Sok cikket, postot írtak már a Google keresőalgoritmusáról, de kevés az olyan írás, mely plasztikus példákkal, történeti kontextusba emelve mesél a Google legféltettebb kincséről.

Steven Levy, a Wired munkatársa a mostani márciusi számban egy nagyobb lélegzetvételű írásban foglalja össze a Google-misztikumot. A "How Google’s Algorithm Rules the Web" című exkluzív betekintés egyben helyszíni riport is.

Levy a kaliforniai Googleplexből tudósít: épp egy olyan meetingen ül, ahol a Google fejlesztői, termékmenedzserei, vezetői beszélik át, hogy milyen változtatások lennének szükségesek a kereső algoritmusában. Csak idén közel 500 kisebb-nagyobb változtatást terveznek, és mindegyikről ilyen meetingeken fognak dönteni.

Nem fogom végigvenni az egész cikket. Akit érdekel, úgyis elolvassa. Csupán néhány érdekesebb témára térnék ki. Az egyik mindjárt az új konkurenset, a Microsoft Bingjét illeti.

A cikk szerint a Microsoft valamit nagyon jól csinál ebben a témakörben. És ez pedig a speciális tartalmakat szállító webszájtok felvásárlása, és belegyúrása a Bing találati listáiba. Az olcsó repjegyekre és az árak trendkövetésére szakosodott Farecast felvásárlásárlásával például jobb találatokat tudnak mutatni ebben a témakörben, mint a Googe algoritmusa. Ugyanakkor a Google jobban teljesít az általános keresésekben. Na de hogy sikerült ezt elérni az elmúlt tíz évben? 

A megfejtés, hogy a Google nem csak jól keres, de jól is interpretálja a kereséseket. És a keresés értelmezése kulcsfontosságú a jó találati lista összeállításában.

A cikk ezen a ponton történeti áttekintésbe csap át, és az 1997-es PageRank nagy ötletének leírásába kezd. A nagy ötlet ugye az volt, hogy a webszájtokat a Google keresője aszerint értékelte ki, hogy mennyi és milyen minőségű a linkeltsége.

A keresőalgoritmus legértékesebb része ugyanakkor nem ez, hanem a rengeteg interpretációs szabály, amit az évek során beleépítettek a fejlesztői. Jelenleg több mint 200 tulajdonság alapján rangsorolódnak a weboldalak a Google találati listáiban.

Ugyancsak fontos felismerés volt, hogy nem csak a weboldalak linkhálói és egyéb tulajdonságai az értékesek, hanem maguk a felhasználói keresési szokások is. Vagyis egy találati lista nem csak annak alapján áll össze, hogy az algoritmus mely weboldalakat talál a legrelevánsabbnak, hanem azalapján is, hogy a netezők milyen típusú kereséseket indítanak, és azok hogyan függenek össze a találatokkal, vagyis a kiértékelt weboldalakkal.

A Google ennek a filozófiának részeként fejlesztette ki a személyre szabott keresőt, mely az adott felhasználó kereséseire historikus szempontból is tekintettel van. Ugyanakkor az algoritmus tökéletesítgetésével néhány zavaró probléma is napvilágra került.

Az egyikre példa egy egyszerű szinonima-elemzés. Ha valaki a "dog"-ra keres, akkor valószínűleg számára ugyanolyan jó találat a "puppy" is. És ha valaki a "boiling water"-re keres, valószínűleg számára a "hot water" is releváns lesz. Ugyanakkor a "hot dog" nem szinonimája a "boiling puppynak". Ezt a problémát még 2002-ben oldották meg a Google fejlesztői Wittgenstein nyelvelméleti teóriája alapján, mely arról szól, hogy hogyan definiálhatók szavak azok kontextusa révén.

(Ha jól gondolom, a Wittgenstein Tractatus című főművében szereplő kontextus-elvről van szó, mely valami olyasmit mond ki, hogy csak az adott kifejezésről szóló leíró kijelentésnek van értelme, és csupán ebből leíró kijelentésből, vagyis a kontextusból származik az adott szó jelentése.)

A kontextualitás-vizsgálatból aztán már világossá vált, hogy a "hot dog" kifejezés körül rendszeresen jelennek meg olyan kifejezések, melyek a "boiling puppy" esetében nem. Ergo, a két kifejezés nem feleltethető meg egymásnak. Jelentésük nem azonos. Legalábbis az esetek döntő többségében.

A cikk részletesen taglal olyan problémákat, mint például, hogy az algoritmus miként oldja meg, hogy a "new york", "new york times" és "new york times square" keresésekre mást és mást kell dobnia találatként. Akit érdekelnek ezek a példák, és summázot megfejtéseik, fussák át a cikket.

Ami a lényeg, és amire az írás jól rávilágít az az a tény, hogy a Google algoritmusa egy folyamtosan változó, folyamatosan alakuló és egyre bonyolultabb összefüggésket feltáró gépezet. És hogy a Google igazi knowhow-ja nem is feltétlenül abban áll, hogy mindig jobb ötletekkel tudják kiegészíteni saját kerresőalgoritmusukat, mint a konkurensek, hanem abban, hogy ezeket a módosításokat, fejlesztéseket rendszeresen és szisztematikusan végzik.

És ebben nem ismernek lehetetlent. Ahogy a cikkben megszólaló egyik vezető mérnök mondja: olyan a munkájuk, mintha 10 ezer méter magasan egy 1000 km/órával száguldó utasszállítón kellene rendszeresen motort cserélniük.

(Ja, és brilliáns az illusztrációja az írásnak.)

Címkék: google keresők