科技巨头在机器学习中投入大量投资。
2019年，微软投资于 11 人工智能（AI）初创公司，单独为Openai进行10亿美元 。他们甚至不是公司风险投资洪水的最大来源。在同年，英特尔资本制定了19次投资，谷歌企业制作了16次投资。
巨大的投资资本涌入意味着AI计算能力在医疗保健到营销和搜索引擎优化的一系列部门中的快速进步。
然而，在我们进入机器学习对SEO专业人员的影响之前，让我们通过AI定义我们的意思。
AI类型的AI：
窄或弱AI：
这种类型的AI旨在执行必须“教授”算法的专业任务（思考谷歌的搜索算法）。虽然在范围中非常专业，但狭窄的AI（ANI）能够快速识别模式并以满足人类能力的方式执行任务。
一般或强壮的AI：
能够自主学习和解决问题，通用AI（ AGI）将机器学习到下一个级别。该AI由设计用于镜像人脑的神经网络的深度学习过程，允许算法在没有指导的情况下做出决策。目前，人工高智（ASI）仍然完全降落在该类别中科幻小说。这种类型的AI理论上，能够优于人类高层人es解决我们时代的“无法解决的”问题。虽然像Openai和转换等公司正在向发展一般AI进行自然语言处理，但目前没有明确的AGI的实例。 。广告联系读数下面从ANI到AGI的进步，深度学习将成为创建更强的AI的关键，能够使用演绎推理来分析复杂的，非结构化数据并进行独立决策。
“机器学习第一”公司
。从那时起，他们已经向这一目标做出了稳定的努力，2017年推出了谷歌AI，并在2019年推出了
BERT
，他们不仅让我们的生活更容易，而且也用AI找到“从重新思考医疗保健来推进科学发现的”寻找现有问题的新方法“。
除了那些崇高的目标未来，人类已经看到这些机器学习在我们与每天互动的东西中的较小规模的进步 – 搜索引擎算法。
谷歌一直在将用户连接到他们的内容的方式稳步进展搜索，包括这些九种方式我们知道搜索引擎现在正在使用机器学习。广告联网读数下方 1。模式检测
搜索引擎正在使用机器学习，用于
模式检测，有助于识别垃圾邮件或重复内容。
低曲Ality内容通常具有不同的相似之处，例如：
存在多个出站链接到不相关的页面。使用停止单词或同义词的使用。识别的“垃圾”关键字的发生率。
机器学习识别这些模式并标志着他们。它还利用来自用户交互的数据来检测当使用新的垃圾邮件结构和技术时，识别新模式，以及成功标记那些。
即使谷歌仍然使用人类素质评估者，利用机器学习来检测这些模式大大减少了审查内容所需的人力量的量。
这种方式，谷歌能够在杂草之前自动筛选到杂草之前的低质量内容实际的人必须得到依赖编辑。
机器学习是一种不断发展的技术，因此分析的页面越多，它更准确地（至少在理论上）。
2。识别新信号
RankBrain 是由谷歌开发的机器学习算法，不仅有助于识别查询中的模式，还可以帮助搜索引擎识别可能的新排名信号。 [在RankBrain之前，谷歌的算法完全由手编码。它依赖于工程师团队来分析搜索查询结果，运行测试以提高这些结果的质量，并实现更改。
虽然仍有人工工程师在算法上工作，但Rankbrain悄然作用在后台运行测试和测量变更如何影响用户交互。[RankBrain解决了谷歌与传统算法面对的一些棘手的问题 – 包括如何处理从未在谷歌输入之前的搜索术语。
根据谷歌的Gary Illyes在
2019 Reddit AMA：
“Rankbrain是一种PR-性感的机器学习排名组件，它使用历史搜索数据来预测用户[SIC]最有可能点击以前的内容看不见的查询。“
读数下面
作为搜索引擎能够教授技术如何运行预测和数据，可以较少的人工劳动力，员工可以转向其他东西机器可以” T做，如创新或以人为本的项目。
3。它作为一小部分加权
如何尽管如此，即使机器学习正在慢慢转变搜索引擎的方式查找和排名网站，它并不意味着它在我们的SERPS上有一个主要的，重要的影响（目前）。
在2019年
网站管理局中央办公时间讨论，谷歌的John Mueller参考机器学习如何帮助谷歌的工程师更好地了解各种问题，但他谨慎注意：
“……机器学习不仅仅是这个黑色盒子为您提供一方面的互联网，另一边出现的搜索结果。“
最近，在5月2021年办公时间
讨论
他解释说，机器学习可以调节各种排名信号的重量。但再次，仍然有真正的人手动检查and调整这些值。
谷歌的最终目标是使用技术来为用户提供更好的体验。如果这意味着用户不会拥有他们正在寻找的经验，他们不想自动化整个过程。
所以不要假设机器学习将很快接管所有搜索排名;它只是一小块拼图搜索引擎已经实施，希望更轻松地让我们的生活。
4。基于特定查询的自定义信号
谷歌的当前目前隐私政策
讨论搜索引擎如何根据用户的行为创建个性化搜索结果。
谷歌的个性化搜索专利，
US20050102282A1
，即：
“”…个性化的SEARCh基于其兴趣和过去的行为为搜索引擎的不同用户生成不同的搜索结果。“
我们可以清楚地看到这一点。经常用于会议演示，证明这一过程与一个坐在谷歌中将一系列查询键入并看到结果如何变化，这取决于您上次搜索的内容。
读数下方
，例如，如果我在隐姓埋名浏览器中搜索[纽约足球场]，我得到了答案[Metlife体育场]。
接下来，如果我搜索在相同的浏览器中只是[喷气机]，谷歌假定是因为我的上一级查询是关于一个足球场，那么这个查询也是足球的。
当我继续我的搜索，谷歌在我的兴趣开始改变时学习。
在同一浏览器中搜索[Jaguars]将提出有关杰克逊维尔捷豹的NFL团队的信息（与我的最后两次搜索有关）。
但我开始的那一刻搜索[动物园附近的圣地亚哥]，然后在查询框中键入[动物园]，谷歌建议用美洲虎[动物园尽管我还没有搜查美洲虎第二次] 
搜索历史的搜索体验只是一个组件，机器学习用来提供更好的结果。以下
5的广告联网读数读数。自然语言处理
搜索引擎能够识别一个文本是多么的文本是多么的。这适用不仅仅是被使用的词语，而且也是他们更深入的含义。来自变压器的双向编码器表示 – BERT
，短暂 – 是谷歌使用来更好地理解上下文的自然学习处理框架用户的搜索查询。
人们并不总是像机器那样说话。我们用语言玩语言来提出新的短语。
我们使用相同的词来描述不同的东西。有时候，我们甚至有目的地模糊。
然而，随着更多人在线使用和搜索新的短语，机器学习能够为这些查询显示更准确的信息。
谷歌趋势是一个伟大的正面示例。一个新的短语或单词获得牵引（例如，“发光起初“或”溢出“或”溢出“）起初可能具有荒谬的搜索结果。伯爵的广告联网读数伯爵旨在通过学习用户如何与内容进行互动来重写人类识别以便对这些上下文进行分解。并匹配搜索查询以更相关的结果。
随着语言开发和转换，机器更能够预测我们所说的单词背后的含义并为我们提供更好的信息。
6。图像搜索以了解照片
每秒大约
1087 照片上传到Instagram，
4000
上传到Facebook。这是每天上传到这两个社交网络的数亿张照片。
分析和目录许多提交的提交是人类的艰巨（如果不是不可能的）任务，但它是完美的机器学习。 机器学习分析颜色和形状模式并与任何现有架构数据对有关照片的现有模式数据对帮助搜索引擎理解图像实际的图像。
这是谷歌的不仅是如何对Google Image搜索结果的目录图像，而且还为其
反向图像搜索
允许用户使用图像而不是文本查询进行搜索。下面的广告联网读数读数可以在线找到其他照片的其他实例，以及具有相同主题或调色板的类似照片和有关受试者的信息照片。反过来，用户交互的方式这些结果可以在未来塑造SERP。
7。 AD质量和定位改进
就像它的有机搜索结果一样，谷歌希望为其个人用户提供最相关的广告。根据
谷歌美国专利US20070156887
US9773256
在广告质量上，机器学习可用于改进“否则统计模型”。
这意味着 AD等级可以受到机器学习系统的影响。
“出价金额，您的暂存时间广告质量（包括预期的点球率，广告相关性和登陆页面体验），
AD等级阈值
，该人搜索的上下文“通过关键字基于关键字进入系统，以确定GOOG考虑了哪些阈值每个关键字的le。
8。同义词标识
当您看到不包含代码段中关键字的搜索结果时，它可能由于谷歌使用RankBrain来识别同义词。
在搜索[森林保存时，读数下方
，你会看到各种结果，因为它可以在这种情况下以“保存”可以互换使用。
谷歌甚至突出在一些情况下，同义词，进一步表明它是识别同义词。
9。查询澄清 我最喜欢的科目之一是搜索查询用户意图。 射击搜索引擎有很多原因。用户可能正在搜索购买（事务），研究（信息），或找到任何给定的搜索的资源（导航）。下面的广告联系读数进一步，单个关键字可能对这些意图的任何有用。[通过分析单击模式和用户与用户接合的内容类型（例如，通过内容类型的CTR）来利用机器学习来确定用户搜索后面的意图。 示例可以在谷歌搜索中查询“最佳大学”。 结果是所有人SERP，顶部列出的大学。这证明了Google对搜索背后可能的意图的理解。广告联网读数以下这正在改变如何SEOS看链接结构和放置，因为Google的算法使用像BERT这样的工具可以更好地评估放置这些链接的上下文。概述 虽然机器学习不是（并且可能永远不会是“完美的，越是人类互动，更准确，更聪明”它会得到它。这可能会令人震惊，从“终结者”电影中创造天网的愿景。然而，实际结果可能是解决复杂问题的技术的更好的经验，并允许人们专注于推动创造力和创新。 在2018年，PEW研究进行了一项民意调查 63％的受访者表示，他们对人类的未来充满希望，因为它与AI涉及到2030年，人类在人工智能的帮助下，■ 我们已经看到了对生活质量的提高，我们已经看到了对生活质量的方式。作为谷歌和其他搜索引擎彻底改变机器学习，我们能够更轻松地找到我们需要的信息和服务，我们需要它。以下广告联系读数以下 更多机学习资源： 在机器学习世界中的SEO指南 如何在搜索工作中学习：你需要知道的一切 如何机器学习改变SEO和如何调整 图像积分 所有由作者截取的屏幕截图2021年6月
