كيف تستخدم جوجل خوارزميات الذكاء الاصطناعي في إظهار نتائج البحث لك؟

تعمل شركة جوجل بشكل دائم للاستفادة من التكنولوجيات الناشئة والمتطورة في خدمات الويب العديدة التي تقدمها، ويأتي محرك البحث من أبرز الخدمات التي لديها أهمية خاصة للشركة، حيث كان من بين الخدمات الأولى التي دُمجت فيها تكنولوجيات الذكاء الاصطناعي والتعلم الآلي لفهرسة الصفحات للتأكد من أن نتائج البحث مطابقة لما يبحث عنه كل مستخدم.

كيف تعمل محركات البحث؟

بشكل أساسي تقوم خوارزميات الذكاء الاصطناعي بفهرسة الجزء المرئي بالكامل من محتوى الويب، ما يمثل في الواقع القليل مقارنة بما هو موجود في شبكة الويب المظلم، ويقارن مصطلحات البحث التي أدخلها المستخدم مع هذا الفهرس، ويعرض النتائج بالترتيب من حيث الصلة والدقة.

للتبسيط، يمكنك التفكير في شبكة الإنترنت كمكتبة أمناؤها هم محركات البحث. ولكن الفرق هو أن شبكة الإنترنت أكبر بملايين المرات من أي مكتبة في العالم، فمع الكثير من المحتوى قد يكون العثور على ما تبحث عنه بالفعل صعباً. لذا إذا كنت تبحث عن شيء محدد للغاية، فقد يكون هناك عدد محدود فقط من النتائج. وإذا كنت تبحث عن شيء شائع، فقد يكون هناك مئات الملايين من النتائج.

عندما تكتب مصطلحات البحث الخاصة بك، سيأخذ محرك البحث في الاعتبار معلمات مثل الاختلافات الإملائية والأخطاء النحوية الشائعة وحتى المرادفات الشائعة. على سبيل المثال، ستؤدي عمليات البحث عن "مقاطع فيديو مضحكة" و"مقاطع فيديو مرحة" إلى مجموعة نتائج متشابهة إلى حد كبير.

اقرأ أيضاً: جوجل تفشل في تطبيق قوانينها الخاصة المتعلقة بالترويج لتطبيقات التتبع

كيف تستخدم جوجل تكنولوجيا التعلم الآلي لتحسين عمليات البحث؟

تعد تكنولوجيا التعلم الآلي مفهوماً معقداً يقرنه العديد من المتابعين بتكنولوجيا الذكاء الاصطناعي. ولكن في الحقيقة يعد التعلم الآلي أحد تقنيات الذكاء الاصطناعي، ولكنه ليس بأي حال وسيلة للآلات لاكتساب أي شيء قريب من الإحساس. بدلاً من ذلك، يعد التعلم الآلي طريقة جديدة ومحسّنة لتحليل البيانات عن طريق أتمتة بناء النموذج.

وبمعنى آخر، يسمح للبرنامج بالحصول على معلومات جديدة دون مطالبة المبرمجين بتغيير الكود بأنفسهم أو الإشراف على البرنامج في كل خطوة. وهناك العديد من الاختلافات في تكنولوجيا التعلم الآلي، وتظهر المزيد من أدواته كل يوم. حيث أن جميع خدمات الويب الرئيسية اليوم تستفيد منها بطريقة أو أخرى في تحسين أعمالها ودفع نماذجها للأمام.

ولكن كشركة رائدة على شبكة الإنترنت، كانت جوجل هي الشركة الأولى التي بدأت في استخدامه منذ عام 2016. ومنذ ذلك الحين، سعت جوجل بخطى ثابتة نحو استخدامه في جميع منتجاتها تقريباً. والهدف بحسب الشركة ليس فقط جعل حياة المستخدمين أسهل، ولكن  استخدام تكنولوجيا الذكاء الاصطناعي أيضاً للنظر في المشكلات الحالية وحلها بطرق أكثر منطقية وسرعة ودقة وكفاءة.

خوارزميات جوجل

لطالما عملت جوجل على إحاطة كيفية عمل خوارزميات البحث الخاصة بها بحاجز من السرية. بالإضافة إلى ذلك، لا تستخدم الشركة كل أدوات الذكاء الاصطناعي التي طورتها بشكل مباشر، بل تخضعها لتجارب قد تمتد لسنوات، وحتى في حالة نجاحها فهي عادةً لا تفصح عنها أو تُبين كيفية عملها للجميع.

والسبب هو أنه في حالة كشفها بالضبط عن كيفية عمل هذه الخوارزميات، فسيكون من السهل على المستخدمين استغلالها لرفع صفحاتهم بشكل مصطنع إلى أعلى نتائج البحث، ومع ذلك هناك أربعة خوارزميات رئيسية كشفت عنها الشركة تعمل على تشغيل محرك البحث، وتُستخدم لفهرسة وتقييم صفحات الويب من أجل تقديم نتائج أكثر صلة للمستخدم. وهي:

• خوارزمية رانك براين

خوارزمية "رانك براين" (RankBrain) هي أول جهود جوجل لاستخدام الذكاء الاصطناعي في محرك البحث، وبصورة أساسية تساعد خوارزمية "رانك براين" جوجل في فهم كيفية ارتباط الصفحات بالمفاهيم، حيث يمكن أن تأخذ عملية بحث واسعة وتحدد بشكل أفضل كيفية ارتباط هذا البحث بمفاهيم العالم الحقيقي. وتساعد الخوارزمية بشكل أكثر تحديداً في ترتيب نتائج البحث.

للتوضيح أكثر وفهم كيفية عمل هذه الخوارزمية، سنقوم بكتابة عبارات "الوداع في فيلم السرعة والغضب" (Farewell in The Fast and the Furious)، هنا وعلى الرغم من أن حالات "الوداع" موجودة بكثرة في سلسلة الأفلام الشهيرة، إلا أن أعلى النتائج ستُظهر لنا الفيلم رقم "7" من السلسلة والمتعلق بمشهد الوداع المؤثر للممثل وأحد أبطال السلسلة "بول ووكر" (Paul Walker)،  بينما ترتبط باقي النتائج في الصفحات الأخرى بصورة أو أخرى بأحداث وأخبار متعلقة بالسلسلة بشكل عام.

اقرأ أيضاً: كيف تعمل خوارزميات فيسبوك لترتيب القصص على صفحة نيوز فيد؟

• خوارزمية المطابقة العصبية

تعمل خوارزمية "المطابقة العصبية" (Neural Matching) –تم الكشف عنها في 2018– على جعل نتائج البحث أكثر تنوعاً،  من خلال تحليل اللغة وتفسير الغرض من عمليات البحث. ويسمح هذا بمطابقة صفحة ويب بعملية بحث تعتمد فقط على النص الذي يحتوي على كلمة أو كلمات البحث، وهذا يعود بحسب الشركة إلى اختلاف طريقة بحث الأشخاص عن المعلومات التي يكتب الأشخاص الآخرون حلولاً عنها.

ويتمثل المفهوم الأساسي لخوارزمية "المطابقة العصبية" في مكافأة منشئي المحتوى للإجابة الفعالة عن الأسئلة التي يطرحها المستخدمون في عمليات البحث، وإلغاء دور الروابط والكلمات الرئيسية، ووفقاً لورقة بحثية من جوجل تستخدم خوارزمية "المطابقة العصبية" لتحديد أفضل نتائج البحث مع تجنب الصفحات العشوائية والنتائج غير ذات الصلة.

وبعبارة أخرى، تساعد هذه الخوارزمية محرك البحث في معرفة النتائج الأفضل والأكثر فائدة ووضعها ضمن نتائج البحث الأعلى أو الصفحة الأولى، ودفع الصفحات التي تحاول التلاعب بالنظام أو ليس لها صلة كبيرة بعملية البحث للأسفل أو الصفحات الأخرى.

على سبيل المثال، بكتابة عبارة " How did Real Madrid win the Champions League?" (كيف فاز ريال مدريد بدوري أبطال أوروبا) ستظهر لك نتائج بحث لمواقع شهيرة وموثوقة تتحدث عن فوز فريق ريال مدريد بالبطولة الأخيرة في المراتب الأولى، وبالضغط على نتيجة البحث الأولى أو الثانية ستجد أن هناك بعض الفقرات في الخبر أو المقال قد تم تظليلها بلون مختلف، وهي النتيجة التي قامت الخوارزمية يفرزها وتحديدها لتتطابق مع عملية البحث التي قمت بها.

اقرأ أيضاً: تعرف على تاريخ تطوّر الذكاء الاصطناعي وآلية عمله

• نموذج بيرت

نموذج "تمثيلات أداة الترميز ثنائية الاتجاه من المحولات" (Bidirectional Encoder Representations from Transformers) اختصاراً "بيرت" (BERT)، هو نموذج ذكاء اصطناعي يعتمد على تكنولوجيات معالجة اللغات الطبيعية (NLP)  وفهم اللغة الطبيعية (NLU)، لفهم السياق الكامل لكلمات البحث -المصطلحات التي تأتي قبلها وبعدها والعلاقات بينها- وهو أمر ضروري للغاية لفهم المحتويات المفهرسة بواسطة محرك البحث ونوايا المستخدمين عند البحث عنها، حيث يستخدم الكثير من المستخدمين لغاتهم الطبيعية أو عبارات شبه خاطئة للبحث عن المعلومات،  والتي تتضمن الكثير من أدلة السياق التي تغير معنى البحث، ولكن بفضل خوارزمية "بيرت" سيتم عرض نتائج بحث تتضمن المعلومات التي تفهم هذا السياق بشكل أفضل.

على سبيل المثال، عندما تبحث عن "أحذية من أجل الركض" (Shoes for Running) حتى لو كانت عبارة البحث تحتوي على أخطاء إملائية مثل "احذية للركض" "Run Shoe" أو "ركض احذية" (Shoes Run)، فإن "بيرت" يفهم ما تعنيه بأنك تبحث عن شراء أحذية مصممة خصيصاً للركض وليس أي أحذية رياضية أخرى مثل أحذية المشي لمسافات طويلة. لذلك من المحتمل أن تظهر في صفحة النتيجة الأولى الشركات التي تبيع هذه المنتجات في منطقتك، خاصةً إذا كانت لديها استراتيجية تحسين محركات بحث جيدة، وبهذه الطريقة يصبح محرك البحث أكثر ذكاءً في تقديم نتائج بحث توفر بالضبط ما يريد المستخدم العثور عليه.

• خوارزمية النموذج الموحد متعدد المهام

تعتبر خوارزمية "النموذج الموحد متعدد المهام" (Multitask Unified Model) - اختصاراً MUM أحدث خوارزمية ذكاء اصطناعي أُعلن عنها في عام 2021 من جوجل لتحسين نتائج محرك البحث، وتساعد ليس فقط في فهم لغات البحث المختلفة ولكن أيضاً في إنشائها، وهي أقوى بـ "1000" مرة من خوارزمية "بيرت"، لذلك تخطط جوجل لاستخدامها في فهم وتلبية الاحتياجات المعقدة مثل المصطلحات واللغات الجديدة عبر عمليات البحث التي يقوم بها المستخدمون.

على سبيل المثال، إذا كنت تخطط لرحلة تخييم في غابات الأمازون، فإن محرك بحث جوجل يمكن أن يساعدك. ولكن هذا يتطلب الكثير من عمليات البحث المتخصصة، مثل الحيوانات التي يجب الحذر منها، والظروف الجوية، ونوع الملابس المناسبة، وغيرها للوصول إلى المعلومات التي تريدها بالتحديد. ومن ثم فإن جوجل تريد باستخدام خوارزمية "MUM" تجاوز كل عمليات البحث هذه،  وتقديم معلومات شاملة تتضمن نصوصاً وصوراً وحتى مقاطع فيديو للتخطيط لرحلة التخييم بمجرد كتابة عبارة البحث "ما الذي يلزمني للتخييم في غابات الأمازون".

خوارزميات بحث جوجل تغير قواعد اللعبة

سابقا،  وحتى في هذه الأيام، يقوم منشئ المحتوى واختصاصي تحسين محركات البحث بالتركيز على كلمات مفتاحية –غالباً تتكون من كلمة أو كلمتين– لجذب حركات المرور لمواقعهم. ولكن الآن ومستقبلاً ومع هيمنة محرك بحث جوجل على سوق محركات البحث، فإن قواعد اللعبة تغيرت بالكامل، حيث أصبحت الكتابة للمستخدم هي المعيار الأساسي لتصدر نتائج البحث.

أصبحت هذه الخوارزميات وغيرها من تلك التي لم تُعلن عنها جوجل، أكثر تعقيداً بكثير ومع تكنولوجيات التعلم الآلي والذكاء الاصطناعي أصبحت تفهم اللغة كما يفهمها الإنسان تقريباً. هذا يتطلب من منشئ المحتوى التحول من المقالات المستندة إلى الكلمات الرئيسية إلى صياغة محتوى شامل وغني بالمعلومات، فعند كتابة محتوى يفهمه البشر، فإن خوارزميات بحث جوجل ستفهمه أيضاً، ما يؤثر على الترتيب في نتائج البحث.