رابی استاین از گوگل به تازگی جزییات تازه ای درباره تکنیک query fan-out در حالت هوش مصنوعی گوگل منتشر کرده و توضیح داده که گوگل چطور کوئری های مخصوص خودش را تولید و اجرا می کند.
در یک مصاحبه جدید، معاون محصول جستجوی گوگل، رابی استاین، اطلاعات تازه ای درباره نحوه عملکرد query fan-out در حالت هوش مصنوعی ارائه داد.
هرچند قبلا در مطالب وبلاگی گوگل درباره وجود تکنیک query fan-out صحبت شده بود، اما صحبت های استاین جزئیات بیشتری را درباره سازوکار این ویژگی ارائه کرده و نمونه هایی مطرح کرده که عملکرد واقعی این تکنیک را روشن تر می کند.
درباره تکنیک Query Fan-Out
زمانی که یک کاربر سوالی را در حالت هوش مصنوعی گوگل وارد می کند، این سیستم با استفاده از یک مدل زبان بزرگ، سوال را تفسیر می کند و سپس چندین جستجوی مرتبط را به طور همزمان انجام می دهد.
این جستجوها به زیرساخت گوگل ارسال می شوند و ممکن است موضوعاتی را هم شامل شوند که کاربر به طور مستقیم اشاره نکرده است.
استاین در مصاحبه گفت:
اگر سوالی مثل «چه کارهایی می شود در نشویل با یک گروه انجام داد» بپرسید، سیستم ممکن است مجموعه ای از سوالات مثل «رستوران های خوب»، «بارهای خوب»، «فعالیت هایی برای کودکان» و… را در نظر بگیرد و شروع به جستجو کند.
او این سیستم را ابزاری توصیف کرد که از جستجوی گوگل به عنوان یک ابزار پشتیبان استفاده می کند، چندین کوئری را اجرا می کند و در نهایت نتیجه ها را با لینک های مربوطه در یک پاسخ واحد ترکیب می کند.
این قابلیت هم اکنون در حالت AI Mode، Deep Search و برخی تجربه های AI Overview فعال است.
استاین گفته که تجربه های جستجو با هوش مصنوعی، شامل query fan-out، اکنون تقریبا به ۱.۵ میلیارد کاربر در هر ماه سرویس می دهند. این خدمات شامل ورودی های متنی و چندحالته است.
منابع داده پشت این سیستم شامل نتایج معمول وب و همچنین سیستم های بلادرنگ مثل Shopping Graph گوگل است که هر ساعت ۲ میلیارد بار به روزرسانی می شود.
او جستجوی گوگل را “بزرگ ترین محصول هوش مصنوعی جهان” نامیده است.
جستجوی Deep Search
در مواقعی که سیستم های گوگل تشخیص می دهند یک جستجو به تحلیل عمیق تری نیاز دارد، قابلیتی به نام Deep Search فعال می شود. دیپ سرچ می تواند ده ها یا حتی صدها جستجوی پس زمینه اجرا کند و ممکن است این فرایند چند دقیقه طول بکشد.
استاین تجربه خود را در تحقیق درباره گاوصندوق های خانگی مثال زد که خرید آن نیازمند بررسی نکاتی مثل مقاومت در برابر آتش یا شرایط بیمه است.
او توضیح داد:
چند دقیقه وقت گذاشت و اطلاعات را جستجو کرد و در نهایت یک پاسخ جامع به من داد. رتبه بندی ها را توضیح داد و نمونه هایی از گاوصندوق ها را معرفی کرد و لینک و نقد و بررسی هایی برای مطالعه بیشتر قرار داد.
استفاده AI Mode از ابزارهای داخلی گوگل
استاین اشاره کرده که AI Mode به ابزارهای داخلی گوگل مثل Google Finance و سایر سیستم های داده ساختاریافته دسترسی دارد. مثلا، اگر درخواست مقایسه سهام ثبت شود، سیستم می تواند شرکت های مرتبط را شناسایی کند، اطلاعات لحظه ای بازار را دریافت کند و نمودار رسم کند. فرآیند مشابهی برای جستجوهای خرید، پیشنهاد رستوران و دیگر انواع جستجو که نیاز به اطلاعات بلادرنگ دارند هم اجرا می شود.
استاین گفته است:
ما تقریبا همه سیستم های اطلاعات بلادرنگ گوگل را ادغام کرده ایم… حالا مثلا می تواند از Google Finance داده بگیرد، اطلاعات پروازها را بخواند… اطلاعات فیلم ها را داشته باشد… ۵۰ میلیارد محصول در کاتالوگ خرید وجود دارد که فکر می کنم هر ساعت ۲ میلیارد بار به روز می شوند. حالا همه این داده ها در اختیار مدل های هوش مصنوعی هستند.
استاین فرایندی را توصیف کرده که شبیه یک پتنت ثبت شده گوگل در دسامبر درباره جستجوی موضوعی است.
در این پتنت، سیستمی توضیح داده شده که بر اساس موضوعات استنباط شده، کوئری های فرعی می سازد، نتایج را بر اساس موضوع گروه بندی می کند و خلاصه ای با استفاده از مدل زبانی می سازد. هر موضوع می تواند به صفحات منبع لینک بدهد، اما خلاصه ها از چند سند مختلف گردآوری می شوند.
این رویکرد با رتبه بندی سنتی جستجو متفاوت است چون محتوا را به جای کلیدواژه، بر اساس موضوعات کلی دسته بندی و ارائه می کند. با اینکه پتنت به معنی اجرای قطعی این فرایند نیست، اما شباهت زیادی با توضیحات استاین درباره عملکرد حالت هوش مصنوعی گوگل دارد.
حالا که گوگل توضیح داده حالت هوش مصنوعی چطور خودش جستجو ایجاد می کند، مرز بین معنای واقعی “کوئری” کم کم در حال محو شدن است.
این مساله چالش هایی برای بهینه سازی، انتساب و حتی اندازه گیری نتایج ایجاد می کند.
با تغییر رفتار جستجو و حرکت به سمت سیستم های هوش مصنوعی و پراکندگی کوئری ها، ممکن است لازم باشد سئوکار ها کمتر روی رتبه گرفتن برای یک کلمه کلیدی تمرکز کنند و بیشتر به دیده شدن در زمینه های مختلفی که هوش مصنوعی داده هایش را جمع آوری می کند توجه داشته باشند.
