ما يحتاج المسوقون لمعرفته حول التعلم العميق وجوجل

تعلم عميق.

خلال PubCon KeyNote لعام 2013 ، تحدث مات كاتس عن هذا الأمر باعتباره أحد الأشياء الرئيسية التي تستخدمها Google لتحسين البحث ، لا سيما حول وجود الكيانات والبحث الصوتي. يشير Yann LeCun ، مدير Facebook AI إلى أن شركات مثل Facebook و Google ستعتمد عليها أكثر فأكثر - Facebook لفرز العناصر لإظهار الأشخاص ، و Google للسيارات ذاتية القيادة. وبعد "شتاء الذكاء الاصطناعي" الطويل إلى حد ما ، تستقطب شركات مثل Google و Facebook و Microsoft و IBM خبراء الذكاء الاصطناعي والتعلم العميق.

بالنسبة للمسوقين ، لم يكن هناك وقت أكثر أهمية من أي وقت مضى لمعرفة ما هو الضجيج وما هو حقيقي. من المؤكد أن التعلم العميق يغير قواعد اللعبة - ولكن ربما ليس بالطريقة التي قد تتوقعها.

ليس مثل الدماغ ، حقًا

يبدو الأمر كله "Google-is-SkyNet" ، أليس كذلك؟ ما يضفي عليه هذا النوع من التصوف هو جزئيًا كيف صورت وسائل الإعلام التعلم العميق والذكاء الاصطناعي. لكن المشكلة التي يواجهها المسوقون لا تتعلق بمؤامرة Terminator 2 بقدر ما تتعلق بالخبرة التي لديهم حول البحث والتي أصبحت قديمة.

لفهم السبب ، فإنه يساعد على إزالة الغموض عن ماهية التعلم العميق وما هو ليس كذلك.

الاختصار الذي يستخدمه الأشخاص أحيانًا لوصف تقنيات التعلم العميق في الذكاء الاصطناعي هو أنه "يعمل تمامًا مثل الدماغ." هذه عبارة مغرية للغاية لاستخدامها ، لأنها تتخلص من بعض التعقيد ، ويمكن للناس أن يلتفوا رؤوسهم حول الآلات التي تتعلم تمامًا مثل الدماغ.

لكن كما يشير يان في مقابلة أجريت معه مؤخرًا ، فإن هذا النوع من الضجيج خطير. نعم ، هناك بعض التقنيات في التعلم الآلي المستوحاة من علم الأحياء ، ولكن العديد والعديد من التقنيات الأخرى ليست كذلك. بدلاً من ذلك ، يتعلق التعلم العميق بتعليم التعرف على أنماط الآلات - مثل تعليم السيارة التعرف على الأضواء الخضراء والحمراء والصفراء ، أو جعل Google يتعرف على وجود وجه في الصورة.

الآلات التي تتعلم

ما هو عميق في التعلم العميق هو الهندسة المعمارية ، وليس التعلم. إنه يتعلق بالمقياس.

عندما تستخدم Google التعلم العميق لمشاريعها "الأشياء ، وليس السلاسل" ، فإن ما يجعلها عميقة ليس حقيقة أنه يمكنك الحصول على بحث أفضل للمحادثة ، ولكن حقيقة أن الملايين والملايين من "الكيانات" مثل "أوباما" و "الرئيس "، جنبًا إلى جنب مع الكثير من الأنماط حول تلك العلاقات.

تاريخ موجز لمحركات البحث

كيف يرتبط هذا بمحركات البحث والمسوقين عبر الإنترنت ليس واضحًا بسهولة حتى تقوم بفحص تاريخ كيف كان مسوقو البحث مفيدًا.

عندما كانت محركات البحث في مرحلتها الوليدة ، استخدمت Altavista و Google ومحركات البحث الأخرى في ذلك الوقت ما يسمى بالعلامة الوصفية للكلمة الرئيسية للمساعدة في تحديد موضوع الصفحة. ما فعلته مُحسّنات محرّكات البحث "سيئة" أو "بلاك هات" هو إساءة استخدام هذا - لقد قاموا بإرسال كلمات رئيسية غير مرغوب فيها في العلامات الوصفية حتى اضطرت Google بشكل أساسي إلى الاستسلام والقول إن الحقل لم يعد مفيدًا كإشارة بعد الآن.

سيستمر هذا النمط في البحث للمضي قدمًا - قد تقول Google والشركة أن الروابط جيدة لمحركات البحث ، حتى يسيء اللاعبون في النظام استخدام ذلك من خلال إنشاء شبكات روابط مدفوعة تجعل نتائج البحث أقل فائدة بشكل عام عند الاعتماد فقط على الروابط. كان على محركات البحث أن تعدل عن طريق خصم الروابط التي يتم الدفع مقابلها. تعتبر الصفحات الموجهة للموضوعات جيدة لمحركات البحث ، حتى ظهور مزارع المحتوى وكان لها محتوى ضحل بشكل أساسي للموضوعات. لذلك ولدت باندا.

هذا ما كان عليه النظام البيئي بشكل عام - لا يقول المهندسون في شركات محركات البحث تحديدًا ما الذي يجعل الصفحات مرتبة ، ولكن يقدمون توجيهات عامة. ستأخذ مُحسّنات محرّكات البحث "القبعة البيضاء" روح هذه الإرشادات وتطبقها على مواقع الويب ، وستواصل "القبعات السوداء" اختبار النظام بحثًا عن نقاط الضعف.

لقد استمر ذلك منذ حوالي 15 عامًا ، ويهدد التعلم العميق في البحث باقتلاع جزء كبير من هذا النظام البيئي.

الآلة تعرف ما لا يفعله المهندسون

عندما يطبق أميت سنغال وبقية فريق بحث Google تغييرات على بحث Google ، فإنهم يقدمون بشكل أساسي خوارزميات مع بعض المقابض المعدلة.

لكن إدخال التعلم العميق إلى أقسام بحث Google هو تغيير قواعد اللعبة ، بمعنى أنه بالنسبة لمجموعة معينة من عمليات البحث ، توفر الآلة الأهمية ؛ لن يتمكن المهندسون من الإجابة ، على سبيل المثال ، إذا كانت نطاقات المطابقة التامة تساعد ، أو إذا كانت الأوزان الاجتماعية هي التي تقود معظم الترتيب لهذا البحث ، أو إذا كانت البنية الداخلية للموقع تضر بالترتيب.

أفضل ما يمكن أن يقوله مهندس Google هو "ربما".

وإذا كان مهندسو Google أنفسهم لا يعرفون ، فيمكنك المراهنة على أن مُحسنات محركات البحث لا يعرفون ، ولن يعرف عملاؤهم أيضًا. هذا ما نواجهه مع تحسن أنظمة التعلم العميق: لن تموت مُحسّنات محرّكات البحث كمركبة ، لكن اتساع ما يمكن أن يدعي مُحسّنات محرّكات البحث القياسي أنه يعرفه بشكل معقول سيكون أكثر محدودية.

كيف تثبت مهاراتك في المستقبل في عالم التعلم العميق؟

لن يكون تأثير التعلم العميق محسوسًا فقط في البحث ، ولكن بالنسبة لكثير من المسوقين عبر الإنترنت ، فإن البحث يمثل حصصًا في الجدول. في العقد المقبل ، مع تحسن هذه الأنظمة وتطوير المزيد من المعايير ، (حتى المهندسين من Google و Facebook يقرون بسهولة أننا لم نصل إلى هناك بعد) سيكونون قابلين للتطبيق في المزيد والمزيد من المجالات.

ما يعنيه هذا بالنسبة لك كمسوق هو أنه إذا كان لديك نفس الوقت المحدود لصقل تأثير ربط الكتل C للبحث ومنهجية اختبار الانقسام لقابلية الاستخدام والتحويلات ، فقد يكون للأخير المزيد من الأرجل للمضي قدمًا.

يبدو أنه في العقد المقبل ، فإن المهارات التي يجب عليك اختيارها هي تلك التي تمنع الزوار من النقر مرة أخرى بمجرد وصولهم إلى موقع الويب الخاص بك - ستكون هذه المهارات مهمة بغض النظر عن مدى اقتلاع التعلم العميق لصفحة نتائج البحث. لا تزال الروابط وإحالات الوسائط الاجتماعية والعناصر الموجودة على الصفحة وأشياء أخرى بمثابة اعتبارات ، ولكن سيكون لديك رؤية أقل حول مدى أهميتها مما تفعله اليوم.