Χάμις Όγκιλβι, Διευθύνων Σύμβουλος και Συνιδρυτής της Search.io – Σειρά Συνεντεύξεων

Ο Χάμις Όγκιλβι είναι ο Διευθύνων Σύμβουλος και Συνιδρυτής της Search.io, μιας πλατφόρμας αναζήτησης και ανακάλυψης προϊόντων που βασίζεται στο AI και επεξεργάζεται δισεκατομμύρια αναζητήσεις για einige από τις μεγαλύτερες οργανώσεις στον κόσμο. Εστιάζουν στην αύξηση της μετατροπής και του εσόδου της αναζήτησης στον ιστότοπο χρησιμοποιώντας τη μηχανική μάθηση. Αυτό επιτυγχάνεται με τη χρήση ιδιοκτησιακής τεχνολογίας αναζήτησης.

Τι σας έκανε να ενδιαφερθείτε αρχικά στο πεδίο της μηχανικής μάθησης;

Ξεκίνησα στην φυσική σχεδιάζοντας λέιζερ, αλλά ήμουν επίσης αρκετά καλός στο να βλέπω μοτίβα στα δεδομένα. Αυτό με οδήγησε στην ανάλυση και την πρόβλεψη διαφόρων πραγμάτων, όπου πέρασα αρκετά χρόνια. Η μηχανική μάθηση ήταν μια φυσική επέκταση για να διευκολύνει την εξαγωγή αξίας από τα δεδομένα. Αυτό φαίνεται αρκετά φυσικό τώρα, αλλά εκείνη την εποχή οι άνθρωποι γέλασαν πραγματικά με το ότι είχα τον τίτλο “αρχηγός δεδομένων”, οπότε ο κόσμος έχει αλλάξει κάπως!

Μπορείτε να μοιραστείτε την ιστορία πίσω από τη Search.io;

Η αναζήτηση πάντα με ενοχλούσε· έχει βελτιωθεί πολύ, αλλά εξακολουθεί να είναι αρκετά κακή για το μεγαλύτερο μέρος. Πάντα σκέφτηκα ότι θα έπρεπε να κατανοήσει καλύτερα το контέκστ και την προσωπική πρόθεση. Έτσι, ξεκίνησε με αυτή τη σκέψη, και χρόνια αργότερα είμαστε πολύ πιο κοντά. Ο Λάρι Πέιτζ είπε ότι η αναζήτηση δεν είναι ένα πρόβλημα που θα λυθεί στη διάρκεια της ζωής μας, και τώρα πλήρως κατανοώ γιατί. Αλλά έχουμε αλλάξει δραματικά το παιχνίδι και είμαστε πολύ μακριά από αυτό που οραματιζόμασταν.

Η Search.io χρησιμοποιεί αυτο-μαθαίνοντα αλγόριθμους αναζήτησης με βάση τους “νευρωνικούς δείκτες”, τι είναι ακριβώς οι νευρωνικοί δείκτες;

Η παλιά τεχνολογία αναζήτησης δημιουργεί δείκτες για συγκεκριμένα κλειδιά, πολύ σαν τον δείκτη στο πίσω μέρος ενός βιβλίου που δείχνει τις σελίδες όπου εμφανίζεται το κλειδί. Οι νευρωνικοί δείκτες δημιουργούν δείκτες από συγκεκριμένα νεύρα σε ειδικά σχεδιασμένα νευρωνικά δίκτυα. Αυτά τα νεύρα σχεδιάζονται για να ενεργοποιούν για συναφείς περιπτώσεις και σημασία, αντί για κλειδιά, οπότε είναι δυνατό να αναγνωρίσετε γρήγορα συναφείς στοιχεία, ακόμη και σε διαφορετικές γλώσσες. Η αυτο-μάθηση επιτρέπει σε αυτούς τους δείκτες να προσαρμοστούν και να βελτιωθούν καθώς οι άνθρωποι αγοράζουν στοιχεία ή άλλα θετικά γεγονότα.

Μπορείτε να συζητήσετε τους τρόπους με τους οποίους η ενίσχυση της μάθησης χρησιμοποιείται για την βελτίωση των αποτελεσμάτων αναζήτησης;

Κύρια, αυτό χρησιμοποιείται για να αναταξινομήσει τα αποτελέσματα αναζήτησης για να μεγιστοποιήσει ένα συγκεκριμένο στόχο, όπως τα κλικ ή οι αγορές. Αυτό είναι ένα κλασικό πρόβλημα εξερεύνησης και εκμετάλλευσης, όπου η καλύτερη σειρά είναι αρχικά άγνωστη. Υπήρχε ένα διάσημο που λέει ότι ο καλύτερος τόπος για να κρύψεις ένα νεκρό σώμα ήταν στη σελίδα 2 των αποτελεσμάτων του Google ! Αυτό είναι επειδή σχεδόν κανείς δεν φτάνει στο τέλος της σελίδας 1. Οπότε, αν έχετε π.χ. 10.000 σχετικά αποτελέσματα για μια ερώτηση και δείχνετε μόνο 10 ανά σελίδα, κάποια τυχαία τυχαιότητα βοηθά να περιστρέφει διαφορετικά και να αναβαθμίζει αυτά που ανταποκρίνουν στο επιχειρηματικό στόχο.

Χρησιμοποιείται το βαθύ μάθημα, και αν ναι, με ποιους τρόπους;

Ναι, με πολλούς τρόπους. Χρησιμοποιούμε το βαθύ μάθημα για να μετατρέψουμε τη γλώσσα σε διανύσματα και στη συνέχεια διανύσματα σε νευρωνικούς κωδικούς.

Η πλατφόρμα επιτρέπει στις επιχειρήσεις να ελέγχουν τη μαθαίνοντα από την εσωτερική πλευρά, ενεργοποιώντας ρυθμίσεις, μπορούμε να συζητήσουμε πώς λειτουργεί αυτή η διαδικασία;

Η αυτο-μάθηση χρησιμοποιεί γεγονότα για να “παρακινήσει” τους νευρωνικούς κωδικούς προς τα πράγματα που έχουν προηγουμένως ανταποκριθεί, όπως αγορασμένα στοιχεία έναντι μη αγορασμένων. Σε ορισμένες περιπτώσεις, αυτό μπορεί να πάρει πολύ χρόνο και η επιχείρηση ξέρει τι θα έπρεπε να είναι ένα εξαιρετικό αποτέλεσμα. Οπότε, μας επιτρέπουν να τους πούμε και αυτό διδάσκει τη σχετικότητα να κατανοήσει καλύτερα την πρόθεση. Αυτό基本ικά επιταχύνει τη μάθηση.

Τι είναι κάποιοι από τους προβληματισμούς πίσω από την αποκρυπτογράφηση της πρόθεσης του χρήστη όταν γίνεται μια αναζήτηση;

Η γλώσσα είναι εξαιρετικά αμφίσημη. Μια “τράπεζα” μπορεί να είναι μια χρηματοοικονομική οργάνωση, μια riverbank, ένα αεροπλάνο που στρέφει, μια καλαθοσφαίριση, κ.λπ. Για να το κάνουμε χειρότερο, για κάποιον από το Λος Άντζελες που αναζητά ένα “γιακά”, θα ήταν μια πολύ διαφορετική πρόθεση από κάποιον που αναζητά από το Μπόστον. Άντρας έναντι γυναίκας, ακόμη πιο διαφορετική. Η γλώσσα δεν περιλαμβάνει καλά την πρόθεση, η τελειότητα είναι στην πραγματικότητα αδύνατη, οπότε η αναζήτηση είναι ένα παιχνίδι πιθανοτήτων.

Τι είναι η διαδικασία για την ενσωμάτωση της Search.io σε einen ιστότοπο;

Αυτό διαφέρει ανάλογα με την πολυπλοκότητα. Για καταστήματα Shopify και ιστότοπους με περιεχόμενο, μπορείτε να ξεκινήσετε και να ολοκληρώσετε μέσα σε λίγα λεπτά, ενώ για προηγμένα ηλεκτρονικά καταστήματα με πολύπλοκους κατάλογους και εξατομικευμένα αποτελέσματα, μπορεί να πάρει εβδομάδες έως几个 μήνες.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί σχετικά με τη Search.io;

Αν είστε μια οργάνωση που βασίζεται στα δεδομένα και προσπαθείτε να αυξήσετε τις online συναλλαγές, επικοινωνήστε μαζί μας. Έχουμε συνεχώς βελτιώσει μαζικά την online απόδοση των πελατών μας μέσω βελτιωμένων εμπειριών αναζήτησης και ανακάλυψης.

Ευχαριστώ πολύ για τη συμμετοχή σας σε αυτή τη συνέντευξη, ως κάποιος που έχει μελετήσει τους μηχανισμούς αναζήτησης για πάνω από δύο δεκαετίες, αυτό ήταν αρκετά ενδιαφέρον. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν τη Search.io.