人工智能對SEO的改變超乎你的想象！
編輯
分享
評論
贊0
現在幾乎每個人都聽說過谷歌的RankBrain系統，一種新的人工智能學習算法機器，這應該是目前最新、最棒、最高大上的技術了。你們中的很多人可能沒有意識到，正是因為這項技術，SEO（搜索引擎優化）行業才會有如此快的發展速度。在這篇文章中，我將帶你通過一些具體的例子說明為何一些舊的SEO規則在今天將不再適用，以及一些可以保證您的企業可以進行成功的SEO活動的相關措施。
什么是人工智能
人工智能通常有三種不同的分類:
人工狹窄智能(ANI)：這種人工智能只能致力于完成某個特定的事情(如打國際象棋世界冠軍杯)。
人工總體智能(AGI)：這是當AI可以執行所有的事情。一旦一個AI可以像人類一樣執行任務，我們認為它為AGI。
人工超智(ASI)：AI在更高層面上完成所有的事情(如超出一個人的能力)。
當我們談論谷歌RankBrain的背景以及當前谷歌正在運行的機器學習算法時，我們談論的是人工狹窄的情報(ANI)。
實際上ANI已經運行了一段時間。有沒有想過這些垃圾郵件過濾器如何在你的電子郵件中工作的嗎?是的,這多虧了ANI。這些是我最喜歡的ANI程序:谷歌翻譯, IBM ' s的華生,還有亞馬遜上很酷的產品推薦功能,無人駕駛汽車當然了，還有我們親愛的谷歌RankBrain。
在ANI,有許多不同的方法。當佩德羅多明戈在他的書《算法大師》中明確闡述過,試圖實現的完美的人工智能的數據科學家可以分為五類：
符號學家
聯系論學家
進化學家
貝葉斯統計學家
類推學家
谷歌RankBrain屬于聯系論學家的陣營。聯系論學家相信我們擁有的所有知識被編碼并與我們大腦的神經聯系。RankBrain的特定策略是該領域的專家所稱的反向傳播技術,也就是“深度學習”。
聯結主義聲稱這種策略能夠從原始數據中學習到任何東西,因此也能最終自動的發現所有的知識。谷歌顯然也相信這一點。2014年1月26日,谷歌宣布它已經同意收購DeepMind技術,這項技術從本質上講,這是一個反向傳播。
所以當我們談論RankBrain時,我們現在可以告訴人們它是由ANI的一個特定技術(反向傳播或“深度學習”)組成?，F在我們大概的對此有了一些了解,但是這一領域是怎么進步的？更重要的是,如何改變搜索引擎優化的業務?
技術的指數級增長（和AI）
來自WaitButWhy.com網的蒂姆厄班解釋說技術的發展比在他的文章《AI革命：通往智慧之路》涉及到的任何人都快。
下面是當你回顧歷史時：科技的進步。
但是，根據厄班指出，在現實中，你不能看到你的未來是什么樣的。因此，這里是當你站在那里，是如何真正的感覺的：
這張圖顯示的是，當人類試圖預測未來時，他們總是會低估。這是因為他們看問題都以上圖左偏的形式，而不是在該曲線圖右側的形式。
隨著時間的推移 ，人類的進步發展的越來越快。雷庫茲威稱之為加快返回的法則，他最初的理論背后的科學推理是更先進的社會能夠擁有比次發達的社會更快速的發展的能力——因為他們更先進。當然了，同樣的結論可以應用于人工智能領域，擁有先進的技術，我們可以看見現在看到高速的增長比率。
我們現在可以清楚地通過計算機資源察覺到。這給你一個可視性的感覺：食物是如何在加速回返法則下快速變化的。
正如你清晰地察覺到，我們可以直觀的感受到，先進的處理技術的發展和計算機因加速回返法則下的受益。下面是另一個令人震驚的啟示：在某些時候，經濟的計算機的處理能力將超過的不單單是一個人的力量，而是所有的人力量的累加。
我們能夠在2025年實現人工總體智能（AGI），科技總會以越來越快的速度發展。
超級智能的崛起
正如我上面所解釋的一樣，谷歌的RankBrain只是一種形式的ANI，這意味著，它僅僅可以在一個特定區域內表現的比人更好，這就是：一個相對比較弱的形式的人工智能。
但是，我們有時也會被這種弱形式智能的快速發展而弄得措手不及。
在這里，你可以清楚地看到，谷歌的RankBrain，在一個特定的任務下的超級智能，仍然處在大背景之下，智力還是相對低下。
但是，當我們應用加速回返技術到人工智能領域會發生什么呢？蒂姆厄班通過思維實驗向我們做出了解釋：
“這樣A.I.在智力方向上的正增長，我們會看到它比一般動物變得更具智慧。然后，當它能夠超過人性的最低能力——尼克博斯特倫稱之為 “白癡階段”。'哇哦，這可愛的像是一個愚蠢的人”。唯一的一點是，在智力的大框架下，所有的人類的智慧，從白癡之地到愛因斯坦所擁有的，僅僅是一個非常小的范圍 。正如AGI所宣布的，現在它已經發展超過了白癡階段的智商水平，總有一天它會變得比愛因斯坦更聰明，甚至發展到無法想象的地步。
所以，這對SEO意味著什么？人工智能就是在我們身邊？
SEO已經被徹底的改變。
在我們開始預測未來時，讓我們先了解RankBrain是如何已經改變了SEO搜索引擎優化。我同卡耐基梅隆大學的校友們和我的朋友現任首席技術官員CTO以及為財富500強的SEO團隊提供搜索引擎的公司Market Brew的創始人之一的斯科特斯托弗，共同討論。作為一個資深搜索引擎工程師，他對過去的10年的發展與其他專家有獨到的見解。以下是他的一些關于SEO行業的建議，尤其在谷歌開始重點關注人工智能之后。
今天的回歸分析存在嚴重的缺陷。
這是我們行業中目前最大的謬論。在每一次谷歌排名的變化都會引起預言家的熱議。通常情況下，一些來自我們這個行業的著名的公司的數據科學家和CTO聲稱他們對于谷歌采取的新行為“有充分的理由”保持信心。典型的分析包括通過每月引發事件的排名數據，然后看看排名在不同類型的網站是如何變化的。
通過目前的方法回歸分析，這些數據科學家指出一種已受到（正或負）影響的網站的特定類型，并堅信谷歌的最新算法轉變歸因于一個特定類型的共享算法（內容或反向等）。
然而，這已經不再是谷歌的工作方式了。谷歌的RankBrain，一種機器學習或深的學習方式是非常不同。
在谷歌之內，存在著若干核心算法。這是RankBrain的任務：什么樣的核心算法最適用于某種特定類型的搜索結果。例如，對于某些搜索結果，RankBrain可能會發現的最重要的信號META。
添加到META匹配算法會帶來更好的搜索體驗。但在另一個搜索結果中，這種相同的信號可能會帶來不愉快的搜索體驗。因此，在其它維度下，另一種算法，可能的PageRank，可能會更有用。
這意味著，對于每個搜索結果，谷歌有一個完全不同的算法組合?，F在，你可以了解到為什么在每一個網站做回歸分析時，在沒有特定的搜索結果背景下，是多么的不足。
由于這些原因，如今的回歸分析，必須以每一個具體搜索結果作為分析背景。斯托弗最近寫了一篇關于衡量谷歌算法的變化的一個搜索建模方法。首先，你可以確定采取什么樣的搜索引擎模型，以過去的特定關鍵字搜索為基礎。然后，在得出新的排名之后，重新校準它，指出兩種搜索引擎模型設置之間的變化值。在特定的排名變化之下，使用這種方法。你可以了解到哪些特定的算法正在推廣或是在被減少使用。
當人類試圖預測未來，他們總是會低估。
有了這方面的知識，我們就可以專注于提高一些網站上的特定部分SEO以獲得相關類別的搜索結果。但是，同樣的方法不會（也不能）展現出其他搜索結果。這是因為RankBrain是在搜索結果（或關鍵字）的層面上操作。這是字面上為每個搜索結果匹配特定的算法。
保持類別特性，以避免誤判
谷歌也意識到，他們可以教他們新型深度學習系統RankBrain，什么是“好”的網站，什么是“壞”的網站。與他們如何為每個搜索結果衡量不同的算法相似，他們也認識到，每個維度自身對“好”與“壞”的網站都有不同的例子做輔證。這無疑是因為不同的維度有不同的CRMs，不同的模板和不同的數據結構。
當RankBrain運行時，它基本上是學習什么樣的“設置”是對于每個環境是合適的。正如你現在可能已經猜到的，這些設置都是完全依賴于其所運行的維度。因此，例如，在醫療行業，谷歌知道像WebMD.com一個著名的站點，他們會將之放在搜索順序陳列表的前端。任何看起來像WebMD的站點的結構將會被認定為“好”的網站。同樣的，看起來像在健康領域與已知垃圾網站的結構相似的的任何網站將會被視為“壞”的網站。
RankBrain可以將“好”與“壞”的網站分類，并利用其深層的學習能力來具體判斷。但是如果一個網站匯總到許多不同的領域的信息，搜索引擎該如何決策？
首先，我們要討論這個深度學習到底如何運作的。在網站被劃分為一個“好”與“壞”之前，RankBrain必須先確定每個站點的分類是什么。像Nike.com以及WebMD.com網站是很容易。雖然每個站點有許多不同的子類別，一般的類別是非常簡單的。這些類型的網站很容易歸類。
但是，關于那些同時有許多不同類別的網站如何歸類？一個很好的例子是How-To sites操作方法的網站。該網站通常有許多信息大類。在這些情況下，深度學習過程將不再適用。在這類網站上谷歌如何檢測數據？答案是：它看似是隨意。它可能會選擇一種類別或其他。對于知名網站，像維基百科，谷歌可以選擇退出該分類過程，以確保深度學習過程不會削弱現有的搜索體驗（又名“大到不能倒”）。
SEO領域開始逐漸變得特別技術化
但對于鮮為人知的實體，會發生什么？答案是“誰知道？” 據推測，在機器與其他網站對比時，機器的處理還會自動的分類，比方說，一個操作方法網站How-To看起來像WebMD的網站。這太好了，不是嗎？
如果分類過程中認為這個網站是關于鞋子的，那么它會與耐克的網站結構進行比較，而不是WebMD的。它可能看起來與一個垃圾鞋的網站有相似的結構，這與一個有信譽的網站不同，在這種情況下，過于概括的網站很容易被標記為垃圾郵件。如果操作方法網站有不同的領域，那么它會輕松地使每個類型看起來像行業最佳。保持自身行業的類別。
這些反向聞起來很腥
讓我們來看看這如何影響反向鏈接?；谏鲜龇诸惓绦颍纫酝魏螘r候都更重要的是你在“聯系鄰居”，RankBrain就會知道在維度中的反向信息不同。
讓我們再舉一個與以上相同的例子。假設一家公司有一個關于鞋的網站。我們知道，RankBrain的深度學習過程會嘗試比較這個站點與其他行業的最佳和最差網站。因此，很自然，這個網站的反向配置文件會與這些最佳和最差網站的反向鏈接配置文件相對比。
我們也可以說，一個典型的有信譽的鞋子網站從以下周圍反向鏈接：
體育
健康
時尚
現在，該公司的SEO團隊決定開始從所有這些周圍網站中尋找的反向鏈接，再加上一個新的社區 - 從CEO以前對汽車行業的鏈接。他們也是很“聰明”：他們構建出交叉市場營銷“為所有新租約免費提供鞋”的頁面出現在汽車網頁。”然后連接到一批鞋。這是完全相關的，不是嗎？
谷歌推出Gboard，一套讓你在沒有瀏覽器的情況下查找的IOS鍵盤。RankBrain會注意到這個反向配置文件看起來比典型的信譽型鞋店網站有很大不同。更糟糕的是，它發現了一堆垃圾鞋的網站也有從汽車網站的反向鏈接配置文件。
就像這樣，甚至不知道什么是“正確的”反向配置文件，RankBrain就已經察覺出了什么是“好”，什么是“壞”的搜索引擎結果。新鞋的網站被標記，其網絡情況急轉直下。
SEO和人工智能的未來
正如我們從前面的討論中了解到的關于加速回返法則的相關情況， RankBrain和其他形式的人工智能會在某個時候超越人類大腦。在這一點上，沒有人知道該技術將引領我們到何方。
有些東西是已經確定的的，雖然：
每個競爭的關鍵字環境將需要依靠自己的力量進行審查;
大多數網站都需要保持自身的類別，以避免誤判;
每個站點都應該學習本行業最佳網站的結構和組成。
在某些方面，深度學習模式，讓SEO的處理變得簡便。明知RankBrain以及其他類似的技術幾乎可以與人類看齊，法則是明確的：使漏洞越來越少。
在其他方面，事情可能會有點困難。 SEO領域將繼續變得非常技能化。分析和大數據是當下的潮流，任何不熟悉這些方法的SEO仍有很多追趕工作要做。那些擁有這些技能的人可以期待一個更大的商機。
猜你喜歡