گوگل در حال حاضر بخش پیچیده ای از زندگی مردم است که بسیاری از ما مستقیماً با آن چت می کنیم.

کاربران «چگونه به بازار بروم» یا «بهار کی شروع می‌شود» را تایپ می‌کنند، انگار که به طور طبیعی با شخصی صحبت می‌کنند. اما لازم به یادآوری است: گوگل از الگوریتم ها ساخته شده است.

و این یکی از آن الگوریتم‌ها – Google BERT – است که به موتور جستجو کمک می‌کند بفهمد مردم چه چیزی می‌خواهند و پاسخ‌هایی را که می‌خواهند بیاورد.

درست است: ربات‌ها مردم نیستند، اما فناوری آنقدر پیشرفت کرده است که می‌توانند زبان انسان از جمله عامیانه، اشتباهات، مترادف‌ها و عبارات زبانی موجود در گفتار ما را درک کنند و ما حتی متوجه آن نمی‌شویم.این الگوریتم جستجوی جدید توسط گوگل برای درک بهتر اهداف و محتوای جستجوی کاربران در صفحات وب ایجاد شده است.

الگوریتم گوگل برت(Google BERT) چیست؟

الگوریتم گوگل برت الگوریتمی است که درک موتور جستجو از زبان انسان را افزایش می دهد.

این در دنیای جستجوها ضروری است، زیرا افراد به طور طبیعی منظور خود را در عبارات جستجو و محتویات صفحه بیان می کنند و گوگل برای ایجاد تطابق صحیح بین نیت کاربر و نتایج جستجو تلاش می کند.

BERT مخفف (Bidirectional Encoder Representations from Transformers) است. بیایید آن را بهتر توضیح دهیم!

برای درک اینکه گوگل برت چیست، باید برخی از شرایط فنی را مرور کنیم، خوب؟

برای شروع، برت گوگل یک شبکه عصبی است .

میدانید آن چیست؟

شبکه های عصبی مدل های کامپیوتری الهام گرفته شده از سیستم عصبی مرکزی حیوانات هستند که می توانند الگوها را یاد بگیرند و تشخیص دهند. آنها بخشی از یادگیری ماشین هستند.

در مورد الگوریتم برت گوگل، شبکه عصبی قادر به یادگیری اشکال بیان زبان انسانی است. این بر اساس مدلی از پردازش زبان طبیعی (NLP) به نام Transformer است که روابط بین کلمات را در یک جمله درک می کند، نه اینکه به ترتیب یک به یک توجه کند.

برت گوگل یک مدل قبل از آموزش پردازش زبان طبیعی است. این بدان معناست که مجموعه داده های مدل در یک مجموعه متن آموزش داده شده است و می توان از آن برای توسعه سیستم های مختلف استفاده کرد.

برای مثال می توان الگوریتم هایی را با تمرکز بر تجزیه و تحلیل سوالات، پاسخ ها یا احساسات ایجاد کرد.

همه اینها در زمینه هوش مصنوعی است. یعنی ربات ها همه کار را انجام می دهند!

پس از برنامه ریزی، الگوریتم به طور مداوم در مورد زبان انسان با پردازش میلیون ها داده ای که دریافت می کند، یاد می گیرد.

اما فراتر از دنیای هوش مصنوعی که بیشتر شبیه داستان های علمی تخیلی به نظر می رسد، دانستن این نکته ضروری است که الگوریتم گوگل برت متن کامل یک کلمه را درک می کند (اصطلاحات قبل و بعد و روابط بین آنها ) که برای درک مطالب بسیار مفید است.

گوگل برت چه زمانی منتشر شد؟

در نوامبر 2018، گوگل گوگل برت را به صورت متن باز در پلتفرم GitHub راه اندازی کرد.

از آن زمان به بعد، هر کسی می تواند از کدها و الگوهای از پیش آموزش دیده گوگل برت برای ایجاد سریع سیستم خود استفاده کند.

گوگل خود از برت در سیستم جستجوی خود استفاده کرد. در اکتبر 2019 ، گوگل بزرگترین به روز رسانی خود اعلام کرد و آن پذیرش گوگل برت در الگوریتم جستجو بود.

گوگل قبلاً مدل هایی را برای درک زبان انسان اتخاذ کرده بود، اما این به روز رسانی به عنوان یکی از مهم ترین جهش ها در تاریخ موتورهای جستجو اعلام شد.

در ابتدا گوگل برت فقط در ایالات متحده و به زبان انگلیسی راه اندازی شد. اما تا دسامبر 2019، این مدل  به بیش از 70 زبان گسترش یافته بود. به این ترتیب، نتایج جستجو در سرتاسر جهان کیفیت بالایی به دست آورد.

NLP چیست؟

برای توضیح اینکه گوگل برت چیست، اشاره کردیم که این الگوریتم مدلی از پردازش زبان طبیعی (NLP) است.

NLP یک حوزه هوش مصنوعی است که هنگام مطالعه تعاملات انسانی و زبان های محاسباتی با زبان شناسی همگرا می شود. هدف این است که شکاف های بین یک زبان و زبان دیگر را پر کنیم و آنها را با هم ارتباط برقرار کنیم.این نوع سیستم از زمان کار آلن تورینگ در دهه 1950 برای مدت طولانی وجود داشته است.

اما در دهه 1980 بود که مدل‌های NLP آرمایشگاه را ترک کرد و در هوش مصنوعی پذیرفته شدند. از آن زمان، رایانه‌ها حجم زیادی از داده‌ها را پردازش می‌کنند، که انقلابی در روابط انسان‌ها و ماشین‌ها ایجاد کرده است .

ممکن است در زندگی روزمره متوجه آن نشویم، اما بیان کلامی ما بسیار پیچیده و متنوع است.زبان‌ها، قواعد نحوی، روابط معنایی، عامیانه‌ها، گفته‌ها، اختصارات و اشتباهات روزانه بسیار زیاد است که گاهی انسان‌ها به سختی یکدیگر را درک می‌کنند!

این برای رایانه‌ها حتی سخت‌تر می‌شود، زیرا ما از یک زبان بدون ساختار برای آنها استفاده می‌کنیم ، که سپس برای درک آن به سیستم‌هایی نیاز دارند.

برای این منظور، NLP از یک سری تکنیک‌ها استفاده می‌کند، مانند انتزاع مطالب نامربوط در متن، تصحیح غلط‌ های املایی، و کاهش کلمات به شکل ریشه‌ای یا مصدر.

از آنجا می‌توان محتوا را ساختار، بخش‌بندی و دسته‌بندی کرد تا بفهمیم که چگونه قسمت‌ها با هم معنا پیدا می‌کنند. سپس، سیستم همچنین پاسخی را به زبان طبیعی برای تعامل با کاربر توضیح می دهد.

این نوع سیستم به شما اجازه می‌دهد، برای مثال، بگویید «الکسا، دستور پخت کیک شکلاتی را به من بگو» ، و دستیار مجازی آمازون با مواد و روش تهیه پاسخ می‌دهد.

این راه حل امروزه در منابع متعددی مانند ترجمه خودکار متون، تجزیه و تحلیل احساسات در نظارت بر شبکه های اجتماعی و البته سیستم جستجوی گوگل استفاده می شود.

آیا گوگل برت جایگزین رنک برین شد؟

گوگل به طور مداوم در حال مطالعه روش هایی برای بهبود تجربه کاربر و ارائه نتایج برتر است. این با گوگل برت شروع یا پایان نمی یابد.

در سال 2015، موتور جستجو به روز رسانی رنک برین را اعلام کرد که جهان جستجو را متحول کرد.این اولین باری بود که الگوریتم هوش مصنوعی را برای درک محتوا و جستجو به کار گرفت.

رنک برین نیز مانند برت از یادگیری ماشینی استفاده می کند اما پردازش زبان طبیعی را انجام نمی دهد. این روش بر تجزیه و تحلیل پرس و جو و گروه بندی کلمات و عباراتی متمرکز است که از نظر معنایی مشابه هستند، اما نمی توانند زبان انسان را به تنهایی درک کنند.

بنابراین، هنگامی که یک جستجوی جدید در گوگل ایجاد می شود، رنک برین جستجوهای گذشته را تجزیه و تحلیل می کند و مشخص می کند که کدام کلمات و عبارات به بهترین وجه با آن جستجو مطابقت دارند، حتی اگر دقیقاً مطابقت نداشته باشند یا هرگز جستجو نشده باشند.

وقتی ربات‌ها سیگنال‌های تعامل کاربر را دریافت می‌کنند، درباره روابط بین کلمات بیشتر می‌آموزند و رتبه‌بندی را بهبود می‌بخشند.

بنابراین، این اولین قدم گوگل برای درک زبان انسان بود. حتی امروزه نیز یکی از روش هایی است که الگوریتم برای درک اهداف جستجو و محتوای صفحه به منظور ارائه نتایج بهتر به کاربران استفاده می کند.

بنابراین، برت جایگزین رنک برین نشد بلکه روش دیگری برای درک زبان انسانی به ارمغان آورد. بسته به جستجو، الگوریتم گوگل می تواند از هر دو روش (یا حتی ترکیب آن دو) استفاده کند تا بهترین پاسخ را به کاربر ارائه دهد.

به خاطر داشته باشید که الگوریتم گوگل با پیچیدگی گسترده ای از قوانین و عملیات شکل گرفته است. رنک برین و برت نقش مهمی ایفا می کنند، اما آنها تنها بخشی از این سیستم جستجوی قوی هستند.

گوگل برت چگونه کار می کند؟

یکی از تفاوت های گوگل با دیگر سیستم های پردازش زبان، ویژگی دو جهتی آن است. اما به چه معنا است؟

سایر سیستم ها فقط یک طرفه هستند. به این معنا که آنها فقط کلمات را با استفاده از اصطلاحاتی که در سمت چپ یا راست آنها در متن قرار دارند، پردازش می کنند.برت در هر دو جهت کار می کند: متن را در سمت چپ و راست کلمه تجزیه و تحلیل می کند. این امر درک بسیار عمیق تری از روابط بین اصطلاحات و بین جملات به ارمغان می آورد.

در حالی که مدل‌های دیگر از مقادیر زیادی داده برای آموزش یادگیری ماشین استفاده می‌کنند، رویکرد دو جهته گوگل برت به شما امکان می‌دهد سیستم را با دقت بیشتری و با داده‌های بسیار کمتر آموزش دهید.

در این مرحله، برت با ورودی ها و خروجی ها مطابق با آنچه شما می خواهید انجام دهد، به برت وظایف خاصی ارائه می شود. این زمانی است که شروع به انطباق با خواسته های مختلف، مانند پرسش و پاسخ یا تجزیه و تحلیل احساسات می کند.

توجه داشته باشید که گوگل برت الگوریتمی است که در بسیاری از برنامه ها قابل استفاده است. بنابراین وقتی در مورد برت صحبت می کنیم، در مورد کاربرد آن در سیستم موتور جستجو صحبت می کنیم.

در گوگل، برت برای درک اهداف جستجوی کاربران و مطالبی که توسط موتور جستجو ایندکس می شود، استفاده می شود.برخلاف رنک برین، برای درک منظور کاربران نیازی به تجزیه و تحلیل پرس و جوهای گذشته ندارد. برت کلمات، عبارات و کل محتوا را دقیقاً مانند ما درک می کند .

اما همچنین بدانید که این مدل NLP تنها بخشی از الگوریتم است. گوگل برت معنی کلمات و ارتباط آنها با یکدیگر را درک می کند.اما گوگل هنوز به تمام کارهای بقیه الگوریتم نیاز دارد تا جستجو را به صفحات نتایج مرتبط کند، بهترین نتایج را انتخاب کند و آنها را به ترتیب ارتباط با کاربر رتبه بندی کند.

چرا الگوریتم گوگل برت برای تجربه جستجو مهم است؟

اکنون، اصطلاحات فناوری اطلاعات را برای مدتی کنار می گذاریم تا در مورد معنای برت برای جستجوهای گوگل صحبت کنیم.

می دانید که این الگوریتم به گوگل کمک می کند تا زبان انسان را رمزگشایی کند، اما چه تفاوتی با تجربه جستجوی کاربر دارد؟

مهم است که به یاد داشته باشید که ماموریت گوگل این است که تمام محتوای وب را سازماندهی کند تا بهترین پاسخ ها را به کاربران ارائه دهد.برای این کار، موتور جستجو باید بفهمد که مردم به دنبال چه چیزی هستند و صفحات وب در مورد چه چیزی صحبت می کنند. بنابراین، می تواند تطابق صحیح بین کلمات کلیدی و محتوای وب را ایجاد کند .

به عنوان مثال، هنگامی که شما برای «بانک غذا» جستجو می‌کنید، جستجوگر متوجه می‌شود که «بانک» در جست‌وجو شما به یک سیتر، یک موسسه مالی یا یک بانک شنی در دریا اشاره نمی‌کند.

اگر «غذا باک» (با املای غلط) یا «غذای بانکی» (به ترتیب معکوس) را جستجو کنید، منظور شما را نیز متوجه می‌شود.با برت، معنی آن کلمه را در عبارات جستجوی شما و در محتوای صفحات لیندکس شده درک می کند.

با انجام این جستجو، گوگل متوجه می شود که شما در حال جستجوی بانک های مواد غذایی در نزدیکی محل خود هستید. بنابراین صفحه نتایج احتمالاً مؤسساتی را نشان می دهد که این نوع خدمات را در منطقه شما ارائه می دهند، به خصوص اگر آنها استراتژی سئو محلی خوبی داشته باشند.

به این ترتیب، گوگل برای ارائه نتایجی که واقعاً چیزی را که کاربران می خواهند پیدا کنند، هوشمندتر می شود. این همان تجربه جستجویی است که گوگل می خواهد ارائه دهد.

با این حال، در روزهای اولیه گوگل، همه جستجوها آنچه کاربر به دنبال آن بود را ارائه نمی کرد. جستجوگر به تطابق دقیق کلمه کلیدی محدود شد.به این معنا که وقتی شخص برای مثال «مراقبت ار بچه» را تایپ کرد، فقط می‌توانست نتایجی را برای صفحاتی که دقیقاً از این اصطلاح استفاده می‌کردند ارائه دهد.

از زمانی که رنک برین منتشر شد، گوگل قبلاً شروع به درک این موضوع کرده است که “مراقبت” بسیار نزدیک به “چگونگی مراقبت” است. بنابراین، موتور جستجو همچنین صفحاتی را با عبارات “چگونه از بچه ها مراقبت کنیم” را نشان می دهد.

گوگل بوسیله برت می‌فهمد که شخص می‌خواهد بداند چگونه از بچه مراقبت کند بدون اینکه به کلمات کلیدی دقیق توجه کند.

مشکل این است که مدل اولیه گوگل برای تطبیق دقیق کلمات کلیدی، معایب اینترنتی را ایجاد کرده است. برای ظاهر شدن در موتور جستجو، بسیاری از سایت ها شروع به استفاده از کلمات کلیدی در متن کردند دقیقاً همانطور که کاربر جستجو می کرد. با این حال، این تجربه خواندن را بسیار ضعیف می کند.

آیا ترجیح می دهید مطالبی را بخوانید که به طور طبیعی در مورد مراقبت از بچه صحبت می کند یا متنی که چندین بار مراقبت از بچه را تکرار می کند بدون اینکه هیچ معنایی داشته باشد؟بنابراین، تغییر گوگل به سمت درک اهداف جستجو، تجربه خواندن کاربر را نیز بهبود می بخشد.

سایت ها برای تولید محتوا با زبان طبیعی و با استفاده از عباراتی که برای خواننده منطقی است، طراحی شده اند.با این کار، گوگل همچنین با پر کردن کلمات کلیدی مبارزه می‌کند، رویه کلاه سیاهی که خط‌ مشی‌های موتور جستجو را نقض می‌کند.

اثرات برت بر SERP چیست؟

زمانی که گوگل برت را راه اندازی کرد، گفت که این به روز رسانی بر 10 درصد از جستجوها در ایالات متحده تأثیر گذاشت.

مانند هر به‌روزرسانی الگوریتم، این اعلامیه حرکتی را در بازار سئو ایجاد کرد، زیرا بسیاری از سایت‌ها می‌ترسیدند موقعیت خود را از دست بدهند.با این حال، برخلاف به‌روزرسانی‌هایی که هدفشان مقابله با اقدامات اسپم است، برت هیچ سایتی را جریمه نکرد. کاری که انجام داد بهبود هم ترازی بین جستجوهای کاربر و محتوای صفحه بود.

بنابراین، اگر شخصی موقعیت های خود را برای یک کلمه کلیدی خاص از دست داد، به این معنی است که پاسخ خوبی برای آن جستجو ارائه نکرده است.از طرف دیگر، اگر صفحه برای گوگل مناسب است، احتمالاً بهتر است با یک جستجوی دیگر هماهنگ شود و کیفیت ترافیک خود را بهبود بخشد و باعث می شود بازدیدکنندگان بیشتر از محتوا لذت ببرند.

چگونه برت گوگل بر موتور جستجو تأثیر می گذارد؟

کلمه کلیدی “مسافرت یک ایرانی به ترکیه نیاز به ویزا دارد”. گوگل برت قصد کاربر را درک می کند که آیا مسافران ایران برای ورود به ترکیه نیاز به ویزا دارند یا خیر.

تفاوت بزرگ در یک جزئیات است: کلمه “به” که نشان دهنده جهت سفر (از ایران به ترکیه) است.

قبل از برت، این کلمه توسط ربات ها نادیده گرفته می شود و نتایج نادرستی را برای جستجوگر به ارمغان می آورد. در حال حاضر، همه کلمات در زمینه خود تجزیه و تحلیل می شوند. در این صورت حرف اضافه کل معنای عبارت را تغییر می دهد.

منبع