Геміш Огілві, генеральний директор і співзасновник Search.io – Серія інтерв’ю

Геміш Огілві – генеральний директор і співзасновник Search.io, платформи штучного інтелекту для пошуку і відкриття продуктів, яка обробляє мільярди запитів для найбільших організацій світу. Вони зосереджені на збільшенні конверсії та доходу від пошуку на сайті за допомогою машинного навчання. Це досягається за допомогою власної технології пошуку.

Що спочатку привернуло вашу увагу до галузі машинного навчання?

Я починав у фізиці, проектуючи лазери, але я також завжди був досить хорошим у визначенні закономірностей у даних. Це привело мене до аналітики та прогнозування різних речей, де я провів кілька років. Машинне навчання було очевидним продовженням для кращого забезпечення витягування цінності з даних. Це здається досить нормальним зараз, але на той час люди фактично сміялися наді мною за те, що у мене була посада “голови даних”, тому світ дещо змінився!

Чи можете ви поділитися історією створення Search.io?

Пошук завжди дратував мене; він покращився багато, але все ще досить поганий у більшості випадків. Я завжди думав, що він повинен краще розуміти контекст і особисті наміри. Тому все почалося з цієї думки, і через роки ми значно наблизилися до мети. Ларрі Пейдж сказав, що пошук – це проблема, яку не вирішити протягом нашого життя, і тепер я повністю розумію, чому. Але ми суттєво змінили гру і значно наблизилися до того, чого ми хотіли.

Search.io використовує самонавчальний пошук на основі “нейронних індексів”, що саме таке нейронні індекси?

Стара технологія пошуку створює індекси на основі конкретних ключових слів, як і індекс у кінці книги, який вказує на сторінки, де зустрічається ключове слово. Нейронні індекси створюють індекси з конкретних нейронів у спеціально розроблених нейронних мережах. Ці нейрони розроблені для активації при пов’язаному контексті та значенні, а не ключових словах, тому можливо дуже швидко визначити пов’язані елементи, навіть у різних мовах. Самонавчання дозволяє цим індексам адаптуватися та покращуватися, коли люди купують товари або інші позитивні події.

Чи можете ви обговорити, у яких способах використовується підкріплення навчання для оптимізації результатів пошуку?

Головним чином це використовується для перепорядкування результатів пошуку для максимізації конкретної мети, наприклад, кліків або покупок. Це класична проблема дослідження проти експлуатації, де найкращий порядок спочатку невідомий. Була знаменита фраза, що найкраще місце для приховання мертвого тіла було на другій сторінці результатів Google ! Тому що практично ніхто не доходить навіть до кінця першої сторінки. Тому якщо у вас є, скажімо, 10 000 відповідних результатів для запиту і ви показуєте тільки 10 результатів на сторінку, деяка випадкова рандомізація допомагає обертати різні результати та підвищувати ті, які резонують з бізнес-метою.

Чи використовується глибоке навчання, якщо так, то у яких способах?

Так, у багатьох способах. Ми використовуємо глибоке навчання для перетворення мови у вектори та потім також вектори у нейронні хеші.

Платформа дозволяє підприємствам контролювати вбудоване навчання, дозволяючи налаштування, чи можете ви обговорити, як працює цей процес?

Самонавчання зазвичай використовує події для “штовхання” нейронних хешів до речей, які раніше резонували, наприклад, придбаних товарів проти непридбаних. У деяких випадках це може зайняти занадто багато часу, і підприємство знає, який повинен бути відмінним результатом. Тому ми дозволяємо їм сказати нам про це, і це вчить релевантність краще розуміти намір. Це фактично прискорює навчання.

Які деякі з викликів зашифровування наміру користувача, коли здійснюється пошук?

Мова високо двозначна. “Банк” може бути фінансовою установою, берегом річки, поворотом літака, баскетбольним кидком тощо. Щоб зробити це гірше, для когось з Лос-Анджелеса, який шукає “куртку”, це буде зовсім інший намір, ніж для когось з Бостона. Чоловік проти жінки – ще більше різниця. Мова погано охоплює намір, досконалість фактично неможлива, тому пошук – це гра ймовірності.

Який процес інтеграції Search.io на сайті?

Це варіюється залежно від складності. Для магазинів Shopify та веб-сайтів, заснованих на контенті, ви можете бути готові за кілька хвилин, тоді як просунуті інтернет-магазини з складними каталогами та високоперсоналізованими результатами можуть зайняти тижні або декілька місяців.

Чи є щось ще, що ви хотіли б поділитися про Search.io?

Якщо ви є підприємством, яке залежить від даних і намагається збільшити онлайн-транзакції, зв’яжіться з нами. Ми consistently суттєво покращили онлайн-виступ підприємства наших клієнтів за допомогою покращеного пошуку та відкриття.

Дякую за участь у цьому інтерв’ю, як хтось, хто вивчає пошукові системи понад два десятиліття, це було досить цікаво. Читачам, які бажають дізнатися більше, слід відвідати Search.io.