Hamish Ogilvy, CEO e Co-fondatore di Search.io – Serie di Interviste

Hamish Ogilvy è il CEO e Co-fondatore di Search.io, una piattaforma di ricerca e scoperta di prodotti basata sull’intelligenza artificiale che elabora miliardi di ricerche per alcune delle più grandi organizzazioni del mondo. Si concentrano sull’aumento della conversione e del fatturato della ricerca sul sito utilizzando l’apprendimento automatico. Ciò viene realizzato utilizzando una tecnologia di ricerca proprietaria.

Cosa ti ha inizialmente attratto nel campo dell’apprendimento automatico?

Ho iniziato a lavorare nella fisica progettando laser, ma ero anche sempre stato abbastanza bravo a vedere modelli nei dati. Ciò mi ha portato all’analisi e alla previsione di vari elementi, dove ho trascorso diversi anni. L’apprendimento automatico è stata una naturale estensione per estrarre meglio il valore dai dati. Ciò sembra abbastanza normale ora, ma all’epoca le persone ridevano di me per aver avuto il titolo di “capo dei dati”, quindi il mondo è cambiato un po’!

Potresti condividere la storia di come è nata Search.io?

La ricerca mi ha sempre infastidito; è migliorata molto, ma per la maggior parte è ancora abbastanza scarsa. Ho sempre pensato che dovrebbe capire meglio il contesto e l’intento personale. Quindi è iniziato con quel pensiero e, anni dopo, siamo molto più vicini. Larry Page ha detto famosamente che la ricerca non è un problema che verrà risolto nella nostra vita, e adesso capisco pienamente perché. Ma abbiamo drasticamente cambiato il gioco e siamo a lungo verso ciò che avevamo immaginato.

Search.io utilizza una tecnologia di ricerca autoapprendente basata su “indici neurali”, cosa sono esattamente gli indici neurali?

La tecnologia di ricerca tradizionale crea indici su parole chiave specifiche, proprio come l’indice in fondo a un libro che punta alle pagine in cui appare la parola chiave. Gli indici neurali, invece, creano indici da neuroni specifici in reti neurali progettate appositamente. Questi neuroni sono progettati per attivarsi per contesto e significato correlati, anziché per parole chiave, quindi è possibile identificare rapidamente elementi correlati, anche tra lingue diverse. L’apprendimento automatico consente a questi indici di adattarsi e migliorare mentre le persone acquistano elementi o altri eventi di feedback positivo.

Puoi discutere in che modo l’apprendimento per rinforzo viene utilizzato per ottimizzare i risultati di ricerca?

Principalmente viene utilizzato per riordinare i risultati di ricerca per massimizzare un obiettivo specifico, come ad esempio i clic o gli acquisti. Questo è un classico problema di esplorazione contro sfruttamento, dove l’ordine migliore è inizialmente sconosciuto. C’era un detto famoso che il miglior posto per nascondere un cadavere era sulla seconda pagina dei risultati di Google ! Ciò perché virtualmente nessuno arriva nemmeno in fondo alla prima pagina. Quindi, se hai ad esempio 10.000 risultati rilevanti per una query e mostri solo 10 per pagina, una certa randomizzazione probabilistica aiuta a ruotare diversi elementi e a elevare quelli che stanno risonando con l’obiettivo aziendale.

Viene utilizzato l’apprendimento profondo, se sì, in che modo?

Sì, in molti modi. Utilizziamo l’apprendimento profondo per trasformare il linguaggio in vettori e poi anche vettori in hash neurali.

La piattaforma consente alle aziende di controllare l’apprendimento integrato abilitando regolazioni, potresti discutere come funziona questo processo?

L’apprendimento automatico utilizza generalmente eventi per “spingere” gli hash neurali verso cose che hanno precedentemente risonato, come ad esempio elementi acquistati rispetto a quelli non acquistati. In alcuni casi ciò può richiedere troppo tempo e l’azienda sa cosa dovrebbe essere un ottimo risultato. Quindi, consentiamo loro di dircelo e questo insegna alla rilevanza a comprendere meglio l’intento. Ciò di fatto velocizza l’apprendimento.

Quali sono alcune delle sfide dietro la decifrazione dell’intento dell’utente quando si esegue una ricerca?

Il linguaggio è altamente ambiguo. Una “banca” potrebbe essere un’istituzione finanziaria, una riva di un fiume, una virata di un aereo, un tiro di basket, ecc. Per peggiorare le cose, per qualcuno di Los Angeles che cerca una “giacca”, sarebbe anche un intento molto diverso rispetto a qualcuno che cerca da Boston. Maschio vs femmina, anche più diverso. Il linguaggio cattura male l’intento, la perfezione è effettivamente impossibile, quindi la ricerca è un gioco di probabilità.

Qual è il processo per integrare Search.io in un sito web?

Varia a seconda della complessità. Per negozi Shopify e siti web basati su contenuti puoi essere operativo in pochi minuti, mentre negozi di e-commerce avanzati con cataloghi complessi e risultati personalizzati possono richiedere settimane o anche mesi.

C’è qualcos’altro che ti piacerebbe condividere su Search.io?

Se sei un’organizzazione con molti dati che cerca di aumentare le transazioni online, contattaci. Abbiamo costantemente migliorato notevolmente le prestazioni online dei nostri clienti attraverso esperienze di ricerca e scoperta migliorate.

Grazie per aver partecipato a questa intervista, come qualcuno che ha studiato i motori di ricerca per oltre due decenni, è stato piuttosto affascinante. I lettori che desiderano saperne di più possono visitare Search.io.