O blog do Google Brasil: Você pergunta. A Busca do Google entende – cada vez melhor

O Blog do Google Brasil

Novidades sobre os produtos e a tecnologia do Google no Brasil e no mundo

Você pergunta. A Busca do Google entende – cada vez melhor

30 outubro, 2019

Quando pessoas comuns, como você e eu, entram na Busca, elas nem sempre sabem muito bem o que estão procurando ou como formular a pergunta. Talvez a gente não saiba quais palavras usar, ou qual a grafia correta de um termo. Isso porque, com frequência, recorremos à Busca justamente para aprender, e não porque já sabemos o que descobrir.
Para ser útil, a Busca do Google tem de compreender a linguagem. Cabe a nós entender o que o usuário está procurando e encontrar informações relevantes na internet – não importa como a pessoa digite a palavra ou formule a pergunta. Embora o Google venha trabalhando há anos para melhorar cada vez mais sua capacidade de compreensão da linguagem, nem sempre a gente acerta – sobretudo no caso de consultas complexas ou feitas em tom de bate-papo. Isso explica o fato de que muita gente digite a pergunta num idioma que apelidamos de “palavrachavês”: uma sequência de palavras que, na avaliação do usuário, o Google será capaz de compreender – mas que é diferente do jeito que a pessoa faria a pergunta numa conversa normal.
Graças aos mais recentes avanços da equipe de pesquisa em compreensão da linguagem – fruto do aprendizado de máquina –, conseguimos melhorar sensivelmente nosso entendimento das consultas dos usuários. É o maior progresso dos últimos cinco anos, e uma das maiores conquistas da história da Busca.
Os modelos BERT na Busca
No ano passado começamos a usar uma técnica baseada em redes neurais, disponível em formato open source, que realiza um pré-treinamento em processamento de linguagem natural (NLP, na sigla em inglês). Essa técnica se chama “Bidirectional Encoder Representations from Transformers” (Representações Bidirecionais de Codificação de Transformers) – ou BERT, para resumir. Com ela, qualquer pessoa é capaz de ensinar um sistema a responder perguntas da forma mais avançada.
Essa revolução é resultado de pesquisas do Google sobre os chamados transformers – modelos que processam palavras e analisam a relação com os demais termos da frase, em vez de analisar palavra por palavra, na ordem em que estão escritas. Com isso, um modelo BERT leva em conta o contexto no qual determinada palavra se insere, uma vez que considera também as palavras que vêm antes e depois daquele termo. Essa tecnologia é especialmente útil para entender o raciocínio por trás da forma como as pessoas digitam as consultas.
Sozinhos, porém, avanços em software não bastam para essa conquista: também é preciso de hardware novo. O BERT cria modelos tão complexos que superam a capacidade do hardware tradicional. Por isso, pela primeira vez o Google está usando as mais modernas TPUs de Nuvem para trazer os resultados da Busca e oferecer informações mais relevantes, mais rápido.
Como o Google compreende as buscas dos usuários?
A explicação oferecida nos parágrafos acima possui muitos detalhes técnicos. Mas afinal de contas, o que isso significa para você? Bem, o uso de modelos BERT na classificação e na exibição dos resumos dos resultados da Busca permite que o Google melhore muito o “cardápio” de informações que oferece ao usuário. No caso da classificação dos resultados, a tecnologia BERT ajuda a Busca a entender ainda mais uma a cada dez buscas feitas em inglês nos Estados Unidos – e, nos próximos meses, também em outros países e idiomas.
No caso de consultas maiores e mais coloquiais, ou de buscas nas quais preposições como “para” e “de” sejam fundamentais para compreender a informação desejada, a Busca vai entender o contexto de cada palavra digitada. Isso significa que o usuário pode fazer a pesquisa escrevendo da forma natural de falar.
O lançamento dessa novidade chega depois de uma bateria de testes, realizados para garantir que as mudanças fossem de fato positivas para os usuários. A seguir mostramos alguns exemplos usados no nosso processo de avaliação, que comprovam a capacidade do BERT de compreender a intenção por trás do que as pessoas escrevem.
Alguém digita: “2019 turista brasileiro para EUA precisa de visto”. A preposição “para”, bem como sua relação com as demais palavras digitadas, é fundamental para entender o sentido da consulta. O brasileiro vai viajar para os Estados Unidos, e não o contrário. Antes da nova mudança, o algoritmo não era capaz de compreender a importância dessa relação, e com frequência os resultados falavam de americanos em viagem para o Brasil. Agora, com o BERT, a Busca passa a considerar esse tipo de nuance e entende que uma palavrinha tão simples quanto “para” tem uma grande importância num caso como este – e, consequentemente, será capaz de mostrar resultados mais precisos.

Veja, a seguir, mais algumas situações nas quais o BERT ajuda a identificar sutilezas de linguagem que nem sempre os computadores são capazes de entender (ao contrário dos humanos). O modelo BERT ajuda a entender que as palavras “for someone” (para alguém) são um pedaço fundamental desta consulta. Antes dele, o algoritmo não identificava esse sentido e oferecia resultados genéricos sobre receitas médicas.

No passado, uma consulta como esta deixaria o sistema confuso: ele dava importância excessiva à palavra “curb” (meio-fio) e ignorava o termo “no” (não). Com isso, não compreendia a centralidade da negativa na hora de trazer as respostas. Às vezes a gente até mostrava resultados que falavam sobre estacionar o carro numa “colina com meio-fio”!

Enquanto a página de resultados antiga incluía um livro na categoria “Young Adult” (jovens leitores), agora o BERT entende que a correspondência para a palavra “adult” estava fora de contexto, e mostra resultados mais relevantes.
Uma Busca aprimorada, em mais idiomas
Os modelos BERT estão sendo aplicados também a Buscas feitas em todo o mundo. Uma das características mais determinantes desse sistema é sua capacidade de aplicar o que aprendeu numa língua a outros idiomas. Assim, um modelo que aprendeu a partir do inglês (usado em grande parte dos conteúdos da internet) pode transferir esse conhecimento a outras línguas. Isso ajuda a mostrar resultados mais úteis em várias línguas nas quais a Busca está disponível.
No caso dos resumos, o BERT está sendo usado para melhorar a classificação desses resumos em mais de vinte países. Já observamos melhorias consideráveis em coreano, hindi e português.
Ainda há muito trabalho a fazer
Não importa o que você queira saber ou qual o seu idioma: o Google deseja que você não tenha mais de escrever em “palavrachavês” e possa fazer suas pesquisas de um jeito natural, como faria normalmente. Mas, de vez em quando, pode ser que o Google ainda se atrapalhe. Mesmo com o BERT a gente às vezes erra. Se você pesquisar “qual estado fica ao sul de Nebraska”, a melhor resposta que o BERT pode oferecer é “South Nebraska”. (Nebraska do Sul, nome de um bairro na cidade de Tampa, na Flórida – que nem fica ao sul de Nebraska e nem mesmo é um estado.)
Compreender a linguagem é um desafio constante, que nos incentiva a continuar trabalhando e aprimorando a Busca. Queremos melhorar sempre, para compreender o significado de todas as consultas que você faz no Google – e para devolver as respostas que você realmente deseja saber.
Publicado por Pandu Nayak, pesquisador e vice-presidente de Busca do Google

Categorias

Arquivo

2022
- fev.
- jan.

2021
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2020
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2019
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2018
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2017
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2016
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2015
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2014
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2013
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2012
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2011
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2010
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2009
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.

2008
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2007
- dez.
- nov.
- out.
- set.
- ago.
- jul.
- jun.
- mai.
- abr.
- mar.
- fev.
- jan.

2006
- dez.
- nov.
- out.
- set.
- ago.
- jul.

Feed

Google
Privacy
Terms