“官方促销：足不出户看报纸，订阅高清版一年电脑报仅需98元”
    当我们在Google的搜索框敲下一个个越来越复杂的问题时，一场逐级变难的智力较量开始了。背后接招的是Google科学家兼高级副总裁阿米特·辛格哈尔(Amit Singhal)以及他的搜索团队。

    阿米特想出的办法：“如果人类拥有像电影《星际迷航》里的Kirk船长那台能够即刻回答任何问题的计算机的话，所有问题就迎刃而解了。”听上去，这是一个以不变应万变的好办法，可是靠谱吗？ 近日，Google将搜索新功能Knowledge Graph推广到了所有英语国家，阿米特在接受本报记者采访时说：“我们离这个梦想又近了一些，而且比我在自己工作生涯中曾经预想过的还要近。”


学会现实世界的思维方式
         让搜索引擎能够理解现实世界，这是阿米特开发智慧搜索的第一步，也是Knowledge Graph“秘笈”里的第一式。

         多年来，搜索都是字符串的匹配，所以在搜索的“眼”里，“KEY”这个单词不过是一个由3个字母组成的字符串，而并不是一个在现实世界中具有“钥匙”含义的单词。而“Kings”这个单词，搜索引擎也并不明白“Kings”不仅可以解释为“国王”，也可以指代NBA一支名叫“Sacramento Kings（萨克拉门托国王队）”的篮球队，还可以表示洛杉矶一支曲棍球队——Los Angeles Kings。

        “计算机擅于将文件中的一系列字母或字符串进行匹配。”于是，在搜索框输入“Kings”之后，搜索引擎返回的是一系列但凡包含“Kings”的文章，里面既有表示“国王”的意思，也有指代Sacramento Kings篮球队和Los Angeles Kings曲棍球队。这不是用户想要的结果，也不是Google工程师想要的。“在研究中我们慢慢发现，用户要求结果更直接、更准确，而Google也一直希望能够为用户更直接、更准确地提供相关的内容和答案。” Google搜索产品经理丁晨说。

         解决的办法就是让搜索引擎能够理解现实世界里各类实体的意思。阿米特说：“我们要教搜索引擎像人类那样理解。”为此，Google通过建立Knowledge Graph知识体系来让搜索引擎看起来像人类的大脑。Knowledge Graph就像维基百科一样建立词条，它也从Freebase、维基百科和其它来源获取专业的信息词条。目前，Knowledge Graph知识体系中包含超过5亿个词条，不同事物之间的关系超过35亿条。

        于是，今天输入“Kings”这个单词之后，搜索引擎仍会返回包含“Kings”的网页链接，虽然看上去没有差别。不过，当用户第二次选择明确“Kings”是指代其中一个意思时，搜索引擎就会自动筛除其它两个意思的网页。因为搜索引擎已经明白了你的意思。

 
给你最直接的回答
         搜索引擎能够理解现实世界中的实体，而不仅仅把它当成一个字符串，然而这对于出招的人们来说显然还是初级的。正如丁晨所说：很多时候用户的搜索不仅是一个单一的概念，他可能是想查找一系列的电影或人物，这时候这种类型的搜索请求就会变得更加复杂。 

         不过，在已经理解了实体的基础上，回复复杂的问题对于阿米特的团队来说虽然有难度，但是并不是毫无破绽。以“2012年的动画电影”这一搜索请求为例，用户想找到的是2012年的动画类的电影，是一个包含了多个实体，具有多个定语的问题，用户希望得到更直接的回复。

     Google搜索技术领队柴颖介绍说：“如果有人做了一个关于2012年的动画电影的统计，然后把它放到网上，你就有可能直接获得这个网页的链接，从而获得答案。但是如果没有人做这样的统计，用户就得不到一个很精确的答案。”在这样的情况下，Google搜索引擎就会通过Knowledge Graph采集互联网上讲到不同的动画电影，并且在建立数据库的时候集中对事物进行理解。比如说：某个人、某个电影它有哪些属性，它有哪些跟其他事物之间的关联。 

    于是，当用户输入“2012年的动画电影”的搜索请求时，基于对实体的理解，搜索引擎完全理解“2012”、“动画”、“电影”这三个关键词的意义。通过后台的一些分析和处理，搜索引擎会了解到用户想查找的是动画类的电影，而且是在2012年上映的。柴颖说：“搜索引擎会跟据对这些事实的理解，对内容和结果进行筛选，自动整理出一个可能并不存在的信息汇总的东西给用户，这是在网页上生成的最后的答案，而非一个预先写好的网页。”

    通过对“2012年的动画电影”的举一反三，搜索请求不仅局限于电影领域。但是，像其他的人物、动物、建筑物、旅游景点等等，Knowledge Graph都已经有所涉及。柴颖说：“Knowledge  Graph给了我们一种力量，它不单对简单的数据进行处理，而且理解了这些事物之间关系的理解，这种强大的力量是能够使我们的搜索变得越来越重要。”

人工智能的未来
     当搜索引擎理解了现实世界的实体，回答了一些简单的问题，更大的挑战在于：当问题变得更加复杂后该怎么办？
     “所谓的将数据转化成信息，我们指的是从原始数据的海洋中找到表面相关联的事实。Google搜索已经开始在这么做了——我们提取网页、视频、图像等原始数据，将它们整理成与你的查询相匹配的相关信息。”阿米特说，“接下来，我们希望能够提取信息，并使其更容易消化。在未来，你问Google一个问题，我们会直接提供答案，而不只是仅仅给你相关的链接。”
    这也就是Knowledge Graph这本“秘笈”的最高境界，阿米特承认：现有的搜索技术无法处理“带有防虫喷雾的蚊帐是不是比不带防虫喷雾的蚊帐更有效？”这样的问题。如果从未有人问过一模一样的问题，那么就得不到理想的答案。因为这类问题的回答不仅仅要求编写这些信息——而且需要现实世界的“实体”知识，以及它们的相互关联性。 “人类的大脑天生就能处理这些，但对于电脑，这就涉及到人工智能的问题。” 阿米特说。

    这似乎又回到了阿米特最初的梦想：拥有一台像电影《星际迷航》里的Kirk船长那台能回答任何问题的计算机。阿米特和他的团队正在将Google搜索引擎打造成为这样一台机器。“这就是我们目前正在尝试的方向，将搜索引擎变成一个知识引擎——未来的某一天实现智慧引擎。”

 
对话阿米特
我们的梦想是打造星际迷航式计算机

人物简介
          阿米特•辛格哈尔（Amit Singhal）负责Google搜索的开发工作。他从一名学术研究员成长为 Google 工程师，在搜索领域积累了20多年的工作经验。阿米特的研究领域涵盖信息检索及其在网络搜索中的应用、网络图形分析以及搜索用户界面。

记者：Google现在所做的与语义搜索有何不同？
阿米特：Knowledge Graph可以使我们在搜索结果中展示具有含义的，在现实世界存在的实体。比如你搜索“taj mahal”，它可以指泰姬陵，也可以是一位印度的音乐家。在Knowledge Graph中点击音乐家，你便会获得一位名为“taj mahal”的音乐家的相关信息。要缔造未来的搜索引擎，我们要教搜索引擎像人类那样理解。Knowledge Graph便是我们做出的一次努力，让搜索向智慧模型更近一步。

记者：我们现在所谈的是初步进展，那接下来会有哪些改进？
阿米特：语言理解仍是未解之题，语音识别也是极具挑战性的，我们还需要做出很大改进。

记者：推出中文或其它语言版本的Knowledge Graph有明确时间表吗？
阿米特：我们想让全球用户都可以使用Knowledge Graph，但是要开发所有的语言版本是非常具有挑战性的。比如：在印度，关于电影的最多搜索请求的应该是宝莱坞电影，而在英文中，最多搜索结果应该是好莱坞电影。当新语言介入时情况便会更加复杂，我们正在努力突破国界。愿景是美好的但是过程是艰辛的。

记者：有了Knowledge Graph后的Google与Yahoo等其它搜索引擎相比进步了多少呢？
阿米特：我们正在全速前进以构建搜索的未来——其他公司也在朝着他们的愿景奋斗。我们的梦想是打造星际迷航式计算机，我们相信，有了Knowledge Graph，我们离这个梦想又近了一些。

记者：我们希望Knowledge Graph能够回答提出的所有问题，请问这个目标是否需要很长一段时间才能够实现？
阿米特：答案就在互联网知识库内。有了Knowledge Graph，你不用苦苦搜索信息，眨眼之间你就能找到自己想要的信息，这是我们的愿景。