1
00:00:06,070 --> 00:00:07,120
嗨，我是约翰（John）

2
00:00:07,510 --> 00:00:10,140
我带领着Google的搜寻和机器学习团队。

3
00:00:12,130 --> 00:00:14,230
我认为这是令人惊奇与振奋的一件事：

4
00:00:14,230 --> 00:00:16,214
全世界的人们会使用搜索引擎

5
00:00:16,215 --> 00:00:19,160
来询问琐碎小事

6
00:00:19,160 --> 00:00:20,930
与重要问题

7
00:00:20,930 --> 00:00:23,450
所以尽我们所能地提供人们最好的答案，

8
00:00:23,450 --> 00:00:24,864
成为了我们的重责大任。

9
00:00:26,710 --> 00:00:30,610
嗨，我是Akshaya，我任职于Bing搜索小组。

10
00:00:30,910 --> 00:00:33,190
有很多时候，

11
00:00:33,190 --> 00:00:35,800
我们进行人工智慧与机器学习的研究，

12
00:00:35,830 --> 00:00:39,010
但我们必须深刻了解使用者会如何运用

13
00:00:39,140 --> 00:00:42,390
因为最终，我们希望能对社会产生好的影响。

14
00:00:43,780 --> 00:00:45,400
问一个简单的问题：

15
00:00:45,820 --> 00:00:48,070
旅行到火星要花多久时间呢？

16
00:00:49,330 --> 00:00:50,950
这些结果是从哪里来的？

17
00:00:51,370 --> 00:00:54,100
为什么这个结果排在另一个结果的前面呢？

18
00:00:55,700 --> 00:00:58,150
好。我们一起深入了解：

19
00:00:58,150 --> 00:00:59,860
搜寻引擎如何将你的问题转化成这样的结果。

20
00:01:00,690 --> 00:01:03,360
你需要知道的第一件事：当你进行搜寻时，

21
00:01:03,430 --> 00:01:06,480
搜寻引擎不是即时地

22
00:01:06,480 --> 00:01:08,010
到互联网上去找寻你要的信息。

23
00:01:08,140 --> 00:01:10,610
那是因为互联网上有超过数十亿的网站

24
00:01:10,610 --> 00:01:14,140
而且每一分钟还有数以百计的网站被创造出来。

25
00:01:14,140 --> 00:01:16,210
如果搜寻引擎，

26
00:01:16,240 --> 00:01:18,690
必须到每一个网站来找你要的信息，

27
00:01:18,690 --> 00:01:20,120
这件事情就会永远无法完成。

28
00:01:20,500 --> 00:01:21,940
为了让你的搜寻更加快速，

29
00:01:21,970 --> 00:01:24,940
搜寻引擎一直不断地扫描网站

30
00:01:25,420 --> 00:01:28,560
提前记录下来，以后可能对你的搜寻有帮助的信息。

31
00:01:28,930 --> 00:01:31,270
这样一来，当你搜寻有关「旅行到火星」时

32
00:01:31,630 --> 00:01:33,700
搜寻引擎已经拥有了即时能够

33
00:01:33,700 --> 00:01:35,728
给你答案所需要的信息。

34
00:01:36,250 --> 00:01:37,540
它是这样运作的：

35
00:01:37,900 --> 00:01:42,010
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。

36
00:01:42,400 --> 00:01:44,680
搜寻引擎一直不断地执行一个名为「蜘蛛」的程序，

37
00:01:47,380 --> 00:01:49,040
搜集这些网页的信息。

38
00:01:44,680 --> 00:01:47,380
这个程序在这些网页中爬行，

39
00:01:49,780 --> 00:01:51,550
每次找到一个超链接，

40
00:01:52,090 --> 00:01:55,000
它就会顺着这个连接，

41
00:01:55,030 --> 00:01:57,240
拜访在互联网中能够找到的每一个页面。

42
00:01:57,335 --> 00:01:59,170
蜘蛛对于每一个它拜访的页面，

43
00:01:59,200 --> 00:02:02,320
都会记录所有搜寻所需的信息。

44
00:02:02,500 --> 00:02:05,650
这些纪录会加到一个名为「搜寻索引」的特殊数据库。

45
00:02:07,166 --> 00:02:09,530
现在，让我们回到先前的搜寻，

46
00:02:09,590 --> 00:02:11,990
看看我们能不能弄清楚

47
00:02:11,990 --> 00:02:13,333
搜寻引擎是如何产生出这些结果。

48
00:02:13,640 --> 00:02:16,460
当你问「旅行到火星需要多长时间」时，

49
00:02:16,640 --> 00:02:18,860
搜索引擎会用这句话里的每一个字，

50
00:02:18,920 --> 00:02:21,410
到搜寻索引中检查，

51
00:02:21,410 --> 00:02:24,500
来马上得到互联网上所有包含这些字的网页清单

52
00:02:24,890 --> 00:02:26,870
但是，只是查看这些搜寻字

53
00:02:26,870 --> 00:02:28,760
会得到数以百万的网页

54
00:02:28,760 --> 00:02:31,110
所以搜寻引擎必须能够判定对你最适当的页面，

55
00:02:31,110 --> 00:02:33,120
来优先显示。

56
00:02:33,340 --> 00:02:36,010
这就是最微妙的地方，

57
00:02:36,010 --> 00:02:38,040
因为搜寻引擎可能需要猜测你在找什么。

58
00:02:38,930 --> 00:02:41,360
每个搜索引擎会使用自己的算法，

59
00:02:41,360 --> 00:02:44,230
根据它认为你所需要的结果，来排序这些网页。

60
00:02:44,930 --> 00:02:47,660
搜索引擎的排序算法可能会检查：

61
00:02:47,990 --> 00:02:50,360
你搜寻的字词是否出现在网页的标题上

62
00:02:50,900 --> 00:02:53,820
它可能会检查这些字词是否彼此相邻出现

63
00:02:54,520 --> 00:02:57,020
以及其他的计算方式，

64
00:02:57,020 --> 00:02:58,610
来帮助它能更准确的判断

65
00:02:58,670 --> 00:03:01,420
哪些是你想看的网页、哪些不是。

66
00:03:02,960 --> 00:03:04,960
对于搜寻选出最相关的结果，Google发明了最著名的算法：

67
00:03:04,960 --> 00:03:08,530
它是将「有多少网页连结到特定页面」纳入计算

68
00:03:08,560 --> 00:03:11,230
这里的想法是：

69
00:03:11,830 --> 00:03:14,140
如果有很多网站认为

70
00:03:14,140 --> 00:03:15,660
这一个页面很有意思

71
00:03:15,660 --> 00:03:17,940
那么它很有可能就是你正在找寻的那个网页。

72
00:03:18,190 --> 00:03:20,020
这个算法称为：「佩奇排名（Page Rank）」。

73
00:03:20,590 --> 00:03:22,330
不是因为它排名网页，

74
00:03:22,570 --> 00:03:25,210
而是因为它是以发明者，拉里佩奇（Larry Page）来命名的。

75
00:03:25,480 --> 00:03:27,333
佩奇是Google的创始人之一。

76
00:03:27,940 --> 00:03:30,520
由于，当你查看网页时，网站往往能因此获得收入，

77
00:03:30,820 --> 00:03:32,950
垃圾邮件发送者便不断地尝试找到欺骗搜寻算法的方式，

78
00:03:32,950 --> 00:03:35,741
来让他们的网页能够在搜寻结果中，

79
00:03:35,742 --> 00:03:37,931
有更高的排名

80
00:03:38,260 --> 00:03:40,750
搜索引擎定期地更新算法

81
00:03:40,750 --> 00:03:44,296
来防止伪造或不受信任的网站来获得高排名。

82
00:03:44,680 --> 00:03:47,350
到最后，

83
00:03:47,500 --> 00:03:49,450
还是需要由你来留意这些不受信任的网页

84
00:03:49,690 --> 00:03:52,990
你可以查看网址，并确认它有个可靠的来源。

85
00:03:53,680 --> 00:03:55,390
搜索程序不断地演进，

86
00:03:55,420 --> 00:03:58,420
改善算法来回传

87
00:03:58,540 --> 00:04:00,460
比竞争对手更好、更快的结果。

88
00:04:01,000 --> 00:04:03,100
现今的搜寻引擎，

89
00:04:03,100 --> 00:04:06,820
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。

90
00:04:07,150 --> 00:04:10,120
例如，你搜寻可以遛狗的公园，

91
00:04:10,240 --> 00:04:12,190
许多搜索引擎会有很多搜寻结果

92
00:04:12,190 --> 00:04:13,840
如所有在你附近的可以遛狗的公园，

93
00:04:14,080 --> 00:04:16,260
即便你没有输入你的位置。

94
00:04:17,800 --> 00:04:20,530
现代的搜索引擎，

95
00:04:20,530 --> 00:04:22,060
能理解的不仅是网页上的文字，

96
00:04:22,300 --> 00:04:24,970
还有实际上的意义

97
00:04:24,970 --> 00:04:26,750
为你找出最符合你正在找寻的东西。

98
00:04:27,130 --> 00:04:29,980
例如，如果你搜索「速球投手（fast pitcher）」，

99
00:04:30,280 --> 00:04:32,300
它会知道你正在寻找的是运动员，

100
00:04:32,500 --> 00:04:34,450
如果你搜寻的是「大水壶（large pitcher）」，

101
00:04:34,450 --> 00:04:36,730
它会找寻到是与厨房用途的选择。

102
00:04:38,420 --> 00:04:41,910
为了更好地理解这些字词，我们运用了机器学习，

103
00:04:41,910 --> 00:04:43,985
这是人工智慧的一种。

104
00:04:43,985 --> 00:04:46,050
它能够让搜索算法不只是找寻

105
00:04:46,090 --> 00:04:48,400
网页中的个别字母或字词

106
00:04:48,400 --> 00:04:51,280
还能了解这些字词背后的含义。

107
00:04:53,690 --> 00:04:55,850
互联网不断成倍地增长，

108
00:04:56,210 --> 00:04:59,810
但如果设计搜寻引擎的团队能帮助我们做正确的判断，

109
00:05:00,080 --> 00:05:04,090
你所需要的信息离我们的距离，就只有几次按键之遥。