Podczas surfowania w internecie nieustannie towarzyszą nam algorytmy. Są one powszechnie wykorzystywane między innymi do tego, aby treści, które przeglądamy były jak najbardziej dostosowane do naszych zainteresowań. Czytasz ten artykuł najprawdopodobniej dlatego, że jeden z algorytmów zasugerował Ci, żebyś kliknął w link, który do niego prowadzi. Dlatego też zrozumienie zasad według, których działają algorytmy jest podstawą do tego, aby skutecznie promować swój biznes w internecie.
Google, YouTube, Facebook, Twitter, Instagram, Allegro, Amazon, Linkedin, Netflix, Spotify wszystkie te platformy bez algorytmów, które nimi sterują nie miały by prawa istnieć. Każdy z tych portali posługuje się własnymi rozwiązaniami, które dostosowane są do potrzeb użytkowników. Dzięki algorytmom możemy poczuć się jakby cały internet wiedział czego dokładnie chcemy. Kupujesz często książki w sklepach online? W takim razie co chwile widzisz reklamy jakiejś nowej powieści pojawiające się na stronach. Myślisz o wakacjach i sprawdzasz oferty biur turystycznych? Za chwile na Twój e-mail zostanie wysłana wiadomość z kodem promocyjnym na lot do Hiszpanii. Pamiętasz ten filmik ze śmiesznym psem, który ostatnio udostępniałeś znajomych? Teraz przez najbliższy tydzień na Youtube będą wyświetlać Ci się same filmiki z psami.
Samo Google korzysta z kilkunastu różnych algorytmów, które współpracują ze sobą, aby zaprezentować użytkownikowi jak najlepsze wyniki wyszukiwania. Dzięki temu kontrolować można jednocześnie wiele parametrów związanych z prawidłowym indeksowaniem i katalogowaniem treści znajdujących się na stronach, czy choćby profilem linkowania. Do kluczowych algorytmów wchodzących w skład silnika wyszukiwarki należą Pingwin, Panda i Koliber.
Słowo algorytm pochodzi od łacińskiej wersji nazwiska Al-Chuwarizmi, należącego do perskiego matematyka żyjącego w IX wieku, który uważany jest za ojca cyfr arabskich oraz algebry. Pierwotnie termin algorytm odnosił się do obliczeń wykonywanych przy pomocy zapisu liczbowego zaproponowanego przez Al-Chuwarizmiego.
Za algorytm można uznać każdy „przepis” na wykonywane po sobie kolejnych czynności, które prowadzą do określonego efektu. Jest to bardzo ogólnikowa definicja, ale jak łatwo się przekonać sprawia, że za algorytm można uznać niemal wszystko. Chociaż termin ten kojarzy się jednoznacznie z komputerami to za algorytm można uznać również chociażby mycie zębów, albo sposób składania papierowego samolotu.
Jednym z najpopularniejszych przykładów algorytmów są przepisy kulinarne. Mamy jasno określone kolejne etapy postępowania, które prowadzą do konkretnego celu.
Każdy przepis kulinarny można przedstawić w postaci schematu blokowego, który służy do zapisu działania algorytmu.
Pierwsze algorytmy matematyczne znane ludzkości pojawiły się na terenie starożytnego Bliskiego Wschodu w Egipcie i Mezopotamii. Początkowo wykorzystywane były do stosunkowo prostych obliczeń, ale wraz z rozwojem nauki zadania stawiane przed algorytmami stawały się coraz trudniejsze. Obecnie algorytmy muszą wykonywać zadania, których są coraz trudniejsze do opisania przez programistów. Dlatego też powstają algorytmy, które poniekąd uczą się same na własnych błędach. Rozwiązanie takie nosi nazwę machine learning.
Machine learning, czyli uczenie maszynowe opiera się o stworzenie algorytmów „budowniczych”, „uczniów” i „nauczycieli”. Wszystkie one wchodzą w skład jednego bota i są od siebie wzajemnie zależne. Bot „budowniczy” konstruuje „uczniów”, którzy następnie są poddawani testom przez „nauczycieli”. Każda kolejna generacja każdego rodzaju algorytmu staje się coraz lepsza dzięki temu, że na każdym etapie następuje weryfikacja wyników jakie osiągnięto. Gdy „uczeń” osiąga dobre wyniki na testach przeprowadzanych przez „nauczyciela”, część jego kodu źródłowego zostaje powielona przez „budowniczego” w kolejnym pokoleniu. I tak proces trwa dopóki nie osiągnie się zadowalających rezultatów. Określając poszczególne parametry możemy wybrać ścieżkę ewolucji, która sprawi, że każda kolejna wersja algorytmu będzie sprawniej wykonywać zadanie, do którego został stworzony. Taka adaptacja pozwala na tworzenie bardzo skomplikowanych skryptów, które często zawierają dziesiątki tysięcy linijek kodu. Napisanie takiego rodzaju algorytmów „ręcznie” oznaczało by setki godzin pracy programistów.
Brzmi to skomplikowanie, ale w rzeczywistości sprowadza się do tego, że algorytm, który ma zostać „nauczony” jak radzić sobie z konkretnym zadaniem dostaje jak najwięcej danych do analizy, a następnie metodą prób i błędów je przetwarza. Kolejnym etapem jest eliminacja wyników, które nie odpowiadają ustalonemu szablonowi odpowiedzi. Na podstawie otrzymanych rezultatów algorytm modyfikowany. jest w taki sposób, aby przy kolejnej próbie mógł poradzić sobie lepiej ze swoim zadaniem.
W proces uczenia maszynowego często zaangażowani są również sami użytkownicy. Najbardziej znanym przykładem takiej współpracy botów i ludzi jest test reCaptcha. Polega on na przepisaniu tekstu, lub wybraniu obrazków, które będą pasować do schematu. Dzięki tej metodzie ludzie dostarczają setki gigabajtów danych, na których podstawie można następnie opracować algorytmy, które będą w stanie rozpoznawać przedmioty na obrazach. Ostatnimi czasy wśród zadań jakie trzeba rozwiązać, aby przejść test reCaptcha bardzo często pojawiają się takie, w których trzeba poprawnie wskazać samochody osobowe, znaki drogowe itd. Dane uzyskane w ten sposób posłużą od opracowywania sztucznej inteligencji, która ma zostać wykorzystana w pojazdach autonomicznych. Dzięki tysiącom odpowiedzi, które wprowadzą użytkownicy podczas rozwiązywania testu reCaptcha oprogramowanie, które będzie odpowiedzialne za analizowanie sytuacji na drodze będzie miało możliwość weryfikacji potencjalnych zagrożeń.
Uczenie maszynowe jest wykorzystywane między innymi przez algorytm Rank Brain, który został dodany do silnika wyszukiwarki Google w 2015 roku. Mechanizm ten analizuje semantykę wprowadzanych zapytań w szczególności tych opartych o frazy long tail. Dzięki jego zastosowaniu Google potrafi lepiej dopasować podobne wyniki wyszukiwania oraz łatwiej odczytać intencje użytkownika, czyli dostarczyć mu dokładnie to czego wyszukuje. Ponieważ jest to algorytm oparty na machine lerning nieustannie on ewoluuje ucząc się nowych słów i adaptując swoje wyniki do zmieniających się trendów wśród użytkowników. Rank Brain to jeden z powodów, dla których tak ważny w pozycjonowaniu stał się content zawarty na stronie. Im więcej danych w postaci tekstu dostarczymy wyszukiwarce tym lepiej „nauczy” się ona co znajduje się dokładnie w treści, dzięki czemu nasz tekst ma szanse pojawić się w wynikach wyszukiwania na frazy, które nie są w nim nawet zawarte, ale mogą odnoszą się do jego sensu.
Schemat działania RankBrain
Równie interesującym zastosowaniem machine learning jest mechanizm opracowany w zeszłym roku przez YouTube. Służy on do zautomatyzowanego usuwania filmów zawierających treści związane z terroryzmem. Na swoim oficjalnym blogu zespół YouTube chwali się, że dzięki wykorzystaniu uczenia maszynowego do eliminacji materiałów wideo powiązanych z organizacjami terrorystycznymi ponad 83% takich filmików zostaje niemal natychmiastowo usunięta. Podobne rozwiązanie funkcjonuje już w tym serwisie od 2007 i ma za zadanie eliminować materiały, które naruszają prawa autorskie. W chwili, w której plik wideo jest dodawany do YouTube algorytmy porównują jego zawartość z bazą nagrań zastrzeżonych prawem autorskich. Dzięki temu obecnie 98% filmów, które zawierają materiały, których właścicielem są wytwórnie filmowe i fonograficzne jest natychmiastowo oznaczana przez YouTube.
Oczywiście zdarzają się również przypadki kiedy algorytmy oparte na uczeniu maszynowym ponoszą porażki. Jedną z najbardziej spektakularnych pomyłek było stworzenie przez Microsoft bota o nazwie Taylor. Algorytm ten miał za zadanie komunikować się z użytkownikami Twittera na podstawie milionów przeanalizowanych przez siebie postów umieszczonych na tym portalu społecznościowym.
Niewątpliwie w ciągu najbliższej przyszłości algorytmy jeszcze bardziej zdominują to w jaki sposób będziemy korzystać z internetu. Rozwój technologii uczenia maszynowego pozwala na tworzenie botów, które nie tylko wykonują tysiące zadań na sekundę, ale również same ewoluują i stają się coraz bardziej dokładne i sprawniejsze w swojej pracy. Patrząc na rozwój tych mechanizmów z punktu widzenia SEO z pewnością czeka nas w przyszłości coraz więcej wyzwań związanych z pozycjonowaniem stron. Być może dojdzie nawet do tego, że za sprawą machine learning za kilka lat SEO przestanie przypominać to co znamy z dzisiejszych realiów. Zaawansowane skrypty będzie trudniej „oszukać”, przez co jedynym na czym będzie można w pełni polegać chcąc osiągnąć wysokie pozycje w wynikach wyszukiwania będzie optymalizacja strony.
Bardzo realny wydaje się scenariusz, w którym algorytmy będą podobnie jak w przypadku YouTube eliminować treści naruszające prawa autorskie. Z kolei wraz z rozwojem RankBrain na znaczeniu będzie coraz bardziej zyskiwała treść potrafiąca dostarczyć użytkownikowi dokładnych odpowiedzi na wpisywane przez niego hasła. Jedno jest pewne: internet będzie ewoluował razem z algorytmami, które nim sterują.
