند؛ اما نتایج نشان می‌دهد که گوگل در درک زبان طبیعی بهتر شده است. فقط سعی کنید مانند همیشه تولید محتوا را برای کاربران خودتان انجام دهید. بقیه ماجرا بستگی به تلاش‌های گوگل برای درک بهتر سؤال جستجوگر و تطابق آن با نتایج مرتبط دارد.
ما چرا به الگوریتم برت اهمیت می‌دهیم؟ نه تنها به این دلیل که گوگل گفت این تغییر “بزرگترین جهش رو به جلو در ۵ سال گذشته و یکی از بزرگترین جهش‌های پیش رو در تاریخ جستجو است” بلکه به این دلیل که ۱۰٪ از تمام نمایش داده‌ها، تحت تأثیر این بروزرسانی قرار گرفته است. این یک تغییر بزرگ محسوب می‌شود.
ممنون بابت مطلب خوبتون