Altfel de cautari

Se pare ca orice lucru bun aduce cu sine si cateva dezavantaje. De pilda, avem de la Google un excelent motor de cautare in web, ceea ce este foarte bine. Rau este in schimb ca puterea acestui produs este un serios factor inhibitor pentru companii mai mici, care ar avea ceva interesant de spus in domeniul cautarii. Daca intrebi pe cineva ce alte motoare de cautare foloseste in mod uzual, este improbabil sa auzi mai mult de doua alternative la Google – eventual Yahoo! si LiveSearch. Cu toate acestea, apar in continuare noi pretendenti, care incearca sa se lupte cu gigantii evitand zonele in care acestia sunt, pe moment, imbatabili. 
 
Un motor de cautare este format din trei mecanisme. In primul rand, e vorba despre culegerea informatiilor din web, incredintata unor programe numite “web crawlers” (sau “spiders”), care exploreaza neincetat paginile web urmand legaturile dintre pagini. Al doilea mecanism este cel de indexare, in care informatia culeasa este stocata in imense baze de date intr-o forma care sa fie usor de regasit. In principiu, fiecare cuvant este asociat cu paginile in care apare si cu contextul din pagina (de exemplu, conteaza daca un cuvant apare intr-un titlu sau intr-un subtitlu). In fine, avem un mecanism care sa ordoneze rezultate obtinute prin “potrivirea” termenilor cautarii cu indexul. Aici este punctul sensibil, cel care face diferenta si care-l plaseaza pe Google in postura de lider. Desigur, exista o serie intreaga de detalii, cum ar fi conversia termenilor de cautare intr-o forma standard, cautarile exacte si inca multe altele.
 
Un prim teren in care jucatori mai mici se pot afirma il reprezinta cautarile pe domenii limitate. Un exemplu la indemana il reprezinta domeniul medical, unde motorul de cautare (ajutat adesea si de factorul uman) se ingrijeste ca termenii indexati sa apara doar in context medical, ceea ce il ajuta pe utilizator sa gaseasca mai usor ceea ce-i intereseaza. Un alt exemplu il reprezinta cautarile specializate pe bloguri, in care indexarea continutului este directionata si astfel un motor precum Technorati concureaza cu succes cu Google sau Yahoo!.
 
Un alt camp deschis pentru inovatie il reprezinta semantica. Un motor precum cel de la Google nu intelege de fapt nimic din cererea utilizatorului si nici din continutul paginilor indexate, astfel incat totul se reduce la potrivirea cuvintelor, ceea ce poate duce uneori la rezultate neconcludente. De exemplu, majoritatea paginilor contin o informatie de genul “last update” (ultima actualizare), pe care Google o indexeaza si astfel cautari mai sofisticate cuprinzand cuvantul “update” se intampla sa returneze milioane de rezultate fara nici o relevanta. O prima abordare este cea care utilizeaza descrieri formale ale continutului, insa deocamdata practicile web-ului semantic sunt prea putin utilizate.
 
O alta abordare, mai pragmatica, o reprezinta utilizarea tehnicilor de inteligenta artificiala pentru a interpreta cereri exprimate in limbaj natural. In loc sa considere cuvintele introduse de utilizator ca simple cuvinte-cheie, un motor de cautare precum Powerset incearca sa caute sensul cuvintelor luate impreuna, astfel incat utilizatorul sa poate exprima in limbaj natural ceea ce-l intereseaza. Odata inteleasa cererea, motorul de cautare poate sa genereze el insusi cuvintele-cheie pentru cautare si, eventual, sa selecteze dintre rezultate pe cele care raspund la intrebarea utilizatorului bazandu-se tot pe intelegerea limbajului natural. Powerset (achizitionat de curand de Microsoft) nu indexeaza tot web-ul, ci se foloseste de Wikipedia pentru a raspunde la intrebari de genul “In ce filme a jucat Marlon Brando” sau “Cum se produce berea”.
 
Insa cel mai avangardist experiment privind obtinerea informatiei prin web se desfasoara in Anglia, si poarta numele Wolfram Alfa. Am spus “prin web” (si nu “din web”) deoarece intentia fizicianului Stephen Wolfram – cunoscut pentru programul Mathematica – este de a sintetiza raspunsuri la intrebarile utilizatorului, folosind modele formale ale diferitelor domenii ale stiintei, impreuna cu datele si algoritmii corespunzatori. Intelegerea limbajului natural este un simplu detaliu in acest extrem de ambitios proiect, care intentioneaza sa ne apropie la cativa pasi de scenariul din Star Trek: “Computer, la ce distanta de Pamant ne aflam?”. Desigur, proiectul este limitat la acele domenii ale cunoasterii care pot fi formalizate si va trebui sa mai treaca multa vreme pana cand vom putea obtine de la un computer raspunsul la o intrebare de genul “Ce este sufletul?”.