De la cuvinte la semantică

Motoarele de căutare au apărut încă de la începuturile web-ului și au adus în joc mulți competitori, însă mulți au capitulat după ce Google a început să facă primii pași în acest domeniu. Secretul succesului Google a constat în faptul că reușea să ordoneze rezultatele mai bine decât alții, folosind un algoritm numit PageRank. Mecanismul este în aparență simplu și constă în trei pași. În primul rând e vorba de indexare: niște roboți software cutreieră web-ul și memorează legătura dintre cuvintele unei pagini web și adresa acesteia. Pasul doi este găsirea paginilor pe baza cuvintelor-cheie introduse de utilizator – o relativ simplă potrivire a cuvintelor cu cele indexate.

Ultimul pas constă în calcularea unor scoruri de relevanță, pe baza cărora se stabilește ordinea rezultatelor. Aici se iau în calcul așezarea cuvintelor în pagină (de exemplu, dacă figurează în titlu sau într-un subtitlu, scorul e mai mare) împreună cu numărul referințelor la pagina respectivă și “calitatea” acestora (în sensul că referințele venind de pe situri foarte vizitate sunt mai valoroase). Desigur, treaba e mult mai complicată în realitate, ultimele două faze nu sunt delimitate, viteza este foarte importantă și o mulțime de alte detalii intră în joc, însă în cele din urmă e vorba despre potriviri de cuvinte. Chiar dacă PageRank este brevetat de Google, toate celelalte motoare de căutare folosesc mecanisme asemănătoare.

Însă competiția este acerbă în acest sector, așa că s-a mers mai departe. Mai întâi cu căutările “universale” care găsesc și imagini, secvențe video sau hărți. A urmat personalizarea rezultatelor, adică o ordonare specifică fiecărui utilizator. Cu siguranță, Google are o urmă a căutărilor mele și probabil îmi cunoaște preferințele (așa cum le știe și Amazon) și ține seama de ele. De exemplu, o căutare pe Google după “Python” îmi aduce între primele rezultate și pagina proiectului Jython, în vreme ce Bing (pe care nu prea-l folosesc) mi-o listează abia pe a patra pagină. Însă istoricul căutărilor nu pare să fie suficient, iar mașinăriile ar vrea să știe mai multe despre noi; sursa potrivită ar fi rețelele de socializare. Aici Bing este în avantaj datorită colaborării dintre Microsoft și Facebook, așa că miza majoră a serviciului Google Plus cam aici trebuie căutată. În mod normal, o căutare după “Weather Report” ar trebui să aducă o mulțime de situri specializate, ceea ce Google face cu succes, în vreme ce în prima pagină de rezultate de la Bing am patru referințe la formația de jazz-rock cu acest nume. De ce? Pentru că am postat pe Facebook un video de pe YouTube cu piesa “Birdland”. La un minut după ce am postat același video pe Google Plus, aceeași căutare cu Google mi-a adus alte rezultate.

Mai este loc de îmbunătățiri? Se pare că Google încearcă să treacă de simpla potrivire de cuvinte și să ajungă la înțelesul lor, adică “things, not strings”, cum spune blogul oficial al companiei în anunțul privind ceea ce se numește Knowledge Graph. În esență e vorba de semantică, deși “web-ul semantic” propovăduit de Tim Berners-Lee este încă departe. Folosind diverse surse publice în frunte cu Wikipedia, Freebase (pe care Google a cumpărat-o în 2010) sau CIA Word Factbook, cei de la Google au acumulat în Knowledge Graph peste 500 de milioane de persoane, locuri și diverse alte lucruri, împreună cu toate conexiunile dintre ele, astfel că în curând pentru multe căutări vom primi nu doar referințe, ci și o casetă cu toate informațiile relevante. De exemplu, o căutare după “Leonardo Da Vinci” va afișa o casetă alături de rezultate, unde vor figura datele biografice principale, cele mai cunoscute opere și, de asemenea, trimiteri la alte personalități pe care cei interesați de Leonardo le-au căutat. Informațiile de bază sunt ajustate în funcție de subiect, astfel încât pentru un astronaut vom afla timpul petrecut în spațiu și misiunile la care a participat, în vreme ce pentru o clădire vom obține o hartă, numele arhitectului, înălțimea și așa mai departe. Noua facilitate va deveni operațională mai întâi în Statele Unite pentru utilizatorii înregistrați, urmând ca apoi să fie extins în toată lumea.

Însă lucrurile nu par să se oprească aici. Un indiciu apare în videoclipul care prezintă Knowledge Graph, în care un inginer ne spune că vom putea căuta răspunsul unor întrebări de genul “Câte femei au primit premiul Nobel?”. Dacă luăm în calcul cercetările pe care Google le-a făcut în domeniul comenzilor vocale și al înțelegerii vorbirii, e foarte posibil ca Siri (de la Apple) să aibă curând un concurent.