此外，并非网络上的所有文档都会像《每日邮报》或 CNN 网站那样突出显示。 但是，让我推测一下：如果不是一个巨大的带注释的数据库，？谷歌是否有可能使用 DeepMind 与基于《每日邮报》数据库的技术相同的技术来训练其神经机器学习计算系统？ 如果谷歌正在试验并使用它与 NASA 和 USRA 共享的量子计算机来执行此类机器学习任务，会怎么样？ 或者…如果谷歌将其所有数据中心中的所有计算机用作一个独特的神经计算系统会怎样？ 我知道，科幻小说，但是… 雷·库兹韦尔的愿景 雷·库兹韦尔通常因其资历中的“未来主义”方面而闻名。
我们很容易忘记他自
年以来一直在 Google 工作，并受拉里·佩奇 (Larry Page) 亲 telegram 数字数据 自聘用，“为 Google 带来自然语言理解”。自然语言理解对于 的正常工作至关重要。 雷·库兹韦尔去年在接受《卫报》采访时表示： 当您撰写文章时，您并不是在创建有趣的单词集合。
您有话要说致力于智能地组
织和处理世界信息。您文章中的消息是信息，计算机无法 那么故事到底是什么 识别该信息。所以我们想让计算机真正读取数据。我们希望他们阅读网络上的所有内容和每本书的每一页，然后能够与用户进行智能对话，从而回答他们的问题。 我上面引用的 DeepMind 技术似乎正在朝这个方向发展，尽管它仍然是一项不成熟的技术。
然而最大的问题并不是真正能够
读取数十亿份文档，因为 Google 已经在这样做了（例如，去阅读 Gmail 的 EULA）。最大的问题是理解单词中隐含的含义，以便谷歌能够正确回答用户的问题，甚至在提问之前就预 資料庫數據 测到答案。 我们知道谷歌正在努力实现这一目标，因为库兹韦尔在同一次采访中告诉我们： “我们将对其进行实际编码，真正尝试教它理解这些文件所说的含义。
使用的向量可能是我们第一
次看到 Google 最终将用于理解所有上下文的技术，这是赋予语言意义的基础。 我们如何优化 RankBrain？ 我确定你在问这个问题。 我的答案是？这是一个无用的问题，因为 RankBrain 的目标是难以理解的查询和使用口语的查询。
因此正如为每个长尾关键
字创建特定页面并不是很有用一样，尝试定位 RankBrain 目标的查询也没有多大用处。 我们应该做的是坚持使用语义搜索引擎优化实践来优化我们的内容，以帮助谷歌理解我们内容的上下文以及我们正在撰写的概念和实体背后的含义。
我们应该优先考虑个性化搜索的
因素，因为搜索实体与个性化是严格相关的。从这个角度来看，品牌肯定是一种可能与 RankBrain 和 Hummingbird 正相关的策略，因为它们对网络文档及其内容进行解释和分类。 那么，RankBrain 对于我们的日常 SEO 活动来说可能意义不大，但它让我们看到了未来。