Search.io 的 CEO 和联合创始人 Hamish Ogilvy – 采访系列

Hamish Ogilvy 是 Search.io 的 CEO 和联合创始人，Search.io 是一家人工智能搜索和产品发现平台，每天为世界上一些最大的组织处理数十亿次搜索。他们专注于使用机器学习提高网站搜索的转化率和收入。这是通过使用专有的搜索技术实现的。

是什么最初吸引你进入机器学习领域？

我最初从事物理学，设计激光器，但我也很擅长在数据中发现模式。这让我进入了分析和预测领域，我在那里度过了几年。机器学习是更好地从数据中提取价值的自然延伸。现在这似乎很正常，但当时人们实际上嘲笑我，因为我有“数据负责人”的职称，所以世界已经发生了很大的变化！

可以分享 Search.io 的创立故事吗？

搜索一直让我感到沮丧；虽然它已经有了很大的改进，但大多数时候它仍然很糟糕。我一直认为它应该更好地理解上下文和个人意图。所以，它从这个想法开始，多年后我们已经取得了很大的进步。拉里·佩奇曾经说过，搜索不是我们这一生中会解决的问题，我现在完全理解为什么。然而，我们已经大大改变了游戏规则，并且距离我们设想的目标已经很近了。

Search.io 使用基于“神经索引”的自学习搜索技术，神经索引具体是什么？

传统的搜索技术会为特定的关键词创建索引，就像书的后面有一个索引，指向关键词出现的页面。神经索引则创建了来自专门设计的神经网络中的特定神经元的索引。这些神经元被设计为激活相关的上下文和含义，而不是关键词，所以可以非常快速地识别相关的项目，即使它们在不同的语言中。自学习允许这些索引适应和改进，当人们购买项目或其他积极的反馈事件发生时。

可以讨论一下强化学习如何用于优化搜索结果吗？

主要用于重新排序搜索结果，以最大化特定的目标，例如点击或购买。这是一个经典的探索与利用问题，最初不知道最佳顺序。曾经有一个著名的说法，谷歌搜索结果的第二页是最好的地方来隐藏一个死者！因为几乎没有人会浏览到第一页的底部。如果你有 10,000 个相关的搜索结果，并且每页只显示 10 个，那么一些概率随机化可以帮助轮换不同的结果，并提升那些与业务目标产生共鸣的结果。

是否使用了深度学习，如果使用了，如何使用？

是的，使用了深度学习，以将语言转换为向量，然后将向量转换为神经哈希。

平台允许企业控制内置学习，方法是允许调整，可以讨论一下这个过程是如何工作的吗？

自学习通常使用事件来“推动”神经哈希朝着之前产生共鸣的东西移动，例如购买的项目与未购买的项目。有时这可能需要太长时间，企业知道什么应该是一个很好的结果。所以我们允许他们告诉我们，这样可以教会相关性更好地理解意图。基本上，这可以加快学习的速度。

解读用户搜索意图时面临的一些挑战是什么？

语言高度模糊。一个“银行”可以是金融机构、河岸、飞机转弯或篮球投篮等。要使其变得更糟糕，对于来自洛杉矶搜索“夹克”的人来说，意图将与来自波士顿的人非常不同。男性与女性的意图也会有很大差异。语言不能很好地体现意图，完美实际上是不可能的，所以搜索是一个概率游戏。

将 Search.io 集成到网站中的过程是什么？

这取决于复杂性。对于 Shopify 商店和内容网站，您可以在几分钟内启动和运行，而高级电子商务商店具有复杂的产品目录和高度个性化的结果可能需要几周到几个月的时间。

您是否还有其他关于 Search.io 的信息想要分享？

如果您是一家数据密集型的组织，正在尝试增加在线交易，请联系我们。我们一贯大幅度地提高了客户的在线表现，通过改善搜索和发现体验。

感谢您参与这次采访，作为一个研究搜索引擎超过二十年的研究人员，这次采访非常吸引人。希望了解更多的读者可以访问 Search.io。