写点什么

Magi 搜索引擎红了:我们只是需要一个比百度更好的引擎

  • 2019 年 11 月 08 日
  • 本文字数:2441 字

    阅读完需:约 8 分钟

Magi搜索引擎红了:我们只是需要一个比百度更好的引擎

“Peak Labs”公司近日发布了其人工智能系统 Magi 的公众版“magi.com”。通过这一搜索引擎,用户输入关键词,即可获取 Magi 从互联网文本中自主学习到的结构化知识和网页搜索结果,每个结构化结果后面都会附上来源链接和其可信度评分。


这跟百度之类的搜索引擎不同,传统搜索引擎返回的是一系列的链接,要解读问题,还需要自己去点击网页挖掘有用信息。



这一引擎发布后,引来大批网友围观,将它的服务器玩挂了。Magi 作者发微博做了回应:“突然很多人关注到了我们,真的很感谢大家,其实搜索引擎真的不是我们的主业,我们自己没做任何推广,更没来得及准备应对这恐怖的流量……Magi 单次搜索的计算量比一般的网页搜索要重很多,请大家手下留情,同时再次表示抱歉!”


magi.com 的结果中,答案在搜索框的正下方,链接则在页面右边,跟主流搜索引擎的用户界面相反。如在 magi.com 里搜索“编程语言”,出来的首先是各种主流编程语言的合集:C#、Python、Java、JavaScript…同时给予“编程语言”这个词以“描述”和“属性”解释。红黄绿的颜色代表 Magi 给出的可信评分级别。


在答案的右侧提供了一些链接,用鼠标划过它们即可看到,答案是从哪个具体的来源学习到的:



Magi 的关注点在用户搜索行为的本质,相对传统搜索引擎来说做了一点小改进 : “帮你思考”。当输入想了解事物或信息,传统搜索引擎给出的是按照结果的权重 (Page Rank) 展现的链接信息,需要自己去归纳和判断可信度。Magi 多做了一步,不仅收录互联网上的海量文本,还会去尝试理解并学习这些文本中蕴含的知识和数据。


季逸超表示,Magi 类似于民用版的 IBM Watson 或非学术版的 Wolfram Alpha


Wolfram Alpha 是一个读得懂你提问的搜索引擎,它的目标是“计算一切” 。按照发明者 Stephen Wolfram 的说法,它是一个计算知识引擎,而不是像百度或者谷歌那样的搜索引擎。简单地说来,它其实是一个绘图计算器、参考书图书馆、以及搜寻引擎的综合体,非常超前。


除了直接给出计算结果,Wolfram Alpha 还能够处理基于自然语言的事实问答问题,例如:


  • 如果输入“China GDP”,出现的将不是一大堆网页,而是直观的数据和图表。包括:中国 GDP 最新情况,从 1970 年至今的中国 GDP 增长情况(图表形式)、中国通货膨胀率、失业人口率。

  • 如果输入“How many people in China”,你可以看到当前中国的总人口数、人口密度、平均每年人口增长率、预期寿命和平均年龄等数据。



Magi 的背后

Magi 来自中国团队 Peak Labs,创始人季逸超在开发者圈子内也小有名气。2011 年,还在北大附中读书期间,他就独自完成了猛犸浏览器 iOS 的开发。2012 年,季逸超创办了自己的公司,继续推动浏览器和输入法项目。目前,Peak Labs 主要精力都放在 Magi 项目上,专注于背后的技术,以及相关商业产品的开发。


“我们真正做商业化的,是 Magi 背后的技术——基于迁移学习的开放信息提取。”


Magi 采取的迁移学习 NLU 算法,具有的优势在于只需使用通用数据训练 AI 引擎,就能使 AI 引擎很好的适用专业垂直领域。Magi 首先使用互联网知识和自有的数据进行预训练,而专业垂直领域的任务仅需极少量人工数据标注,就能达到大规模数据的训练效果。


季逸超在知乎上给出了详细而全面的技术解读(来源:知乎用户季逸超,链接:https://www.zhihu.com/question/354059866/answer/881655371):



一、利用率和通用性


Magi 不再依赖于预设的规则和领域,“不带着问题” 地去学习和理解互联网上的文本信息,同时尽可能找出全部信息 (exhaustive) 而非挑选唯一最佳 (most promising)。Magi 通过一系列预训练任务淡化了具体实体或领域相关的概念,转而学习 “人们可能会关注内容中的哪些信息?”。为 Magi 设计了专门的特征表达、网络模型、训练任务、系统平台(下面都会讲到),并投入大量精力逐渐构建了 proprietary 的专用训练/预训练数据。Magi 通过终身学习持续聚合和纠错,为人类用户和其他人工智能提供可解析、可检索、可溯源的知识体系。


二、覆盖率和时效性


配合自家 web 搜索引擎以评估来源质量,信息源和领域不设白名单,综合 Clarity(清晰度)、Credibility(可信度)、Catholicity(普适性)三个 Magi 权衡知识工程的规模化和准确性难题的量化标准来进行来源质量评估。且注重时效性,时效性体现在上文提到的对既有知识的时间线追踪,做到不再周期性触发 batch 更新,整个系统持续在线上学习、聚合、更新、纠错。


三、可塑性和国际化


没有前置 NER 和 dependency parsing 等环节,减少母文本信息的损失。为 Magi 的提取模型设计了专用的 Attention 网络结构以及数个配套的预训练任务。技术栈完全 language-independent,可以实现低资源和跨语言 transfer。


它做对了什么?

Magi 官网和季逸超自己也坦承还存在一些不足,比如消歧义、工程性,以及规模化和准确度等。对于搜索慢的问题,季逸超在微博中说,这是由于单次搜索的计算量比一般的网页搜索要重很多。Magi 搜索结果目前还不够好,但这也不妨碍它成为一个未来的搜索引擎方向,给用户提供一个可信任的和理解学习之后的知识。特别是发展在这个 AI 时代,搜索引擎的结果更应该贴近用户的需求。


现在的主流搜索引擎依靠机器抓取,建立在超链分析基础上的网页搜索,采用搜索爬虫和排序算法的组合,以关键词为核心自动检索,实现海量信息的自动获取与重要性排序。作为获取信息的入口,它直接关系到我们获取的信息的质量,也成就了早期的互联网公司。 但现在搜索引擎的过度商业化操作已经引起了用户的反感。由于谷歌退出中国,目前中国的主要搜索引擎就是百度。美国宾夕法尼亚大学传播学博士方可成在他的一篇《搜索引擎百度已死》的文章中表示:“百度已经不打算好好做一个搜索引擎了,它只想做一个营销号平台,把希望来搜索内容的人全都变为自家的流量,然后变现。“


很多人也就是需要一个比百度更好的搜索引擎:



季逸超在他的微博里说道:“现在的 Magi 饱含一个工程师朴素的初心,既不想拿广告恶心你,也对你的隐私毫无兴趣。”


Magi 引擎的“红”,说明了大家期望出现一个更好的搜索引擎。


2019 年 11 月 08 日 19:4127574

评论 7 条评论

发布
用户头像
加油 不忘初心 越来越好
2019 年 11 月 28 日 15:05
回复
用户头像
超棒的玩具和词条百科
2019 年 11 月 23 日 10:49
回复
用户头像
搜了一下 自己的网名, 搜出来的东西有点少, 有待提升
2019 年 11 月 19 日 09:53
回复
用户头像
搜了一下 自己的网名 搜出来的东西有点少
2019 年 11 月 19 日 09:53
回复
用户头像
Powerset
2019 年 11 月 18 日 09:40
回复
用户头像
好希望可以给网站定义权重,CSDN好多文章都是什么东西
2019 年 11 月 09 日 16:01
回复
用户头像
背景色配色真够难看的,
2019 年 11 月 09 日 13:32
回复
没有更多了
发现更多内容

爱奇艺世界大会|开幕式速览:智能制作助推影视工业化,匠心构筑行业健康生态

爱奇艺技术产品团队

高性能 JavaScriptの笔记(三)

空城机

JavaScript 大前端 5月日更

千万级学生管理系统考试试卷存储方案设计

eoeoeo

如何给产品定价

石云升

创业 产品 职场经验 5月日更

完蛋,好像病了

IT蜗壳-Tango

5月日更

云小课 | 大数据融合分析:GaussDW(DWS)轻松导入MRS-Hive数据源

华为云开发者社区

华为云 GaussDB(DWS) MRS数据源 融合分析 数据仓库服务

这一年,我们都需要他安静而勇敢的陪伴

小天同学

读书笔记 读书 5月日更

MySQL慢日志全解析

Simon

MySQL 慢查询

多吃点花生米吧!

Nydia

学习

Golang Array and Slice

escray

学习 极客时间 Go 语言 5月日更

浅谈开发与研发之差异

Damon

5月日更

搞服务器开发竟不知道宝塔为何物,有点说不过去呀!

liuzhen007

5月日更

架构实战营模块4作业-千万级学生管理系统的考试试卷存储方案

好吃不贵

架构实战营

【LeetCode】形成两个异或相等数组的三元组数目Java题解

HQ数字卡

算法 LeetCode 5月日更

为什么TCP 建连接要3次,断连接却要4次呢?

架构精进之路

TCP 网络层 5月日更

关于打的 umd 包在使用时,报 require is not defined 错误的问题出处

blueju

架构实战营模块四作业

竹林七贤

快乐是一种选择

BY林子

快乐

超时与线程池的坑

ES_her0

5月日更

长连接网关技术专题(四):爱奇艺WebSocket实时推送网关技术实践

JackJiang

Netty websocket 即时通讯 IM 网关

Kafka万亿级消息实战

vivo互联网技术

kafka 集群

终于来了!这份阿里P9纯手写的Java并发核心手册,把我没学会的高扩展、高性能、高可用全部讲清楚了

Java 程序员 架构 面试

产品数据分析

lenka

5月日更

数据挖掘从入门到放弃(四):手撕(绘)关联规则挖掘算法

数据社

机器学习 5月日更

五岳核心版上线!这份阿里开发手册核心版又将被多少人疯狂转载?

Java 编程 程序员 架构 面试

Netty常用解码器学习笔记

风翱

Netty 5月日更

从0到1数字化转型的“精益落地”模式

高瑞

Dubbo 延迟服务暴露

青年IT男

dubbo

还不会使用分布式锁?教你三种分布式锁实现的方式

华为云开发者社区

数据库 zookeeper 分布式锁 etcd 数据库表

2021金三银四面试经历:阿里七面(已拿offer),面试经历+真题分享

Java 编程 程序员 架构 面试

爱奇艺世界大会|刘文峰:科技创新如何为用户和艺术家服务?

爱奇艺技术产品团队

撑起瞬时千亿交易额的云数据库是怎么炼成的?

撑起瞬时千亿交易额的云数据库是怎么炼成的?

Magi搜索引擎红了:我们只是需要一个比百度更好的引擎-InfoQ