旧的SEO策略和战略正变得越来越无效。当您密切关注关键字和反向链接时，Google 的 AI 正在快速发展并彻底改变搜索结果的排名方式。
所有这些变化都是在幕后发生的，因此你越来越难以理解为什么你所有的努力都没有效果。
为了使您的 SEO 正常运行，了解人工智能系统的工作原理非常重要。只有这样，你才能调整你的 SEO 策略。在这篇博客中，我们将了解 Google 的人工智能发展——RankBrain 和 BERT 和 MUM 系统——以及这些改进多年来如何重塑搜索。
一旦您了解了人工智能的原理，您将能够更好地创建符合 Google 基于人工智能的方法的内容，从而增加您在搜索结果中获得更好排名的机会。
谷歌的人工智能系统
谷歌从 2015 年起就开始使用 RankBrain 人工智能来识别 URL。三年后，谷歌教育副总裁、前搜索主管 Ben Gomes 称人工智能是搜索的下一篇章。当时，戈麦斯解释说，人工智能将使谷歌提供更好的用户体验。
人工智能在搜索工作原理方面创建了三个基本章节：
- 从答案到旅行： “为了帮助您从上次中断的地方继续，了解您的新爱好和兴趣，我们在搜索结果中引入了新功能，以帮助您解决常见问题。”
- 从查询到提供一种不问任何问题就能获得信息的方式： “即使您心中没有特定的查询，我们也会帮助您查看与您的兴趣密切相关的信息。”
- 从文本到更直观的方式来查找信息： “我们为搜索结果带来了更多视觉内容，并彻底重新设计了Google 图片，以帮助您更快、更轻松地找到所需的一切。”
这一切都始于 RankBrain。
RankBrain（2015）
RankBrain系统是第一个帮助搜索引擎理解词语与概念的关系的系统。
为了使结果与您的查询相关，系统需 巴西电邮清单 要将该词理解为一个概念。这是谷歌的第一次智能活动，也是谷歌向着像人类一样理解内容迈出的第一步。
例如，如果你输入搜索查询“天空的颜色是什么？”，AI能够理解“天空”这个词的含义以及它具有感知颜色的事实。因此，谷歌可以向受访者显示不包含单纯的单词而是直接回答查询的结果。
几年后，谷歌在使用神经匹配将单词与概念进行匹配方面取得了另一个重大突破。 （谷歌自 2015 年起就一直在使用该系统！）
神经元一致性（2018）
创建该系统是为了帮助 Google 了解查询与页面的关系以及与难以理解的概念的关系。
假设您在搜索结果中输入一个查询： “帮我系鞋带。”这种连接可能有多种变体。由于中性匹配，谷歌能够“理解”单词“laces”的意思是鞋带，并会向查询者显示有关系鞋带的方法的结果。 （谷歌自 2018 年起就一直在使用该系统！）
BERT（2019）
BERT（Bidirectional Encoder Representations by Transformers）系统被认为是理解句子中的多个单词与页面上的多个单词及其背 撰写博客的最佳指南：循序渐进 后表达方式的关系的一次彻底突破。
这个系统对于实体识别非常重要。这将帮助谷歌更好地了解品牌名称、人是谁，甚至他们在某个特定主题上的专业知识。
BERT 是一种人工智能模型，能够实现生成式人工智能和人工智能洞察。谷歌自 2019 年以来一直在积极使用该系统！
- Deep Rank（一种深度学习系统）与 BERT 密切相关。用于排名时，它本质上就是 BERT。
- 随着时间的推移，Deep Rank 取代了 RankBrain 的大部分功能。
蒙大拿大学 (2021)
MUM（多任务统一模型）比 BERT 强大一千倍。
如果 BERT 能够理 澳大利亚数据 解该语言，MUM 就会生成它。他还能够理解文本和图像，甚至视频。
谷歌首席搜索科学家、前搜索副总裁 Pandu Nayak 解释了 MUM 在实践中的工作原理：
“假设你想向谷歌询问一个关 Google 搜索如何使用人工智能 于徒步富士山的问题。 MUM 知道您正在比较两座山，因此路线和海拔信息可能相似。也可以理解为，在徒步旅行的背景下，“准备”一词可以表示例如找到合适的装备（衣服、鞋子等）或健身训练。
MUM 能够基于其深厚的知识展示成果，同秋天是富士山的雨季，如果没有防水夹克就很难出行。”