03 在大数据与深度学习中蝶化的人工智能（第12/14页）

图3-5 人物关系图1

再来看另外一个例子：梁思成的儿子是谁；梁思成是谁的儿子。

图3-6 人物关系图2

如果使用传统的基于关键词的搜索技术，我们将会得到几乎相同的结果。然而，经过语义理解技术的分析，机器可以发现这两个句子的语义是完全不一样的，相应地就能从知识图谱中检索到完全不同的答案。

还有第三句话：谁是梁思成的父母。从字面上来看，这跟第二个句子不同，但是经过语义理解技术，机器发现这两个句子要找的是同一个对象。

深度学习技术进一步增强了自然语言处理能力。百度从2013年开始在搜索引擎中应用DNN模型，至今已经对这个模型进行了几十次的升级迭代，DNN语义特征是百度搜索里非常重要的一个特征。其实，不仅搜索结果相关度变得更高，在篇章理解、关注点感知和机器翻译等方面也都有大幅提升。

搜索所需要的技术基础也正是人工智能所需要的技术基础。比如就云计算来说，主管百度云工作的张亚勤认为，搜索是最大的云计算应用，没有云就没有办法做好搜索，百度是在云里出生的。

搜素引擎的继续进化

随着移动互联网和人工智能的兴起，搜索的形态在发生很大的改变。比如搜索入口变化了，除了通过网页搜索框发起搜索外，基于不同平台和硬件的搜索也在增加，语音或图像搜索部分代替了文字搜索。在人主动搜索信息的同时，信息也被推荐给需要的人。很多人从表象上看，认为这个过程是对搜索引擎的挑战。但王海峰认为，搜索引擎一直同步感知着这个变化过程。

就以“信息主动找人”来说，做Feed（信息流）是当下很多互联网企业的共识。但是“人找信息”和“信息找人”，或者搜索和Feed之间并不是非此即彼，而是相辅相成的关系，在不同场景、不同时段发生不同作用，各司其职，也会互相配合。比如有时候你需要主动找点东西，有时需要朋友推荐，有时候需要系统能猜测你的喜好并推荐。假设别人推荐一篇文章给你，阅读过程中发现一个词不太理解，这时你又需要发起搜索去查找词义。当然机器也会猜哪些词用户可能有兴趣。Feed不可能每天推送给你相同的内容，所以一条内容过了最热的时候，你再想找它又得到搜索引擎里找。在不同的状态和场景下，用户对于搜索和Feed的需求会相互转换，而如何判断这些状态和场景，正是对系统智能化的考验。有越多的数据和技术储备就越可能做好。

有了做搜索的技术储备和数据，做Feed至少在技术上是不难的。而单纯从Feed起家，想去弥补搜索和数据的缺失就比较困难。百度搜索引擎采集分析的网页量有上千亿，如此规模的大数据为百度持续提升Feed产品效果提供了必要的保障。

搜索引擎在数据洪流中持续进化，Feed只是下一个必要的环节，最终形成无所不在的搜索引擎+推荐。越来越智能化的机器可以做到“举一反三”，到最后用户只说几个词，机器就可以知晓用户想要表达的整个意思。另外还可以自动分析用户所在的位置、身份、习惯等，利用这些信息来决定向用户提供哪些搜索结果。未来在很多时候，我们无须再主动“搜索”，基于搜索引擎的Feed可以主动猜测并推送我们需要的信息。设想一下，比如在一个餐厅吃饭时，搜索引擎已经根据用户之前的搜索内容推测出用户下一步的安排，即使用户还没“问”，都会主动帮用户收集好之后需要的信息，比如当前有什么电影上映，最近的电影院在哪里等。这种设想已经在百度的产品中有所尝试。即使对于用户暂时不关注的信息，不出现在Feed里，也会合理存储起来，像一座无形的图书馆，供用户以后前往探寻。智能化的搜索引擎正在伴随我们一起成长。