Jarvis Rising – Google 如何“即时”生成机器学习模型来预测搜索无法预测的答案，以及如何索引这些模型以预测未来查询的答案 [专利]

在分析了与 PAA 和 PASF 相关的 Google 专利后，我开始审查其他最近授予的专利。 不久之后，我又发现了另一个关于机器学习模型的使用的非常有趣的问题。 我刚刚分析的专利侧重于使用和/或生成机器学习模型来响应查询（当谷歌需要预测答案时，因为标准搜索结果无法提供足够的答案）。 在多次阅读该专利后，它强调了谷歌的系统在需要为用户提供高质量答案（或预测）时的复杂程度。

与任何专利一样，我们永远不知道谷歌是否真正实现了该专利所涵盖的内容，但这总是有可能的。 如果它得以实现，谷歌不仅可以利用训练有素的机器学习模型来帮助预测查询的答案，而且可以索引这些机器学习模型，将它们与各种实体、​​网页等相关联，然后检索和检索使用这些模型进行后续相关搜索。 想想这对谷歌来说有多么强大和可扩展。

此外，该专利还解释说，谷歌可以在搜索结果中向机器学习模型返回一个交互式界面，使用户能够添加参数，当搜索结果不充分时，这些参数可用于生成查询预测。 专利的这一部分让我想起了谷歌在 2020 年 4 月在 SERP 中推出的消息，当时没有为查询返回高质量的搜索结果。 当前的实现没有提供供用户交互的表单，但在某些时候肯定可以。 也许该界面将来可以用于更多查询，而不仅仅是目前显示的更模糊的查询。 我将在下面的项目符号中详细介绍这一点。

该专利的要点：
与我上一篇文章介绍最近的谷歌专利类似，我认为介绍细节的最佳方法是提供关键点的要点。

生成和/或利用机器学习模型来响应搜索请求
美国 11645277 B2
授予日期：2023 年 5 月 9 日
提交日期：2017 年 12 月 12 日
受让人名称：Google LLC

1. 谷歌的专利解释说，如果无法确定地找到答案，并且用户提交的请求本质上是预测性的，则可以使用经过训练的机器学习模型来生成预测。

2. 例如，Google 可以首先根据查询生成搜索结果，但如果结果质量不够，则可以使用机器学习模型来提供更强的预测答案。 因此，当谷歌无法验证答案时，系统可以根据机器学习模型提供预测答案。

3. 此外，机器学习模型可以“即时”生成，Google 可能会将经过训练的机器学习模型存储在搜索索引中。 是的，谷歌可以索引刚刚经过训练以根据特定类型的查询提供预测的机器学习模型。 我很快就会介绍更多相关内容。

4. 该专利提供了一个基于查询“2050年中国将有多少医生？”的示例。 如果无法通过标准搜索结果提供权威答案，则可以将查询传递给经过训练的机器学习模型以生成预测。

5. 该专利接着解释说，该系统可能需要其他年份，如 2010 年、2015 年、2020 年等，并使用这些年份来生成预测（通过根据这些参数训练的机器学习模型）。

6. 该专利解释说，经过训练的机器学习模型可以通过“用于训练模型的资源”中的一个或多个内容项进行索引。 对于未来的查询，当系统识别与机器学习模型相关的参数时（例如，如果后续用户询问类似“ 2040 年中国有多少医生？”之类的相关问题），机器学习模型可以用于生成预测。

7. 该专利接着解释说，机器学习模型可以与一个或多个内容项一起存储，例如知识图中的实体、表名称、列名称、网页名称等。 此外，机器学习模型可以使用与查询相关的单词（例如“中国”和“医生”）来生成预测。

8. 该专利接着解释说，该系统可能会提供一个交互式界面，供用户选择可传递给机器学习模型的参数。 这可以是文本字段、下拉菜单等。此外，响应可以包括向用户呈现的消息，表明该响应是基于经过训练的机器学习模型的预测。 因此，谷歌希望确保用户理解这是基于机器学习模型的预测，而不是基于其索引的数据提供的答案。

9. 然后可以验证经过训练的模型，以确保预测至少达到“阈值质量”。 低于特定阈值的任何内容都可以被抑制并且不提供给用户。 在这种情况下，可以改为显示标准搜索结果。

10. 除了公共搜索结果之外，该专利还解释说，该系统可以在私人数据库上使用，以帮助公司预测某些结果。 该专利解释说，“仅供一组用户、一家公司和/或其他受限群体使用。” 例如，游乐园的员工可能会问：“明天我们会卖多少个雪糕筒？” 然后，系统可以查询私人数据库以了解前几天的销售情况、天气信息、出勤数据等，从而为员工预测答案。

11. 该专利解释说，该系统可以在某个时候提供来自“自动助理”的推送通知。 只是大声思考，我想知道这是否可能来自贾维斯式的助手，就像我在关于谷歌红色代码的文章中解释的那样，它触发了出版商的数千个红色代码。

12. 从延迟的角度来看，该专利解释说，用户提交查询后可能会出现延迟。 当发生这种情况时，标准搜索结果最初可能会与一条消息一起显示，该消息表明“好的”结果不可用于查询，并且正在使用机器学习模型来生成预测。 在这些情况下，系统可以稍后将该预测推送给用户，或者提供超链接供用户单击以查看机器学习输出。

13. 此外，该专利还指出，在某些情况下，用户必须确认提示才能继续该过程。 例如，系统可能会提供一条消息，指出“没有好的答案。 要我给你预测一下答案吗？” 然后，仅当响应提示而收到肯定的用户输入时，机器学习模型才会被训练。 就像我之前解释的那样，我看到了与 2020 年 4 月推出的“没有适合您的搜索的完美匹配”消息的联系。我想知道将来是否可以扩展以利用此模型......

摘要：谷歌可以通过（索引）机器学习模型以强大且超高效的方式预测高质量答案。
尽管我们不知道是否使用了任何特定专利，但这一过程的力量和效率对谷歌来说非常有意义。 从“即时”生成机器学习模型到为这些模型建立索引以供将来使用，再到利用带有推送通知的交互式界面，谷歌似乎正在为像贾维斯这样的助手奠定基础。 因此，下次你要求谷歌预测答案时，请考虑一下这项专利。 并且可能会在某个时候提示您提供更多信息（直到贾维斯可以在一纳秒内完成所有这些）。 :)

GG