Wywiady
Hamish Ogilvy, CEO i współzałożyciel Search.io – seria wywiadów

Kluczowe punktySearch.io wykorzystuje indeksy neuronowe, które aktywują się na podstawie kontekstu i…
Zobacz więcej
- Search.io wykorzystuje indeksy neuronowe, które aktywują się na podstawie kontekstu i znaczenia, a nie słów kluczowych.
- Uczenie przez wzmacnianie zmienia kolejność wyników wyszukiwania, aby maksymalizować konkretne cele, takie jak kliknięcia czy zakupy.
- Firmy mogą przyspieszyć samouczenie się, ręcznie ucząc platformę, które wyniki są świetne.
Hamish Ogilvy jest CEO i współzałożycielem Search.io, platformy wyszukiwania i odkrywania produktów wykorzystującej sztuczną inteligencję, która przetwarza miliardy wyszukiwań dla niektórych z największych organizacji na świecie. Koncentrują się na zwiększaniu konwersji i przychodu z wyszukiwań na stronie internetowej za pomocą uczenia maszynowego. To osiągane jest za pomocą własnej technologii wyszukiwania.
Czym pierwotnie zainteresował się Pan dziedziną uczenia maszynowego?
Zacząłem od fizyki, projektując lasery, ale zawsze byłem dość dobry w dostrzeganiu wzorców w danych. To skierowało mnie w stronę analizy i przewidywania różnych rzeczy, gdzie spędziłem kilka lat. Uczenie maszynowe było oczywistym rozszerzeniem, aby lepiej wydobyć wartość z danych. To wydaje się dość normalne teraz, ale w tamtym czasie ludzie naprawdę śmiali się ze mnie, że miałem tytuł „szef danych”, więc świat trochę się zmienił!
Czy mógłby Pan podzielić się historią powstania Search.io?
Wyszukiwanie zawsze mnie irytowało; poprawiło się trochę, ale wciąż jest dość złe. Zawsze myślałem, że powinno lepiej rozumieć kontekst i osobiste intencje. Tak więc zaczęło się od tej myśli, a lata później jesteśmy znacznie bliżej. Larry Page powiedział kiedyś, że wyszukiwanie nie jest problemem, który zostanie rozwiązany w naszym życiu, i teraz całkowicie rozumiem, dlaczego. Ale zmieniliśmy dramatycznie grę i przebyliśmy już znaczną część drogi ku temu, co sobie wyobrażaliśmy.
Search.io wykorzystuje samouczącą się technologię wyszukiwania opartą na „neuralnych indeksach”, co konkretnie są neuralne indeksy?
Stara szkoła technologii wyszukiwania tworzy indeksy na określone słowa kluczowe, podobnie jak indeks na końcu książki, wskazujący na strony, gdzie pojawia się słowo kluczowe. Neuralne indeksy zamiast tego tworzą indeksy z określonych neuronów w specjalnie zaprojektowanych sieciach neuronowych. Te neurony są zaprojektowane tak, aby aktywować się w przypadku powiązanego kontekstu i znaczenia, a nie słów kluczowych, więc można bardzo szybko zidentyfikować powiązane elementy, nawet w różnych językach. Samouczenie umożliwia tym indeksom adaptację i poprawę, gdy ludzie kupują elementy lub inne pozytywne zdarzenia.
Czy mógłby Pan omówić, w jaki sposób uczenie wzmocnienia jest wykorzystywane do optymalizacji wyników wyszukiwania?
Głównie jest to wykorzystywane do ponownego uporządkowania wyników wyszukiwania w celu maksymalizacji określonego celu, takiego jak kliknięcia lub zakupy. To jest klasyczny problem eksploracji kontra eksploatacji, gdzie najlepsze rozwiązanie jest początkowo nieznane. Było powiedzenie, że najlepsze miejsce, aby ukryć martwe ciało, to strona 2 wyników Google ! To dlatego, że praktycznie nikt nie dociera nawet do końca strony 1. Więc jeśli masz powiedzmy 10 000 istotnych wyników dla zapytania i pokazujesz tylko 10 na stronę, pewna losowa randomizacja pomaga rotować różne wyniki i podnosić te, które rezonują z celem biznesowym.
Czy jest wykorzystywane głębokie uczenie, jeśli tak, to w jaki sposób?
Tak, na wiele sposobów. Wykorzystujemy głębokie uczenie, aby przekształcić język w wektory, a następnie wektory w neuralne hashe.
Platforma umożliwia firmom kontrolę nad wbudowanym uczeniem, umożliwiając dostosowanie, czy mógłby Pan omówić, jak działa ten proces?
Samouczenie zwykle wykorzystuje zdarzenia, aby „pchnąć” neuralne hashe w kierunku rzeczy, które wcześniej rezonowały, takich jak zakupione elementy wobec niezakupionych. W niektórych przypadkach może to potrwać zbyt długo, a firma wie, co powinno być świetnym wynikiem. Więc pozwalamy im nam powiedzieć, a to uczy istotności, aby lepiej zrozumieć intencje. To podstawowo przyspiesza uczenie.
Jakie są niektóre z wyzwań związanych z odczytaniem intencji użytkownika, gdy wykonuje się wyszukiwanie?
Język jest bardzo wieloznaczny. Angielskie słowo „bank” może oznaczać instytucję finansową, brzeg rzeki, przechylenie samolotu podczas skrętu lub rzut koszykarski z odbiciem od tablicy itd. To jeszcze gorzej, kiedy ktoś z Los Angeles szuka „kurtki”, to byłaby zupełnie inna intencja niż dla kogoś szukającego z Bostonu. Mężczyzna kontra kobieta, jeszcze bardziej różna. Język słabo ujmuje intencję, doskonałość jest naprawdę niemożliwa, więc wyszukiwanie jest grą prawdopodobieństwa.
Jaki jest proces integracji Search.io na stronie internetowej?
Różni się to w zależności od złożoności. Dla sklepów Shopify i stron internetowych opartych na treści można być gotowym w ciągu kilku minut, podczas gdy zaawansowane sklepy internetowe z złożonymi katalogami i wysoko spersonalizowanymi wynikami mogą zajmować tygodnie lub kilka miesięcy.
Czy jest coś jeszcze, co chciałby Pan podzielić się na temat Search.io?
Jeśli jesteś organizacją zorientowaną na dane, starającą się zwiększyć transakcje online, daj nam znać. Stale i znacząco poprawialiśmy wyniki online naszych klientów za pomocą ulepszonych doświadczeń wyszukiwania i odkrywania.
Dziękujemy za udział w tym wywiadzie, jako ktoś, kto przez ponad dwie dekady studiował wyszukiwarki, było to naprawdę fascynujące. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Search.io.












