The Internet: How Search Works

嗨，我是约翰（John）

我带领着Google的搜寻和机器学习团队。

我认为这是令人惊奇与振奋的一件事：

全世界的人们会使用搜索引擎

来询问琐碎小事

与重要问题

所以尽我们所能地提供人们最好的答案，

成为了我们的重责大任。

嗨，我是Akshaya，我任职于Bing搜索小组。

有很多时候，

我们进行人工智慧与机器学习的研究，

但我们必须深刻了解使用者会如何运用

因为最终，我们希望能对社会产生好的影响。

问一个简单的问题：

旅行到火星要花多久时间呢？

这些结果是从哪里来的？

为什么这个结果排在另一个结果的前面呢？

好。我们一起深入了解：

搜寻引擎如何将你的问题转化成这样的结果。

你需要知道的第一件事：当你进行搜寻时，

搜寻引擎不是即时地

到互联网上去找寻你要的信息。

那是因为互联网上有超过数十亿的网站

而且每一分钟还有数以百计的网站被创造出来。

如果搜寻引擎，

必须到每一个网站来找你要的信息，

这件事情就会永远无法完成。

为了让你的搜寻更加快速，

搜寻引擎一直不断地扫描网站

提前记录下来，以后可能对你的搜寻有帮助的信息。

这样一来，当你搜寻有关「旅行到火星」时

搜寻引擎已经拥有了即时能够

给你答案所需要的信息。

它是这样运作的：

互联网是众多网页所连接而成的网。网页间以超链接彼此相连。

搜寻引擎一直不断地执行一个名为「蜘蛛」的程序，

这个程序在这些网页中爬行，

搜集这些网页的信息。

每次找到一个超链接，

它就会顺着这个连接，

拜访在互联网中能够找到的每一个页面。

蜘蛛对于每一个它拜访的页面，

都会记录所有搜寻所需的信息。

这些纪录会加到一个名为「搜寻索引」的特殊数据库。

现在，让我们回到先前的搜寻，

看看我们能不能弄清楚

搜寻引擎是如何产生出这些结果。

当你问「旅行到火星需要多长时间」时，

搜索引擎会用这句话里的每一个字，

到搜寻索引中检查，

来马上得到互联网上所有包含这些字的网页清单

但是，只是查看这些搜寻字

会得到数以百万的网页

所以搜寻引擎必须能够判定对你最适当的页面，

来优先显示。

这就是最微妙的地方，

因为搜寻引擎可能需要猜测你在找什么。

每个搜索引擎会使用自己的算法，

根据它认为你所需要的结果，来排序这些网页。

搜索引擎的排序算法可能会检查：

你搜寻的字词是否出现在网页的标题上

它可能会检查这些字词是否彼此相邻出现

以及其他的计算方式，

来帮助它能更准确的判断

哪些是你想看的网页、哪些不是。

对于搜寻选出最相关的结果，Google发明了最著名的算法：

它是将「有多少网页连结到特定页面」纳入计算

这里的想法是：

如果有很多网站认为

这一个页面很有意思

那么它很有可能就是你正在找寻的那个网页。

这个算法称为：「佩奇排名（Page Rank）」。

不是因为它排名网页，

而是因为它是以发明者，拉里佩奇（Larry Page）来命名的。

佩奇是Google的创始人之一。

由于，当你查看网页时，网站往往能因此获得收入，

垃圾邮件发送者便不断地尝试找到欺骗搜寻算法的方式，

来让他们的网页能够在搜寻结果中，

有更高的排名

搜索引擎定期地更新算法

来防止伪造或不受信任的网站来获得高排名。

到最后，

还是需要由你来留意这些不受信任的网页

你可以查看网址，并确认它有个可靠的来源。

搜索程序不断地演进，

改善算法来回传

比竞争对手更好、更快的结果。

现今的搜寻引擎，

甚至运用你没有明确提供的信息，来帮助你缩小搜寻的范围。

例如，你搜寻可以遛狗的公园，

许多搜索引擎会有很多搜寻结果

如所有在你附近的可以遛狗的公园，

即便你没有输入你的位置。

现代的搜索引擎，

能理解的不仅是网页上的文字，

还有实际上的意义

为你找出最符合你正在找寻的东西。

例如，如果你搜索「速球投手（fast pitcher）」，

它会知道你正在寻找的是运动员，

如果你搜寻的是「大水壶（large pitcher）」，

它会找寻到是与厨房用途的选择。

为了更好地理解这些字词，我们运用了机器学习，

这是人工智慧的一种。

它能够让搜索算法不只是找寻

网页中的个别字母或字词

还能了解这些字词背后的含义。

互联网不断成倍地增长，

但如果设计搜寻引擎的团队能帮助我们做正确的判断，

你所需要的信息离我们的距离，就只有几次按键之遥。