Capire MUM (Multitask Unified Model) il nuovo algoritmo di Google

Il binomio Google e AI è qualcosa di ormai talmente consolidato che sembra scontato persino parlarne, basti pensare alle innumerevoli applicazione di Big G nella lotta allo spam, ai furbetti della SEO e ad AutoML, un’intelligenza artificiale sviluppata nei loro laboratori che ha messo a punto un altro e nuovo sistema di Intelligenza Artificiale molto più performante ed efficiente di quelli realizzati fino ad ora dagli ingegneri umani.

Inutile dire che, dal punto di vista tecnologico, si tratta di risultati molto importanti, perché questa tipologia di sistemi permetteranno di sviluppare in tempi molto brevi applicazioni di AI molto più complesse di quelle attuali, necessarie in tanti ambiti di applicazione come le auto autonome, la realtà aumentata, le infrastrutture che fanno funzionare Internet, reti elettriche e tanto altro.

Perché ne parliamo

Tra i vari ambiti di applicazione non possiamo escludere il celeberrimo algoritmo che setaccia la rete, cataloga siti e cerca di interpretare i contenuti di miliardi di pagine web. Ed è proprio nell’interpretazione dei testi, dei contenuti e delle query che il nuovo algoritmo di Google, MUM, punta a creare un netto distacco rispetto al passato.

MUM sta per Multitask Unified Model, per gli amanti delle performance e delle reti, si tratta di una rete neurale con circa 1000 nodi decisionali in più rispetto a BERT (rilasciato il 25/10/2019) e quindi 1000 volte più veloce di BERT.

MUM riesce a comprendere circa 75 lingue, le immagini, il contenuto di una pagina web ed è capace di fornire risposte pari a quelle di un esperto dell’argomento trattato. In futuro si stima possa interpretare anche i video ed i file audio.

MUM adotta il modello T5 acronimo di Text-To-Text Transfer Transformer. In molti, giunti a questa ultima riga, preferiranno abbandonare l’articolo; niente paura sono concetti abbastanza semplici da chiarire.

Allora partiamo dal concetto di “Transfer Learning” inteso come processo di addestramento (metodo avanzato di machine learning) che porta un sistema di IA specializzata a svolgere un determinato compito, ad essere riutilizzato quale punto di partenza per svolgere un’altro compito.

Il compito in questione, per il quale è stato addestrato MUM, riguarda il natural language processing (NLP) ossia una metodologia per comprendere il linguaggio naturale.

Ora, un sistema di IA addestrato per comprendere il linguaggio naturale di un essere umano, riceverà la richiesta in differenti modalità quali: Text-to-text, Text-to-speech, Speech-to-text e Speech-to-speech.

Da qui vi sarà chiara la famosa riga di sopra dove il modello T% che sta per Text-To-Text Transfer Transformer non è altro che un modello di addestramento di una IA a comprende la richiesta “scritta” da un umano.

MUM: perché è importante

La lingua può essere una barriera significativa all’accesso alle informazioni. MUM ha il potenziale per abbattere questi confini trasferendo la conoscenza tra le lingue. Può imparare da fonti che non sono scritte nella lingua in cui hai scritto la tua ricerca e aiutarti a fornirti tali informazioni.

Come riportato in un articolo del team di IA Google:

“Supponiamo che ci siano informazioni davvero utili sul Monte Fuji scritte in giapponese; oggi, probabilmente non le troverai se non cerchi in giapponese. Ma MUM potrebbe trasferire la conoscenza da fonti in tutte le lingue e utilizzare queste informazioni per trovare i risultati più rilevanti nella tua lingua preferita. Pertanto, in futuro, quando cercherai informazioni sulla visita del Monte Fuji, potresti vedere risultati come dove godersi le migliori viste sulla montagna, dove trovare famosi ristoranti e negozi di souvenir: tutte informazioni che si trovano più comunemente quando si effettua una ricerca in Giapponese”.

Google ha anche la capacità di comprendere una richiesta analizzando una richiesta complessa che comprende immagini e testo, nel senso che potrei scattare una foto dei miei scarponi da trekking e chiedere se sono idonei a scalare il monte Fuji.

In questo caso MUM capirà che la mia richiesta inviata in forma scritta è riferita ad una considerazione fatta in relazione a una foto che ritrae un paio di scarponi.

Pandu Nayak, vicepresidente di Google Search, ha dichiarato che attualmente un utente medio impiega ben otto domande complesse per trovare una risposta che possa reputare soddisfacente, mentre con MUM si cercherà di offrire una risposta coerente già dalla prima query complessa.

Ninja Upshot

L’obiettivo è offrire risposte complesse, strutturate, proprio come farebbe un esperto in materia. Per tale motivo, l’algoritmo potrà prelevare le informazioni da diversi contenuti web per creare un contenuto completo.

Per quanto concerne l’aspetto relativo alla SEO, in molti si chiedono cosa cambierà sulla SERP e quali impatti avrà MUM sull’ottimizzazione dei Motori di ricerca. Inutile dire che è ancora presto per capire quali cambiamenti interesseranno la SEO, l’unica certezza, confermata da Google, è che la SEO sopravvivrà ancora a lungo, ma che come al solito dovrà necessariamente evolvere.

Oggi, l’aspetto relativo alla ottimizzazione della propria presenza online sarà più importante che mai.