文 李萌

斯科特·霍夫曼(Scott Huffman)Google工程總監(jiān)

斯科特·霍夫曼(Scott Huffman)加入Google已逾5年，專注搜索領域超過15年?，F(xiàn)擔任Google工程總監(jiān)，負責領導搜索質(zhì)量評估和移動搜索團隊。

在加入Google之前，斯科特在一家硅谷的企業(yè)搜索與知識管理公司Knova任工程部副總裁一職。他在卡耐基梅隆大學完成大學學業(yè)，擁有密歇根大學計算機科學博士學位。他撰寫了數(shù)十篇學術(shù)論文，內(nèi)容涵蓋信息檢索、機器學習和信息提取領域，此外，他還是多項專利的發(fā)明人及共同發(fā)明人。

十年之前，搜索結(jié)果也許只是一個網(wǎng)頁鏈接。而今天，用戶得到的搜索結(jié)果內(nèi)容是非常豐富的，包括網(wǎng)頁鏈接以及相應的圖片、視頻、地圖等各種各樣的內(nèi)容。隨著互聯(lián)網(wǎng)的不斷發(fā)展，隨著網(wǎng)絡上信息內(nèi)容的日漸豐富和無處不在，互聯(lián)網(wǎng)搜索正在快速崛起，為了帶給用戶更加重要且準確的信息，讓用戶基于這些重要的信息做出一些重要的決定，Google搜索正在逐步完善，不斷提高搜索質(zhì)量，讓搜索變得更加科學化，對此，記者專訪了Google工程總監(jiān)斯科特·霍夫曼，讓他為我們揭開了科學搜索的面紗。

搜索時間不到1秒鐘

搜索中最基本的一個概念是“索引”，斯科特說，“Google搜索機器人會對幾十億的網(wǎng)頁進行掃描，然后建立一個索引庫，這就好像是每本書的目錄，這是一本龐大的書目錄，它分布在Google全球各地的數(shù)據(jù)中心里，當用戶提交搜索請求后，這個搜索請求依據(jù)具體的地理位置會發(fā)送到Google全球各地不同的數(shù)據(jù)中心。”

斯科特介紹，平均來說，Google的每個搜索請求往返于電腦和數(shù)據(jù)中心的單程距離是750英里。數(shù)據(jù)中心接到搜索請求之后，把它散發(fā)到存有不同索引的計算機上。然后將用戶提交的搜索請求同目錄進行匹配，找到正確的文件或是網(wǎng)頁。在眾多的網(wǎng)頁或者文件中挑選相關(guān)性最高而且是最新的數(shù)據(jù)和結(jié)果，并根據(jù)結(jié)果的屬性和幾百個指標進行排名，最終呈現(xiàn)給用戶。雖然這看起來比較簡單，但它背后的流程其實很復雜。Google需要通過特定的算法，將這些網(wǎng)頁的內(nèi)容和用戶的搜索請求相對比，并將最終結(jié)果呈現(xiàn)給用戶。盡管搜索過程比較復雜，但是卻可以在不到1秒鐘的時間內(nèi)完成的。

為了能夠從互聯(lián)網(wǎng)豐富的信息海洋中為用戶提供正確的信息，Google搜索會通過對算法的改進，在數(shù)十億網(wǎng)頁、圖像、視頻、新聞和更多信息來源中為用戶篩選他們所需要的信息，通過整合各類信息，讓搜索內(nèi)容更加豐富。同時，搜索形式也會有不同變化，比如現(xiàn)在用戶可以通過按圖搜索、語音搜索等方式來得到自己想要的答案。

科學的信息篩選和推薦

Google會用幾百個指標來衡量結(jié)果并對其進行排名，最后的目的是給用戶呈現(xiàn)相關(guān)度最高且質(zhì)量最高的搜索結(jié)果，在搜索結(jié)果頁中，排名越在后，信息的相關(guān)度和質(zhì)量就越低。斯科特表示，“在信息篩選中也有一些衡量信息質(zhì)量的因素，比如我們會考量這個關(guān)鍵詞在文件中出現(xiàn)的頻率以及關(guān)鍵詞出現(xiàn)的位置，如果它出現(xiàn)在標題中就比它出現(xiàn)在文章的第十行或者更靠后的地方更重要。還會考慮用戶本身的情況，比如輸入‘北京’，而位置又在北京，它就不會出現(xiàn)‘北’和‘京’分開呈現(xiàn)的結(jié)果。另外，還要參考其他的網(wǎng)頁對這份文件的重視程度，如其他網(wǎng)頁對于這個網(wǎng)頁引用的程度、頻率和量有多高，引用的量越大這個網(wǎng)頁的排名就越靠前，質(zhì)量就越高或者越重要?！?/p>

在為用戶提供最相關(guān)的結(jié)果時，還有很多其他指標需要考慮。比如權(quán)威性，如果用戶查醫(yī)學方面的問題或者查關(guān)于某一個疾病的問題，這時，用戶可能最重視結(jié)果的權(quán)威性，而不是某個博客里多次談到的這種疾病，在這樣的搜索情況下，網(wǎng)頁權(quán)威性的權(quán)重是最高的。

斯科特還強調(diào)，在搜索過程中還要注意其他幾個方面?！捌湟?，要考慮用戶所在的位置，比如用戶在北京搜索一家餐館，上海的餐館對用戶來說就毫無意義。其二，要考慮信息的新鮮度或及時性。比如用戶要搜索“奧運會”，大家想得到的信息肯定是與倫敦奧運會相關(guān)的一些搜索結(jié)果，而不是過去一些陳舊的奧運會信息。在過去的幾個月中，我們所做的一個重大的調(diào)整就是在新鮮度算法上的調(diào)整，以給用戶得到更新、更及時的一些信息，這也能為用戶提供更好的搜索體驗。其三，要注意一些新的指標和判斷的因素。例如用戶在使用手機搜索，就可以基于位置呈現(xiàn)搜索結(jié)果。如搜索“披薩”，搜索結(jié)果中很可能呈現(xiàn)最近的披薩店的信息，這和搜索領域未來的發(fā)展方向是相匹配的，未來會有更多的移動設備，基于位置的搜索會是用戶的新需求之一。”

事實上，Google在呈現(xiàn)搜索結(jié)果時要考慮200多個指標，具體到某一個特定的搜索請求，所要考量的指標權(quán)重會有所不同，這是依據(jù)不同請求而變化的，要依據(jù)具體情況來分析。比如輸入一個非常泛泛的搜索請求，可能它的指標和輸入一個特別具體的，比如說某一個程序中的某一個代碼，這樣的搜索請求的指標就完全不一樣，重要程度也完全不一樣。

在路上——向智慧引擎前行

在斯科特看來，搜索的發(fā)展歷程可以歸納為從數(shù)據(jù)到信息，再從信息到知識，最后從知識發(fā)展到智慧的過程。目前的搜索引擎仍處于將信息轉(zhuǎn)化成知識的初始階段?！熬蛯?shù)據(jù)轉(zhuǎn)化為信息而言，我們已經(jīng)做得很好了，現(xiàn)在我們想要進一步幫助用戶把信息轉(zhuǎn)化為知識，因此我們堅持快速創(chuàng)新，使搜索更智能化、個性化，充滿互動性。

Google搜索的改進過程充滿難度和挑戰(zhàn)，斯科特表示，Google每天有超過10億的搜索請求，在處理這些請求的同時，Google仍一直在改進搜索的算法?！按蠖鄶?shù)時候，在用戶并未察覺到時，搜索已經(jīng)改進了?！睋?jù)他介紹，通常Google對算法的改進有3個步驟，首先對每項改進做必要性評估，然后在全球不同地區(qū)進行小規(guī)模實驗，之后隨機挑選用戶進行在線實時實驗。截至目前，Google在搜索算法開發(fā)上投入的時間超過1000人工年，在特定時間，Google針對搜索功能會進行50～200個在線實驗。借助這些精準有序的科學方法，一個好的改進方案從構(gòu)思到在Google.com上實施操作，最多只需24小時?！叭ツ晡覀冞M行了58000多項搜索實驗，并最終做出了520多項改進?！?/p>

搜索引擎想要做成智慧引擎尚需時日，斯科特展望，“我們發(fā)展知識引擎尚屬起步階段，如果我們能實現(xiàn)這一目標，也許有一天可以接近智慧引擎。這意味著我們的系統(tǒng)需要弄清楚用戶想要什么，然后綜合得出結(jié)果，在用戶需要的時候?qū)⒂杏玫慕Y(jié)果呈現(xiàn)出來。我們需要超越頁面上的意義，進而真正地理解人物、地點和事件，以及它們之間的相互關(guān)系。人腦自然擅長于此，但對計算機來說，這是人工智能的問題?！毕胍晒捅仨毧朔魬?zhàn)，目前，Google在數(shù)據(jù)轉(zhuǎn)化信息方面已取得了巨大進步，現(xiàn)在正邁著穩(wěn)健的步伐向知識引擎前行。