Google Revela Detalhes dos Modelos de IA na Busca
Os Desafios dos Modelos de IA Complexos
Nikola Todorovic, Diretor de Engenharia de Software do Google Search, compartilhou recentemente insights valiosos sobre como a inteligência artificial evoluiu dentro do sistema de busca do Google. Durante sua participação no podcast Search Off the Record, Todorovic explicou por que a implementação de modelos de machine learning em larga escala representa um desafio técnico significativo. Segundo ele, estes sistemas complexos funcionam como uma “caixa preta”, onde os engenheiros nem sempre compreendem completamente os processos internos que ocorrem durante o funcionamento. Esta característica torna o processo de debugging consideravelmente mais difícil, especialmente quando os sistemas de busca precisam ser atualizados ou quando um modelo precisa ser substituído. A complexidade destes modelos contrasta com sistemas mais simples, que são mais fáceis de entender e corrigir quando surgem problemas. Por esta razão, o Google não pôde simplesmente aplicar sistemas de ML em toda a plataforma de busca de uma só vez, necessitando de uma abordagem gradual e cuidadosa.
SafeSearch Como Campo de Testes para IA
O SafeSearch foi uma das primeiras áreas onde o Google conseguiu implementar modelos de IA dentro do sistema de busca de forma eficaz. Todorovic, que lidera a equipe de engenharia do SafeSearch há 15 anos, explicou que esta ferramenta serviu como um ambiente de teste ideal porque permitia isolar os sistemas de IA do fluxo principal de classificação de resultados. O SafeSearch utiliza classificadores independentes de imagens e vídeos que produzem sinais específicos, como determinar o quão explícito um resultado pode ser. Esta abordagem isolada permitiu que os engenheiros pudessem iterar e aperfeiçoar os modelos sem interromper o funcionamento do resto do sistema de busca. A implementação de redes neurais convolucionais, que começaram a melhorar significativamente o entendimento de imagens há cerca de 12 anos, tornou o SafeSearch um caso de uso natural para machine learning dentro da plataforma de busca. Esta estratégia de implementação gradual provou ser fundamental para o desenvolvimento posterior de ferramentas de AI Content Aggregator mais sofisticadas.
AI Overviews e o Futuro da Busca Inteligente
Todorovic descreveu os AI Overviews como uma funcionalidade que se “sobrepõe” aos sistemas existentes de recuperação e classificação do Google. Interessantemente, a base de recuperação e classificação subjacente aos AI Overviews ainda utiliza o que ele chamou de métodos “old school” ou tradicionais. O processo pode envolver consultas em leque, onde o Google identifica consultas adicionais relacionadas à entrada original, executa-as em paralelo e reúne os resultados recuperados em uma única resposta. Os AI Overviews então combinam e resumem informações de resultados selecionados, incluindo texto fonte, trechos, títulos e outros contextos da página. O AI Mode segue um padrão similar, mas opera com maior independência, tendo uma “plataforma maior própria”. Esta integração de AI tools integration demonstra como o Google está evoluindo sua tecnologia de busca, mantendo os fundamentos tradicionais relevantes mesmo enquanto muda como os resultados são resumidos e apresentados aos usuários, representando um avanço significativo na experiência de busca.
Source: Google Shares Insight On Black Box AI Models In Search
