Google 工程师解读搜索中的“黑箱”AI模型**

**

Google 搜索软件工程总监 Nikola Todorovic 最近在一次访谈中，深入探讨了AI在Google搜索中的发展过程。他指出，虽然AI技术已经在搜索中取得了一定进展，但由于复杂模型的难以理解和修复，广泛部署仍然存在挑战。

SafeSearch：AI模型的试验田

在谈到AI模型的应用时，Todorovic 解释说，SafeSearch 是 Google 最早应用AI模型的地方之一。因为该团队能够将这些系统与主要的排名流程隔离开来，SafeSearch可以独立运行图像和视频分类器，从而识别结果的显性程度。

如果模型出现问题，工程师可以在不影响整个搜索系统的情况下，对其进行迭代和改进。大约12年前，卷积神经网络开始提升图像理解能力，使得SafeSearch成为机器学习在搜索中应用的一个自然选择。

AI概述：建立在现有搜索基础上

Todorovic 描述了AI概述（AI Overviews）是如何在Google现有的检索和排名系统之上进行运作的。他表示，这些AI概述就像是“盖在顶部”的一层，检索和排名的基础仍然是“传统的风格”。

这一过程可能涉及到“扇出查询”，即Google可能会识别与原始输入相关的附加查询，平行运行这些查询，然后将检索到的结果整合到一个响应中。

为何重要

尽管“黑箱”一词备受关注，但Todorovic的完整解释至关重要。他强调，机器学习在搜索中的广泛应用之所以困难，不是因为Google对AI概述或AI模式缺乏监督，而是因为复杂模型的本质使其难以全面掌控。

他的评论为Google现有的AI搜索文档提供了有用的背景。Google已经声明，AI概述和AI模式可能会使用查询扇出，通过多个子主题和数据源的相关搜索来开发响应。

展望未来

Todorovic的观点再次强调了传统搜索系统的重要性，即便Google在结果的总结和展示方式上进行了变革，传统搜索的基本原则仍然适用于AI功能。这意味着即使在AI技术的层层加持下，传统搜索依然是不可或缺的基础。