WEBVTT

00:00:06.070 --> 00:00:07.120
嗨，我是约翰（John）

00:00:07.510 --> 00:00:10.140
我带领着Google的搜寻和机器学习团队。

00:00:12.130 --> 00:00:14.230
我认为这是令人惊奇与振奋的一件事：

00:00:14.230 --> 00:00:16.214
全世界的人们会使用搜索引擎

00:00:16.215 --> 00:00:19.160
来询问琐碎小事

00:00:19.160 --> 00:00:20.930
与重要问题

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，

00:00:23.450 --> 00:00:24.864
成为了我们的重责大任。

00:00:26.710 --> 00:00:30.610
嗨，我是Akshaya，我任职于Bing搜索小组。

00:00:30.910 --> 00:00:33.190
有很多时候，

00:00:33.190 --> 00:00:35.800
我们进行人工智慧与机器学习的研究，

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

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。

00:00:43.780 --> 00:00:45.400
问一个简单的问题：

00:00:45.820 --> 00:00:48.070
旅行到火星要花多久时间呢？

00:00:49.330 --> 00:00:50.950
这些结果是从哪里来的？

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？

00:00:55.700 --> 00:00:58.150
好。我们一起深入了解：

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。

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，

00:01:03.430 --> 00:01:06.480
搜寻引擎不是即时地

00:01:06.480 --> 00:01:08.010
到互联网上去找寻你要的信息。

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

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。

00:01:14.140 --> 00:01:16.210
如果搜寻引擎，

00:01:16.240 --> 00:01:18.690
必须到每一个网站来找你要的信息，

00:01:18.690 --> 00:01:20.120
这件事情就会永远无法完成。

00:01:20.500 --> 00:01:21.940
为了让你的搜寻更加快速，

00:01:21.970 --> 00:01:24.940
搜寻引擎一直不断地扫描网站

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。

00:01:28.930 --> 00:01:31.270
这样一来，当你搜寻有关「旅行到火星」时

00:01:31.630 --> 00:01:33.700
搜寻引擎已经拥有了即时能够

00:01:33.700 --> 00:01:35.728
给你答案所需要的信息。

00:01:36.250 --> 00:01:37.540
它是这样运作的：

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。

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，

00:01:47.380 --> 00:01:49.040
搜集这些网页的信息。

00:01:44.680 --> 00:01:47.380
这个程序在这些网页中爬行，

00:01:49.780 --> 00:01:51.550
每次找到一个超链接，

00:01:52.090 --> 00:01:55.000
它就会顺着这个连接，

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。

00:01:57.335 --> 00:01:59.170
蜘蛛对于每一个它拜访的页面，

00:01:59.200 --> 00:02:02.320
都会记录所有搜寻所需的信息。

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。

00:02:07.166 --> 00:02:09.530
现在，让我们回到先前的搜寻，

00:02:09.590 --> 00:02:11.990
看看我们能不能弄清楚

00:02:11.990 --> 00:02:13.333
搜寻引擎是如何产生出这些结果。

00:02:13.640 --> 00:02:16.460
当你问「旅行到火星需要多长时间」时，

00:02:16.640 --> 00:02:18.860
搜索引擎会用这句话里的每一个字，

00:02:18.920 --> 00:02:21.410
到搜寻索引中检查，

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

00:02:24.890 --> 00:02:26.870
但是，只是查看这些搜寻字

00:02:26.870 --> 00:02:28.760
会得到数以百万的网页

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，

00:02:31.110 --> 00:02:33.120
来优先显示。

00:02:33.340 --> 00:02:36.010
这就是最微妙的地方，

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。

00:02:38.930 --> 00:02:41.360
每个搜索引擎会使用自己的算法，

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。

00:02:44.930 --> 00:02:47.660
搜索引擎的排序算法可能会检查：

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

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

00:02:54.520 --> 00:02:57.020
以及其他的计算方式，

00:02:57.020 --> 00:02:58.610
来帮助它能更准确的判断

00:02:58.670 --> 00:03:01.420
哪些是你想看的网页、哪些不是。

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：

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

00:03:08.560 --> 00:03:11.230
这里的想法是：

00:03:11.830 --> 00:03:14.140
如果有很多网站认为

00:03:14.140 --> 00:03:15.660
这一个页面很有意思

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。

00:03:18.190 --> 00:03:20.020
这个算法称为：「佩奇排名（Page Rank）」。

00:03:20.590 --> 00:03:22.330
不是因为它排名网页，

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。

00:03:25.480 --> 00:03:27.333
佩奇是Google的创始人之一。

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，

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，

00:03:32.950 --> 00:03:35.741
来让他们的网页能够在搜寻结果中，

00:03:35.742 --> 00:03:37.931
有更高的排名

00:03:38.260 --> 00:03:40.750
搜索引擎定期地更新算法

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。

00:03:44.680 --> 00:03:47.350
到最后，

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

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。

00:03:53.680 --> 00:03:55.390
搜索程序不断地演进，

00:03:55.420 --> 00:03:58.420
改善算法来回传

00:03:58.540 --> 00:04:00.460
比竞争对手更好、更快的结果。

00:04:01.000 --> 00:04:03.100
现今的搜寻引擎，

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。

00:04:07.150 --> 00:04:10.120
例如，你搜寻可以遛狗的公园，

00:04:10.240 --> 00:04:12.190
许多搜索引擎会有很多搜寻结果

00:04:12.190 --> 00:04:13.840
如所有在你附近的可以遛狗的公园，

00:04:14.080 --> 00:04:16.260
即便你没有输入你的位置。

00:04:17.800 --> 00:04:20.530
现代的搜索引擎，

00:04:20.530 --> 00:04:22.060
能理解的不仅是网页上的文字，

00:04:22.300 --> 00:04:24.970
还有实际上的意义

00:04:24.970 --> 00:04:26.750
为你找出最符合你正在找寻的东西。

00:04:27.130 --> 00:04:29.980
例如，如果你搜索「速球投手（fast pitcher）」，

00:04:30.280 --> 00:04:32.300
它会知道你正在寻找的是运动员，

00:04:32.500 --> 00:04:34.450
如果你搜寻的是「大水壶（large pitcher）」，

00:04:34.450 --> 00:04:36.730
它会找寻到是与厨房用途的选择。

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，

00:04:41.910 --> 00:04:43.985
这是人工智慧的一种。

00:04:43.985 --> 00:04:46.050
它能够让搜索算法不只是找寻

00:04:46.090 --> 00:04:48.400
网页中的个别字母或字词

00:04:48.400 --> 00:04:51.280
还能了解这些字词背后的含义。

00:04:53.690 --> 00:04:55.850
互联网不断成倍地增长，

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，

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。