Una notizia nella notizia, quella che arriva da Mountain View in questi giorni.
Google parla dell’algoritmo DeepRank, di cui vi spiegheremo dinamica e implicazioni a breve, ma la grande novità è che questa volta Big G vuole anche mostrarci come funziona e come nasce l’aggiornamento di un algoritmo. Per questo ha creato un video esplicativo intitolato “How Google search works”.
Una sorta di “dietro le quinte” del motore di ricerca, per mostrare non solo soluzioni hardware e software, analisi e logiche, ma anche le persone che lavorano per migliorare sempre più il modo in cui le macchine rispondono alle esigenze degli utenti.
Questa scelta è molto coerente con la volontà di Google, sempre più forte negli ultimi anni, di fornire risposte e spiegazioni agli utenti, in questo caso persino su sé stesso: nei fatti si tratta di un’ufficializzazione di quanto già avviene con ogni ricerca degli utenti da un anno a questa parte.
DeepRank e BERT, evoluzione di un update
Tra gli altri aspetti della ricerca, il video di Google di cui accennavamo nel paragrafo precedente esamina il processo di sviluppo, test e approvazione a cui viene sottoposto ogni aggiornamento dell’algoritmo.
DeepRank è stato lanciato nel 2019 come applicazione BERT alle proprie SERP e prende il nome dai metodi di deep learning utilizzati da BERT e dal concetto di ranking della ricerca.
Si può pensare a DeepRank come all’integrazione di BERT nella Ricerca Google: in pratica, BERT è stato integrato nella search e nella compresione delle query, quindi DeepRank sarebbe la capacità di scegliere quali risultati si adattano o meno alla query, interpretando il linguaggio naturale.
Ma non è così semplice come sembra…
DeepRank tra machine learning e linguaggio naturale
DeepRank si basa sulle capacità di machine learning e di elaborazione del linguaggio naturale già esistenti di Google.
L’elaborazione del linguaggio naturale consente agli utenti di inserire domande reali nello stesso modo in cui chiederebbero a un amico in un messaggio di testo, ad esempio.
Google ha lavorato sull’elaborazione del linguaggio naturale negli ultimi 20 anni, iniziando prima con le correzioni ortografiche e la comprensione dei sinonimi, così come le capacità di machine learning di Google sono in fase di sviluppo da 10 anni: BERT migliora ulteriormente la comprensione degli algoritmi di ricerca delle query in linguaggio naturale.
DeepRank ha un segnale che comprende la relazione tra i termini umani: in definitiva, è progettato per rendere la ricerca più intuitiva da usare e far percepire agli utenti che Google li comprende anche se scrivono le query in maniera colloquiale.
Grazie a DeepRank, il motore di ricerca è in grado di comprendere le connessioni tra le singole parole all’interno di un contesto: qualcosa di estremamente immediato per il cervello umano ma davvero complesso per la macchina, tanto da richiedere una quantità notevole di test e di potere computazionale per vagliare le migliaia di ipotesi di significato possibili.
Svelare, quindi, il vero intento di ricerca dell’utente. Ecco un esempio con la query “can you get medicine for someone pharmacy”: chi scrive, ovviamente, vuole sapere se è possibile ritirare in farmacia dei medicinali intestati a qualcun altro, e non come richiedere dei medicinali in generale.
In questa immagine si vede come sulla destra ci sia il risultato generico e non correttamente contestualizzato precedente a DeepRank, mentre sulla sinistra la domanda/risposta corretta e pertinente, grazie all’attivazione di questo algoritmo.
