新しい機械学習アルゴリズムにより、Googleは検索クエリ内のどの単語が最も重要かを判断し、単語間の関係を把握できるようになりました。
Google検索エンジンにとって、適切な結果を返すためには、ユーザーが何を求めているかを正確に理解することが不可欠です。そのためには、検索クエリ内の意味のあるキーワードに着目し、それ以外を無視する必要があります。たとえば「a」や「the」といった語は、一般的に安全に無視できます。
問題は、Googleのような高度な検索エンジンでも、単語同士がどのように関連し、どれが重要かを判断しにくいクエリが数多く存在することです。一例として、「can you get medicine for someone pharmacy」（誰かの代わりに薬局で薬を受け取れますか）という検索では、「someone」（誰か）が決定的に重要です。これは「myself以外の誰か」を意味する省略表現ですが、人間なら自然に推測できるところ、従来の検索アルゴリズムには困難でした。
Googleは現在、英語の検索エンジンを対象に、こうした微妙なクエリをより深く理解するためのアップデートを展開しています。これにより、より関連性の高い結果を提供できるようになります。先ほどの検索例では、他の人の処方箋を受け取るという具体的な問題に関する「強調スニペット」がトップに表示されるようになりました。（以前は処方箋に関する内容は含まれていたものの、クエリの核心には答えられていませんでした。）
今週初め、Google本社で開かれた報道向けプレビューに参加しました。そこでは同社の検索担当幹部が新しいアルゴリズムによる改善例を紹介し、その背後にある新技術を説明しました。期待値は非常に高く設定されており、検索担当副社長のPandu Nayakは「過去5年間で最大の変更であり、会社創設以来最大の変更のひとつかもしれない」と述べました。
BERTの仕組み
今回の改善は、Googleが開発したBERT（Bidirectional Encoder Representations from Transformers）という技術を活用しています。AIの専門家でなければ、エンコーダー、表現、トランスフォーマーが何かを理解する必要はありません。要点は、BERTが機械語アルゴリズムを学習させる際に、一部の単語を削除したテキストの断片を与えるという点です。アルゴリズムは欠けている単語を推測するよう求められます。これはコンピューターが得意とする課題であり、テキスト理解を効率的に学習させる有効な手法です。理解の観点からは、「キーワード的な表現を自然な言語に変換する」助けになると、Google検索チーフのBen Gomesは述べています。
「テキストが多いほど、理解が深まる」とGoogleの上級副社長（研究担当）Jeff Deanは言います。幸いなことに、GoogleがBERTに投入できる文章はいくらでもあります。（なお、「Bidirectional」（双方向）という言葉は、この技術が従来の左から右へと一語ずつ分析する方法から脱却していることを指します。）
Googleは自社設計のスーパーコンピューターで機械学習モデルを学習させ、BERTを検索アルゴリズムに適用することで、検索クエリや関連情報を含むウェブページへの理解を深めています。他のテクノロジー企業もBERTを取り入れ、さまざまな用途に独自のバリアントを活用しています。たとえばFacebookは、RoBERTaと呼ばれるバージョンをチャットボット研究に使用しています。今回のGoogle検索への導入は、BERTが研究室を出て世界で最も広く使われているサービスのひとつを改善した初期の事例と言えます。
今回のBERT学習はGoogleが検索結果を選ぶために使う多くの要素のひとつに過ぎませんが、全体の約10件に1件の検索に適用されると同社は述べています。ただし、その10%には過去にGoogleが苦手としていた検索——たとえば「How old was Taylor Swift when Kanye went onstage?」（KanyeがステージにあがったときTaylor Swiftは何歳だったか？）や「Do estheticians stand a lot at work?」（エステティシャンは仕事中に長時間立っているか？）——が含まれる見込みです。
今回の改善は、Googleが開発したBERT（Bidirectional Encoder Representations from Transformers）という技術を活用しています。AIの専門家でなければ、エンコーダー、表現、トランスフォーマーが何かを理解する必要はありません。要点は、BERTが機械語アルゴリズムを学習させる際に、一部の単語を削除したテキストの断片を与えるという点です。アルゴリズムは欠けている単語を推測するよう求められます。これはコンピューターが得意とする課題であり、テキスト理解を効率的に学習させる有効な手法です。理解の観点からは、「キーワード的な表現を自然な言語に変換する」助けになると、Google検索チーフのBen Gomesは述べています。
「テキストが多いほど、理解が深まる」とGoogleの上級副社長（研究担当）Jeff Deanは言います。幸いなことに、GoogleがBERTに投入できる文章はいくらでもあります。（なお、「Bidirectional」（双方向）という言葉は、この技術が従来の左から右へと一語ずつ分析する方法から脱却していることを指します。）
Googleは自社設計のスーパーコンピューターで機械学習モデルを学習させ、BERTを検索アルゴリズムに適用することで、検索クエリや関連情報を含むウェブページへの理解を深めています。他のテクノロジー企業もBERTを取り入れ、さまざまな用途に独自のバリアントを活用しています。たとえばFacebookは、RoBERTaと呼ばれるバージョンをチャットボット研究に使用しています。今回のGoogle検索への導入は、BERTが研究室を出て世界で最も広く使われているサービスのひとつを改善した初期の事例と言えます。
今回のBERT学習はGoogleが検索結果を選ぶために使う多くの要素のひとつに過ぎませんが、全体の約10件に1件の検索に適用されると同社は述べています。ただし、その10%には過去にGoogleが苦手としていた検索——たとえば「How old was Taylor Swift when Kanye went onstage?」や「Do estheticians stand a lot at work?」——が含まれる見込みです。.
結局のところ、BERTが検索結果に与える影響は、ユニバーサル検索やナレッジグラフ——どちらも検索結果の表示方法を根本から変え、誰もがその変化に気づいた——ほど顕著ではないかもしれません。BERTの導入後も結果の見た目は変わりません。BERTが結果を改善していれば恩恵を受けることになりますが、BERTがなければ結果が劣っていたとは気づかないでしょう。
それでもNayakは、BERT搭載の検索結果が旧バージョンより劣るケースも存在することを率直に認めています。報道向けイベントでは一例を紹介しました。「What state is south of Nebraska?」（ネブラスカ州の南はどの州か？）と尋ねたところ、BERTの結果はフロリダ州タンパにある「South Nebraska」という地区に関するものでした。以前の結果より関連性が低いどころか、まったく役に立たないものでした。しかしGoogleのテストによれば、そのような事例は十分にまれであり、BERTを使用することで全体として明確な優位性が生まれています。また、同社が技術を継続的に改善するにつれ、その優位性はさらに高まるはずです。
「BERTはあらゆる問題を解決する魔法の弾丸ではありませんが、多くの問題領域を解決します」とNayakは述べました。「まだやるべきことはたくさんあります。」
著者： HARRY MCCRACKEN
出典： https://www.fastcompany.com/90422132/google-just-got-better-at-understanding-your-trickiest-searches
