终极:深度学习驱动智能搜索引擎，RankBrain革了SEO的命

　　终极:深度学习驱动智能搜索引擎，RankBrain革了SEO的命

　　译者：朱焕胡祥杰

　　【新致远指南】如果想在谷歌或百度等搜索结果中排名靠前，除了广告（给钱），还可以选择SEO（搜索引擎优化）：让网站遵守规则算法，提高搜索引擎内的有机排名。但从去年开始，谷歌就使用了基于深度学习的人工智能核心搜索算法RankBrain。本文认为，这种越来越“类人”的算法对每一个搜索结果进行定制，而每一个网站的排名似乎更加随机，在搜索引擎中“钻空子”会越来越难. 搜索引擎优化将继续具有极高的技术性。只有抓好分析和大数据做SEO，才有希望获得巨大的收益。

　　RankBrain 也是弱 AI

　　今天，大家都听说过 Google 的 RankBrain 算法。这种新的人工智能机器学习算法是谷歌位于加利福尼亚州山景城的总部出现的最新和最伟大的算法。但是，您的许多读者可能没有意识到 RankBrain 将导致 SEO（搜索引擎优化）行业的快速转变。在本文中，我将向您展示一些 SEO 旧规则不再适用的鲜明示例，并让您知道，如果您想保持领先地位并继续为您的企业提供 SEO 服务，你需要做什么。

　　那么，什么是人工智能？

　　一般来说，人工智能分为三种类型：

　　1.弱AI：这是为特定目的服务的AI（例如，用于击败世界象棋冠军的AI）

　　2. 强人工智能：这是一种无所不能的人工智能。一旦人工智能可以像人类一样行动，我们认为它具有强大的人工智能。

　　3. 人工超级智能：人工智能在非常高的水平上做所有事情（例如，具有超过单个人类的水平）。

　　当我们谈论谷歌的 RankBrain 时，当我们谈论谷歌目前正在运行的那些机器学习算法时，我们谈论的是弱人工智能。事实上，弱人工智能已经存在了一段时间。您有没有想过您的电子邮件服务中的垃圾邮件过滤器是如何工作的？是的，这就是弱AI的表现。我最喜欢的弱人工智能项目还有：谷歌翻译、IBM Watson、亚马逊的自动产品推荐、自动驾驶汽车，以及我们亲爱的谷歌 RankBrain。

　　在弱人工智能世界中，有许多不同的实现。Pedro Domingos 在 MasterAlgorithm 一书中曾明确指出，试图实现完美人工智能的数据科学家可以分为五个“派别”，分别是：

　　• 象征主义者

　　• 联结主义者

　　• 进化论者

　　• 贝叶斯

　　• 行为类比器

　　Google 的 RankBrain 是连接主义者。联结主义者认为，我们所有的知识都编码在我们大脑中的神经元连接中。RankBrain 使用的具体方法是一种被专家称为“反向传播”的技术，后来被称为深度学习。

　　联结主义者声称该方法可以从原创数据中学习任何东西，因此它最终可以自动化知识发现。谷歌显然也相信这一点。2014 年 1 月 26 日，谷歌宣布收购深度学习公司 Deepmind，彰显了其在该领域的雄心。

　　所以当我们谈论 RankBrain 时，我们可以说它在弱人工智能中使用了深度学习技术。那么，该领域目前的发展情况如何？更重要的是，它如何改变 SEO 业务？

　　2025年左右实现强人工智能？

　　Tim Urban 在他的 文章AI 革命：通往超级智能的道路中比任何人都更清楚地解释了这项技术的发展。

　　回顾历史，技术的进步是这样的：

　　然而，正如 Urban 指出的那样，实际上，您实际上看不到自己位置的正确一面（即，您的未来）。因此，当您处于图表上的当前位置时，这就是您的实际感受：

　　这张图表显示的是，当人类试图预测历史时，他们往往低估了未来的趋势。这是因为他们总是关注图表左侧的过去，而不是图表右侧的未来。

　　然而，现实是，随着时间的推移，人类的进步越来越快。Ray Kurzweil 将此称为“加速循环定律”。库兹韦尔理论背后的科学原理是，未来更先进的社会能够以比过去欠发达社会更快的速度进步——因为那时它们更先进。这种推理也可以应用于人工智能和技术进步的增长率。

　　

　　我们已经在计算资源方面看到了这一点。下图将让您看到由于“加速循环定律”而发生的事情有多快：

　　正如您所看到的，我们都直观地感受到，处理器和计算机技术的增长都受益于加速周期定律。另一个令人震惊的事情是，有一天，一台简单的计算机将拥有比单个人更多的处理能力，而是所有人类的总和。

　　事实上，看起来我们将在 2025 年左右拥有强大的人工智能。技术显然正在越来越快地扩展，这一定会让我们大多数人感到惊讶。

　　从傻瓜到爱因斯坦

　　正如我上面解释的，谷歌的 RankBrain 只是弱人工智能的一个例子。这意味着 RankBrain 在特定领域可以做得比人类更好，但仅此而已：它是一种相对较弱的人工智能形式。然而，即使是这种“弱”人工智能也可能很快成为我们不知道如何处理的东西。

　　您可以清楚地看到，尽管 Google 的 RankBrain 在特定任务上非常聪明，但在一般的智能规模上仍然失败。但是，如果我们将循环加速定律应用于人工智能会发生什么？Tim Urban 进行了这样一个思想实验：

　　“随着 AI 的智能越来越接近我们，我们会看到它越来越聪明，就像动物一样。在那之后，它会达到人类的最低水平——用尼克·博斯特罗姆的话来说，村里的傻瓜级别——我们会说“哇，它看起来像一个人类傻瓜，真可爱！” 然而重要的是，在所有智力水平的谱系中，从傻瓜到爱因斯坦的所有人类只占很小的一个区域——所以AI达到“村里傻瓜”级别并拥有强大的AI之后，它会突然比爱因斯坦更聪明，我们不知道那会是什么样子。”

　　那么这对 SEO 业务和我们当前的 AI 意味着什么？

　　在我们去预测未来之前，让我们来看看RankBrain是如何改变SEO的。我与卡内基梅隆大学校友、首席技术官兼 Market Brew 的联合创始人 Scott Stouffer 进行了交谈，该公司为财富 500 强 SEO 团队提供搜索引擎模型。作为一名搜索工程师，Stouffer 对过去几十年的发展有着独特的视角，这是大多数人所没有的。

　　，SEO行业应该如何应对？以下是他的一些建议。

　　回归分析存在严重缺陷

　　这是目前SEO行业最大的缺陷。每当谷歌的排名发生巨变时，都会有很多“大师”——一些来自业内知名公司的数据科学家和CTO会声称他们知道为什么谷歌的排名指数最近发生了变化。事实上，他们最常用的方法是仔细分析几个月的排名数据，看看所有类型 网站 的排名如何变化。

　　使用当前的回归分析方法，这些数据科学家会指出某些特定类型的 网站 受到了影响（正面或负面），并且确信 Google 最近的算法转变是针对这些 网站 常见的 A出现某种类型的算法（内容或外部链接）。

　　然而，今天，谷歌不再这样做了。Google 的 RankBrain 采用机器学习/深度学习方法，其工作方式与以往大不相同。

　　事实上，谷歌内部已经存在许多核心算法。RankBrain 的使命是了解如何混合这些核心算法以最好地应用于每种类型的搜索结果。例如，在某些搜索结果中，RankBrain 可能会了解到最关键的搜索信号是那些搜索结果中的元标题。

　　给予这些元标题匹配算法更多的权重可能会带来更好的搜索体验。但在另一个搜索结果中，相同的元标题信号可能与良好的搜索体验负相关。因此，其他算法（例如 PageRank）在该类型的搜索中可能会被赋予更多的权重。

　　这意味着，在每个搜索结果中，谷歌使用了完全不同的算法组合。现在，您可以看到为什么“在没有搜索结果上下文的情况下对所有 网站 进行回归分析”存在严重缺陷。

　　由于这些原因，现在必须对每个特定搜索执行回归分析。Stouffer 最近谈到了一种搜索模型方法，可以用来衡量 Google 的算法发生了多大的变化。

　　首先，您可以截取屏幕截图以确定搜索引擎模型过去针对特定 关键词 搜索的校准情况。然后，在检测到排名发生变化后，您可以重新校准搜索引擎模型以显示两个搜索引擎模型设置之间的差异。这样，你就可以看到哪些具体的算法在经历了排序方式的改变之后，权重增加了或者减少了。

　　知道了这一点，我们就可以专注于为这些特定的搜索结果改进 网站 SEO。但同样的方法不适用于其他搜索结果。这是因为 RankBrain 在搜索结果级别（或 关键词）运行。准确地说，RankBrain 为每个搜索结果个性化了算法。

　　把握细分，避免误分类

　　谷歌还发现，他们可以教 RankBrain（一种新的深度学习系统）来了解“好的”网站 是什么样的，以及“坏的”网站 是什么样的。正如他们为每个搜索结果分配不同的算法权重一样，他们还发现每个垂直领域都有不同的“好”网站 和“坏”网站 实例。这无疑是因为不同的垂直行业有不同的 CRM 方法、不同的模板和数据结构类型。

　　当 RankBrain 运行时，它实际上是在学习每个垂直领域中正确的“设置”是什么样的。你可能已经猜到了，这些正确的设置是什么，完全取决于设置在哪个垂直领域。比如在医疗行业，谷歌知道像这样的网站是有信誉的，会把网站s 像这样在它的搜索索引的顶部。任何在结构上与 WebMD 网站 相似的 网站 也将被归类为“好”网站。同样，那些结构与已知医疗废物相似的网站网站被归类为“不良”网站。

　　

　　由于 Rankbrain 使用深度学习功能对“好”网站 和“坏”网站 进行分类，如果您的 网站 收录许多不同行业的信息怎么办？

　　首先，我们必须多谈谈深度学习的工作原理。在将所有网站分类为“好”和“坏”组之前，RankBrain首先要确定每个网站属于什么类别。网站 like 和 网站 分类良好。尽管 网站 上有许多不同的子类别，但它们都有一个通用类别。这种类型的 网站 很容易分类。

　　但是，收录许多不同类别的 网站 呢？这种类型的 网站 的一个很好的例子是 How-To 类型 网站。这些网站通常有很多通用类别。面对这些网站，深度学习方法崩溃了。那么，面对这些网站，谷歌使用了什么样的训练数据呢？答案是：它可能使用看起来随机的数据。它可以从多个类别中选择这个类别，也可以选择另一个类别。对于像维基百科这样著名的网站，谷歌可能根本不会采取任何分类过程来确保深度学习过程不会破坏用户现有的搜索体验（因为像维基百科这样的大网站不会很可能会产生糟糕的网页。）

　　然而，鲜为人知的 网站 会发生什么？答案是，“谁知道？” 也许，这个机器学习过程会在将每个 网站 与其他 网站 进行比较之前自动对其进行分类。How-To 类型 网站 可能看起来像 WebMed 网站。

　　如果系统的分类过程认为 网站 是关于鞋子的，那么它会将 网站 与 Nike 网站 结构进行比较，而不是 WebMD。也许，网站 的结构更像是鞋垃圾网站，而不是著名的 WebMD 网站；如果是这样，内容过于笼统网站将被标记为“垃圾”。因此，如果此 How-To 类型 网站 具有不同的子字段，最好使每个子字段看起来像该字段中最好的 网站。掌握这些细分。

　　可以识别“好坏”的RankBrain

　　让我们看看这如何影响反向链接。根据上面提到的分类过程，坚持只在您附近进行反向链接从未如此重要。因为RankBrain可以知道你的一些外链是否和你垂直领域的同类型外链网站不同。

　　让我们仍然使用前面的示例。一家公司有一个关于鞋子的网站。我们知道 RankBrain 的深度学习过程会尝试将这个 网站 的各个方面与鞋业中最好和最差的 网站 进行比较。因此，这个 网站 的反向链接特征也将与该类的最佳和最差的 网站 反向链接特征进行比较。

　　假设，典型的知名鞋履 网站 在三个相邻区域中具有以下链接：

　　运动的

　　健康

　　时尚

　　现在，假设公司的 SEO 团队决定从这三个相邻区域购买反向链接；此外，由于公司的 CEO 与汽车行业有一些联系，他们决定使用 Auto网站 的免费反向链接。看起来很“聪明”：他们使用了交叉营销的方式，在汽车 网站 上显示“租车免费鞋”页面，这将导致公司的新鞋页面。它看起来很不错，不是吗？

　　但是，RankBrain 会发现这一点，发现网站 的反向链接特征与鞋类商品网站 的特征有很大不同。更糟糕的是，它发现很多鞋垃圾网站也有来自汽车网站的外部链接。

　　这样，即使 RankBrain 不知道什么是“正确”的反向链接功能，它确实可以感知其搜索引擎结果中什么是“好”网站，什么是“坏”网站。鞋类业务网站将被标记为“不良”，来自汽车的免费反向链接网站将导致流量下滑。

　　你不能再利用它了

　　从我们之前对加速循环定律的讨论中，我们知道 RankBrain 和其他 AI 将在未来超越人脑。目前，没有人知道这项技术将把我们带到哪里。

　　但是，有几件事是肯定的：

　　从某种意义上说，深度学习方法使 SEO 业务更容易。当您知道 RankBrain 等技术已经与人类相提并论时，您应该遵循的原则变得清晰：您不能再利用。

　　在另一种意义上，事情变得更难了。搜索引擎优化领域将继续变得极具技术性。分析和大数据在今天是王道，不熟悉这些方法的 SEO 必须尽快赶上。那些已经具备这些能力的 SEO 有望在未来获得巨大的收益。

　　“招聘”

　　全职记者、编辑和活动运营

　　欢迎实习生

　　和人工智能翻译机构志愿者

　　更多信息请进入公众号点击“招聘”

　　或发送电子邮件至

　　解决方案:AI智能生成视频软件V2.0_破解版

　　AI智能生成V2.0_cracked版本的视频软件

　　AI全自动智能视频生成软件。您只需要输入一个关键词即可自动生成一批原创视频。

　　您还可以根据易作家上的爆文自动生成采集爆文原创视频和相关视频。该软件将基于关键词采集高读取文章

　　

　　并自动采集相关视频，对这些视频进行字幕和拆分操作

　　然后随机抓取这些剪辑以将它们组合成一个新视频，并将采集副本转换为配音和字幕文件

　　结合新合成的视频，它变成了准原创视频。

　　

　　链接：提取码：cntb 复制此内容后，打开百度网盘手机APP，操作更方便

　　文章导航

　　Pan下载表盘复活版下载神器，无言的钦佩

　　第三方微博客户端应用2.10.0破解版