曉查 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
還記得你第一次用谷歌搜索引擎的時候，老師是怎麼教你的嗎？
在多個關鍵詞中插入空格，比如你想搜一篇機器學習在醫學上應用的論文，那麼你就會在搜索框中輸入“機器學習 醫學”。
即使我們掌握了搜索引擎的使用技巧，有時候並不能返回最佳的查詢結果。
比如搜索“2019年前往美國的巴西旅客需要簽證”（2019 brazil traveler to usa need a visa）。
搜索引擎會關注“巴西”、“美國”、“簽證”這些關鍵詞，算法無法理解其中聯繫的重要性，就會返回有關前往巴西的美國人的無關搜索結果。
搜索的核心是理解語言。因此應該做到無論如何拼寫或組合查詢中的單詞，都要弄清楚用戶搜索的內容，並從網絡上返回有用的信息。
這些年來，儘管谷歌在NLP領域取得了很多重大突破，但有時做得還不夠好，尤其是在複雜或對話式查詢中。
這也是人們經常使用“關鍵詞”搜索的原因之一，但這並不是自然的提問方式。
用BERT改善搜索
去年，谷歌提出了一種被成為BERT的NLP技術，今日谷歌宣佈將BERT用於自家的搜索引擎之中。
谷歌表示，這是過去五年中最大的飛躍，其中之一是搜索歷史上最大的飛躍。
前面提到的查詢“2019 brazil traveler to usa need a visa”，過去由於搜索引擎無法理解語義，不知道“前往”（to）在這句話中的重要性，因此返回了錯誤的結果。
在引入BERT後，谷歌就能掌握這一細微差別，並且知道單詞“ to”在這裡實際上很重要，並且為該查詢提供更相關的結果。
這項突破是谷歌研究Transformer的結果：Transformer模型可處理與句子中與單詞之間的關聯，而不是一個接一個地單獨處理單詞。
因此，BERT模型可以通過查看單詞前後的單詞來考慮全部上下文，這對於理解搜索查詢背後的意圖尤其有用。
又比如，向搜索引擎提問：“Do estheticians stand a lot at work？” ，過去系統無法理解語句中“stand”的含義。
而BERT瞭解到“站立”（stand）是和“美容師”（estheticians）工作性質有關的詞，從而返回了正確的結果。
在其他一些例子中，BERT可以幫助搜索引擎理解人類語音的一些細微差異，這在過去是計算機無法理解的。
哪些語言能用上
不僅英語國家能用上BERT改進後的谷歌搜索，谷歌表示還會將這項技術推廣到其他語種，讓更多語言的人用上。
BERT模型強大之處在於，它可以從一種語言中學習並應用於其他語言。因此，谷歌可以採用從大量英語中學習的模型，並將其應用於其他語言。
谷歌正在使用BERT模型來改進20多個國家或地區的搜索引擎，其中包括使用韓語、印地語和葡萄牙語等語言的地方。
仍有改進空間
最後，谷歌在宣傳這項技術時，還大方承認了其中的一些缺陷。
比如搜索“哪個州位於內布拉斯加州以南”（what state is south of Nebraska），BERT會猜測你搜索的是“南內布拉斯加州”（South Nebraska）。
谷歌表示，語言理解仍然是一個持續的挑戰，將會繼續改進搜索。“我們一直在不斷進步，並努力在你發送的每條查詢中找到正確的含義（以及最有用的信息）。”
谷歌博客：
https://blog.google/products/search/search-language-understanding-bert/
— 完 —
量子位 QbitAI · 頭條號簽約作者
關注我們，第一時間獲知前沿科技動態
閱讀更多 量子位 的文章
