211service.com
Buscar más allá de Google
Si los empleados de Google están ansiosos por el futuro, no lo sabría por una visita a la sede de la empresa. Desde el otoño pasado, cuando se habló de una oferta pública inicial que hizo salivar a los inversores, la organización ha estado bajo un escrutinio inusual: algunos observadores la han llamado la empresa más popular del planeta, mientras que otros afirman que es un negocio en desorden sin líderes, con competidores que se apiñan y principales clientes al borde de la deserción. Pero el complejo de Google en Mountain View, CA, es aparentemente tan despreocupado como cualquier campus universitario. El vestíbulo principal es un estudio en kitsch shagadelic, con un piano de media cola, una luz de fiesta giratoria y una hilera de lámparas de lava de neón brillantes dispuestas en la misma secuencia azul-rojo-amarillo-azul-verde-rojo que el familiar de la compañía. logo. La cafetería vibra con música rock, conversaciones a gritos y sonidos de geeks sorbiendo comida gourmet gratis. Arriba, en las granjas de cubículos, los programadores charlan a través de pasillos llenos de juguetes, transportadores de Segway y algún que otro canino.
Solo cuando me siento en una sala de conferencias tranquila con el director de tecnología de Google, Craig Silverstein, el estado de ánimo vertiginoso de las puntocom se vuelve más serio. Ahora que compañías como Google y la agencia de publicidad de Internet Overture han demostrado que mostrar anuncios pagados por temas específicos junto con los resultados en una página de búsqueda es una verdadera fuente de ingresos, lo que contribuye a un estimado de $ 2 mil millones en ingresos de toda la industria en 2003, un paquete de aspirantes está invirtiendo en software de búsqueda que, según dicen, dará a los usuarios resultados más pertinentes que los de Google, más rápido. Le pregunto a Silverstein si el famoso enfoque de Google en una mejor tecnología lo mantendrá por delante de toda esa competencia. Su respuesta es circunspecta.
Es muy fácil pasar de un motor de búsqueda a uno mejor, dice. Google paga a cientos de investigadores y desarrolladores de software, incluidos más de 60 doctores, para ocupar el frente en esta guerra tecnológica, explica Silverstein, quien se encuentra en licencia prolongada de sus estudios de doctorado en ciencias de la computación en la Universidad de Stanford. Pero reconoce que eso no es garantía de victoria. Esperamos que el próximo avance sea de Google, pero ¿quién sabe?
¿Quién sabe, de hecho? Según Reston, la firma de investigación comScore con sede en VA, Google tiene una gran ventaja sobre sus rivales en la participación de la audiencia de EE. UU., Lo que representa el 77 por ciento de todas las búsquedas en agosto de 2003 (incluidas las búsquedas realizadas en AOL y Yahoo !, que utilizaron el motor de búsqueda de Google. ). Pero en la industria de las búsquedas, la innovación es un comodín. En 1999, se podría haber dicho que AltaVista prácticamente había acabado con el mercado de las búsquedas, señala Whit Andrews, director de investigación de la firma de asesoría tecnológica Gartner. En 1997, fue Inktomi. En 1995, fue Yahoo !. En el negocio de las búsquedas, nunca se sabe cuando hay alguien en la calle que va a hacer que parezca una noticia de ayer.
Google es vulnerable en parte porque tiene algunas de las ventajas de infraestructura, como la propiedad exclusiva de AT&T de la mayor parte de la red telefónica o el control de Microsoft de los sistemas operativos de PC, que generalmente ayudan a perpetuar el dominio. (De hecho, los informes de prensa de enero indicaron que Yahoo! Pronto podría abandonar su relación con Google y recurrir a su propia tecnología de búsqueda). Y el reclamo de la compañía a la fama: la capacidad de sus algoritmos de búsqueda para encontrar los resultados más relevantes, basados en su popularidad, puede estar envejeciendo. Cuando Google se lanzó por primera vez, tenían algunos trucos nuevos en los que nadie más había pensado antes, dice Doug Cutting, un consultor de software independiente que escribió algunas de las tecnologías centrales detrás del motor de búsqueda Excite y ha diseñado herramientas de búsqueda para computadoras Apple Macintosh. Pero muchos otros motores de búsqueda ahora ofrecen alternativas interesantes a las técnicas de Google, cree Cutting.
Por ejemplo, está Teoma, que clasifica los resultados según su posición entre las autoridades reconocidas en un tema, y la startup australiana Mooter, que estudia el comportamiento de los usuarios para intuir mejor exactamente lo que están buscando. Y luego está el gorila de Redmond: Microsoft está recurriendo a la búsqueda como una de sus próximas grandes oportunidades comerciales. Sus investigadores están ideando un nuevo sistema operativo que fusiona funciones de búsqueda similares a las de Google en todos los programas de Windows, así como un software que recorre la Web en busca de respuestas definitivas a las preguntas que formula en inglés cotidiano. Mientras tanto, Yahoo! lanzó su propio laboratorio de investigación en enero, y el propio Cutting está construyendo una alternativa de código abierto a Google. Hoy en día, dice, no estoy convencido de que [Google sea] notablemente mejor.
Cualquiera que sea la tecnología que enganche a los internautas del mañana, su constructor obtendrá una enorme influencia y grandes beneficios. Cada día se ingresan alrededor de 550 millones de solicitudes de búsqueda en todo el mundo (245 millones de ellas en los Estados Unidos). Para el 2007, los ingresos por publicidad pagada generados por todas estas búsquedas alcanzarán alrededor de $ 7 mil millones, dice Safa Rashtchy, analista de Piper Jaffray. Sin embargo, las encuestas indican que casi una cuarta parte de los usuarios no encuentran lo que buscan en el primer conjunto de enlaces devueltos por un motor de búsqueda. Eso se debe en parte a que las preciosas agujas de información que buscamos están enterradas bajo un pajar que crece unos 60 terabytes cada día. Y es por eso que la competencia brutal en la industria de la búsqueda continuará, especialmente cuando las empresas de búsqueda introduzcan una gran cantidad de tecnologías avanzadas, como el procesamiento del lenguaje natural y el aprendizaje automático. Durante los próximos cinco a diez años, dice Rashtchy, podríamos ver mejoras masivas que proporcionen aumentos de órdenes de magnitud en relevancia y uso. Y es la competencia para ofrecer esas mejoras, mucho más que el éxito o el fracaso de la supuesta oferta pública inicial de Google, que muchos esperan que suceda esta primavera, lo que probablemente determinará cómo navegaremos por la Web dentro de unos años.
Tirando de rango
Por naturaleza caótica y descentralizada, la Web pide a gritos herramientas que ayuden a las personas a buscar documentos sin importar dónde residan. Supongamos que desea información sobre tratamientos para el escorbuto en el siglo XVIII: sin un motor de búsqueda, no tiene forma de saber que los datos que necesita se almacenan solo en lugares como un archivo con un nombre críptico ( www.jameslindlibrary.org/trial_records/17th_18th_ Century / lind / lind_kp.html) en un servidor de la biblioteca del Royal College of Physicians de Edimburgo, Escocia.
Sin embargo, cuando escribe escorbuto en un cuadro de búsqueda en Google o MSN o Ask Jeeves, todavía no toca el archivo real en el Royal College. Simplemente está hojeando el índice de la Web de la empresa de búsqueda, una lista enorme compilada por arañas de software que recorren miles de páginas por segundo, copiando palabras clave, frases, títulos y subtítulos, enlaces y otra información descriptiva. Una vez que un fragmento de información llega al índice, generalmente se comprime, se le asigna un peso o importancia y se almacena en una base de datos para su rápida recuperación. Los términos de búsqueda que ingresa se comparan con este índice, y los enlaces a páginas que contienen uno o más de sus términos se muestran en orden de relevancia.
La forma en que un motor de búsqueda determina esa relevancia es la salsa secreta. Google saltó a la fama en 1999 en gran parte debido a PageRank, un algoritmo inventado por los fundadores Larry Page y Sergey Brin que fue el primero en capitalizar la interconexión masiva de páginas web. Cada enlace es, en efecto, un voto que hace el autor de una página por el contenido de otra. Page y Brin se dieron cuenta de que si su índice fuera lo suficientemente grande, podrían evaluar la importancia de una página contando el número de otras páginas vinculadas a ella. También tomaron en cuenta otros factores, como la pertinencia del texto que rodea los enlaces y la propia popularidad de las páginas de enlace. Pero su idea innovadora fue que la Web es un concurso de popularidad gigante, y que las páginas más citadas probablemente serán las más útiles. La técnica funcionó diabólicamente bien y los usuarios de la Web votaron con sus clics. Entre junio de 2000 y enero de 2004, el ex líder AltaVista, que clasificó los resultados en gran medida de acuerdo con la cantidad de veces que una página mencionaba las palabras clave de búsqueda del usuario, cayó del octavo lugar en la clasificación general de tráfico web al 61, mientras que Google subió de casi invisibilidad a cuarto lugar, según datos de las firmas de investigación Media Metrix y Alexa. Google ha penetrado tanto en la Web que su mismo nombre fue seleccionado por la American Dialect Society como la nueva palabra más útil de 2002.
A pesar de sus ventajas, PageRank tiene algunos defectos. Así como los motores de búsqueda anteriores podían ser engañados por páginas salpicadas de miles de palabras clave en letras invisibles en blanco sobre blanco, un propietario de un sitio sin escrúpulos que quiera que su dirección web aparezca más arriba en los resultados de búsqueda de Google puede publicar fácilmente miles o incluso millones de páginas basura. que contienen enlaces a su sitio, elevando artificialmente su rango. (Google dice que tiene formas de contrarrestar estos ataques, pero no los comentará). El mismo vacío legal en PageRank permite el bombardeo de Google, un fenómeno reciente en el que los blogueros hacen un comentario humorístico o político al crear tantos enlaces a un sitio determinado que aparece primero cuando los usuarios escriben un término específico en el cuadro de búsqueda de Google. Los bombarderos de Google que protestaban por la guerra en Irak, por ejemplo, lograron hacer de la biografía de George W. Bush en la Casa Blanca el primer resultado clasificado bajo un miserable fracaso.
Sin embargo, más molesto para algunos críticos es la obsesión de PageRank con la fama. Una página legítima que coincide perfectamente con los términos de búsqueda de un usuario de Google puede quedar enterrada en los resultados de búsqueda simplemente porque no hay suficientes otras páginas que apunten a ella, señala Daniel Brandt, un desarrollador web que administra un sitio crítico llamado Google Watch. La relevancia de una página para un usuario individual, argumentan Brandt y otros críticos, puede depender de algo más que de su popularidad. El hecho de que el resto del planeta piense que este es el sitio de viajes número uno no significa que sea el sitio de viajes número uno para ti, dice Liesl Capper, fundadora y directora ejecutiva de Mooter, con sede en Sydney, quien cree que podría haberlo hecho. una mejor manera.
Poner un sello en los resultados de la búsqueda
Ingrese el mismo término de búsqueda en diez motores de búsqueda diferentes y es probable que obtenga diez conjuntos de resultados contradictorios. Eso se debe en parte a que las arañas de las empresas de búsqueda rastrean diferentes subconjuntos de la Web; pero lo que es más importante, es un reflejo de los principios únicos que funcionan en los algoritmos de clasificación de cada empresa. Así es como tres motores de búsqueda manejan el término Filatelia .
| Pregúntale a Jeeves / Teoma | Mooter | ||
| 1. | Sociedad Filatélica Estadounidense | Recolección de monedas y sellos (About.com) | Enlace de sello -Filaly, el mejor sitio de colección de sellos en su categoría |
| 2. | Recursos filatélicos de Joseph Luft en la web | Recursos filatélicos de Joseph Luft en la web | Sociedad Filatélica Warragul (colección de sellos) |
| 3. | Linns.com : El sitio web del periódico semanal de sellos más grande del mundo: Linn’s Stamp News | Sociedad Filatélica Estadounidense | Historia postal , tapas filatélicas y sellos a la venta |
| 4. | Enlace de sello -Filaly, el mejor sitio de colección de sellos en su categoría | Colección de sellos BNAPS para niños | Sociedad Filatélica de Gran Bretaña |
| 5. | Philatelic.Com | Linns.com : El sitio web del periódico semanal de sellos más grande del mundo: Linn’s Stamp News | Filatelia, Filatelia, Subasta de sellos |
| La página mejor clasificada tiene la máxima autoridad -en esencia, la mayor cantidad de enlaces- entre las comunidades de sitios Web sobre la recolección de sellos. Está validado por referencias de páginas de recursos (colecciones de enlaces de expertos y entusiastas, en este caso, coleccionistas de sellos) y mediciones de popularidad de enlaces similares a las de Google. El subcampeón, Recursos Filatélicos de Joseph Luft, tiene cada vez menos referencias de expertos en el tema. | Los funcionarios de Google no discutirán cómo el motor de Google llega a las clasificaciones para sitios específicos. Los documentos de patentes y los artículos publicados, sin embargo, muestran que Google clasifica las páginas de acuerdo con la frecuencia con la que otras páginas enlazan con ellas. Google también tiene en cuenta factores como la relevancia de las páginas de referencia y el texto que rodea a los enlaces. Presumiblemente, colecciona sellos. about.com es la página más citada sobre este tema en el índice de Google. | Mooter primero agrupa los resultados en grupos o temas. Las páginas que se muestran arriba aparecen en el grupo filatélico, clasificadas de acuerdo con la frecuencia con la que aparecen las palabras clave de búsqueda y el nombre del grupo en cada página, entre otros factores. Mooter aprende la intención del usuario al notar en qué grupos y páginas se hace clic, y reordena los resultados para reflejar el patrón de interés aparente. |
Fuentes: Ask Jeeves, Google, Mooter. Resultados actualizados al 5 de enero de 2004 (Ask Jeeves, Google), 13 de enero de 2004 (Mooter).
Un estallido de ideas
Estoy almorzando con Capper en un brillante día de principios de invierno en San Francisco. Está en la ciudad para llamar a posibles inversores y clientes. Las personas que controlan el flujo de información tienen un poder sutil pero omnipresente, me dice con seriedad. Alguien tiene que tener ese poder, y es importante que las personas que lo tengan sean aquellas que conscientemente intenten tener un impacto positivo y que devuelvan el poder al individuo. Mooter tiene como objetivo lograrlo haciendo que las búsquedas en la Web sean más fáciles y personales. Capper creció en Zambia, estudió psicología en Sudáfrica y fundó una cadena de centros de desarrollo de la primera infancia antes de emigrar a Australia en 1997 y elegir la tecnología de búsqueda como el lugar para lograr su próximo impacto. Se instaló en el centro de Sydney y contrató a Jondarr Gibb, un arquitecto de software experimentado, y a John Zakos, un estudiante graduado que redactaba su tesis doctoral de la Universidad Griffith sobre las aplicaciones de la teoría de redes neuronales a las búsquedas en Internet.
Los tres han mezclado sus ideas sobre psicología, software y redes neuronales para crear un algoritmo de clasificación que aprende del usuario a medida que avanza la búsqueda. Antes de descargar una larga lista de enlaces a un usuario, Mooter analiza los significados potenciales y las permutaciones de las palabras clave iniciales y, entre bastidores, clasifica la relevancia de las páginas web resultantes dentro de categorías amplias llamadas grupos. El usuario primero ve una ráfaga estelar en pantalla de nombres de clústeres. Una búsqueda del nombre Paul Czanne, por ejemplo, arroja clústeres como arte, artistas, Czanne, Francia, galerías , y Pinturas famosas . Esa es la parte de la psicología. Cuando haces una búsqueda tradicional, obtienes millones de resultados y tu mente hace una agrupación conceptual, dice Capper. Pero nuestras mentes están programadas para procesar solo de tres a cinco tipos de información a la vez. Decidimos no anular eso, sino trabajar con él.
Luego viene la parte de aprendizaje. Para desarrollar una comprensión más precisa de lo que probablemente esté buscando el usuario, el motor Mooter observa en qué grupos y enlaces se hace clic y utiliza esa información para mejorar las respuestas futuras. Supongamos que un usuario ingresa el término perro, hace clic en un grupo llamado razas y luego pasa mucho tiempo buscando en sitios sobre Schnoodles (una mezcla popular de Schnauzer-Poodle). Cuando el usuario hace clic en un nuevo resultado de búsqueda, Mooter personalizará la clasificación para reflejar este patrón de interés aparente, que podría, por ejemplo, llevar a sitios sobre perros y razas más Schnoodles que aparezcan más arriba. Aparece un conjunto refinado de resultados en cada página; el motor continúa ajustando las clasificaciones en función del comportamiento del usuario.
La idea es brindar a las personas los resultados que desean con la menor cantidad de clics posible. Dos clics y ya tenemos una muy buena idea de hacia dónde se dirige, dice Capper. Cuando el sitio beta de Mooter debutó en octubre pasado, Capper no esperaba que se notara fuera de Australia. Pero el tráfico de todo el mundo ha sido tan denso, dice, que la empresa ha tenido que instalar más servidores web para mantener el servicio en funcionamiento.
Dedique mucho tiempo a hablar con expertos de la industria de las búsquedas y se dará cuenta de que hay casi tantas formas de clasificar los resultados de búsqueda como páginas en la Web. La supuesta dependencia excesiva de Google en la popularidad fue una de las inspiraciones detrás de Teoma (pronunciado tay-o-ma), fundado en 2000 por el científico informático Apostolos Gerasoulis y sus colegas de la Universidad de Rutgers en Nueva Jersey. El software de búsqueda de Teoma ahora impulsa a Ask Jeeves, el sitio de búsqueda número seis. Google analiza la estructura de la Web, pero ese método no pasa al siguiente nivel, dice Paul Gardi, vicepresidente senior de búsqueda de Teoma. Cuando baje al nivel local, encontrará que los enlaces se agrupan en torno a ciertos temas o temas, muy parecido a las comunidades. Por ejemplo, las páginas sobre mejoras para el hogar no se limitan a enlazar hacia arriba con páginas más populares; también tienden a vincularse entre sí, formando círculos alrededor de sitios prominentes como Hometime.com, Homeideas.com y BobVila.com.
Los científicos de Rutgers diseñaron Teoma (en gaélico para experto) para encontrar esas comunidades de temas específicos y explotar su sabiduría. Antes de que el motor de Teoma presente los resultados para un conjunto determinado de palabras clave, explica Gardi, identifica las comunidades asociadas y busca las autoridades dentro de ellas, es decir, las páginas a las que los sitios web de los miembros de la comunidad apuntan con mayor frecuencia. Teoma intenta verificar la credibilidad de estas páginas de autoridad comprobando si aparecen en las páginas de recursos creadas por expertos en la materia o entusiastas, que tienden a enlazar con las mejores páginas de la comunidad. Luego, clasifica los resultados de búsqueda de acuerdo con la frecuencia con la que las páginas de autoridad citan cada página.
IBM y otras organizaciones experimentaron con sistemas de clasificación similares basados en la autoridad a fines de la década de 1990, pero Gerasoulis dice que sus enfoques podrían tardar horas en recorrer todas las páginas. La técnica patentada de Gerasoulis hace lo mismo en aproximadamente una quinta parte de un segundo. Ask Jeeves abandonó su proveedor de búsqueda anterior y se cambió a la tecnología de Teoma en 2001, y sus volúmenes de consultas aumentaron un 30 por ciento por año en 2002 y 2003.
Por difícil que sea de creer cuando estás viendo una docena de páginas de resultados de búsqueda, los motores de búsqueda actuales ignoran la mayor parte de lo que hay en Internet. Las arañas de software tienen dificultades para indexar contenido que está protegido detrás de formularios de registro o almacenado en bases de datos como catálogos de productos o archivos legales y médicos y solo se ensambla en páginas web en el momento en que los usuarios lo solicitan. Esta llamada Deep Web puede ascender a 92 petabytes (92 millones de gigabytes) en todo el mundo, o casi 500 veces el volumen de la Web superficial, según la Escuela de Sistemas y Gestión de la Información de la Universidad de California, Berkeley.
Explorar la Deep Web es la misión de otra cara nueva en el negocio de búsquedas: Dipsie, con sede en Chicago. Google y Teoma solo indexan alrededor del 1 por ciento de los documentos que existen, dice Jason Wiener, fundador y director de tecnología de Dipsie. Wiener, un programador autodidacta que dirigió una empresa de desarrollo web en San Francisco hasta el colapso de las punto com, ha pasado los últimos dos años construyendo un rastreador más ágil, uno que puede superar los formularios y las interfaces de bases de datos. Supongamos que se está preguntando acerca del equipamiento estándar de un convertible Mercedes 55SL. En Cars.com, acceder a la página con información detallada del producto llevará unos seis pasos. Sin embargo, Dipsie habrá indexado toda la base de datos de Cars.com por adelantado, por lo que puede enviarlo a la misma página con un solo clic. No manejamos nada que requiera autenticación con un nombre de usuario y contraseña, pero hacemos casi todo lo demás, dice Wiener. Afirma que para cuando el sitio de búsqueda de Dipsie esté disponible públicamente este verano, su índice incluirá 10 mil millones de documentos, el triple del tamaño actual del índice de Google.
Entonces, si bien Google sigue siendo el rey de la colina, la colina misma ahora está plagada de competidores con sus propias ideas brillantes. Google lo sabe, dice Andrews, analista de Gartner. Nacieron en Stanford y saben que hay estudiantes en las clases de Stanford que dicen: 'Oye, tengo una idea. ¿Qué pasa si tomamos este algoritmo y lo unimos con ese algoritmo?'. Tienen que contratar los jóvenes turcos o derrotarlos.
Microsearch
Pero si hay una empresa de software que sabe cómo contratar a jóvenes turcos y convertir sus ideas en productos dominantes en el mercado, esa es Microsoft. Nombra cualquier rincón caliente de la informática, y es probable que la empresa que construyó Bill emplee al menos a uno o dos de los investigadores líderes en el campo: después de todo, los cinco laboratorios de investigación de Microsoft en todo el mundo emplean a más de 600 investigadores. Y cuando Microsoft huele un gran mercado, generalmente se mueve con toda su fuerza para apostar su reclamo.
No hay nada de azul en las incursiones de Microsoft en la recuperación de información, la disciplina de la que surgió el motor de búsqueda. La compañía ya ha ganado una participación de mercado del 97 por ciento en sistemas operativos de PC y una participación del 90 por ciento en software de oficina; La búsqueda es una de las últimas grandes piezas del panorama informático que Microsoft no domina. Y una encuesta de proyectos de I + D en la empresa confirma que considera que las formas mejoradas de búsqueda son clave para el crecimiento de su negocio. A medida que se acerca el lanzamiento de la próxima versión de Windows, cuyo nombre en código Longhorn, estará lista una versión de prueba a finales de este año, los investigadores y desarrolladores de productos están acelerando los esfuerzos para hacer de la búsqueda en la Web una parte integral de la misma.
Una de las piezas de software más llamativas en proceso promete permitirle ingresar sus preguntas en un inglés simple y obtener una respuesta directa. La empresa cree que los usuarios de búsqueda no deberían tener que preocuparse por seleccionar las palabras clave adecuadas, vinculándolas con los operadores booleanos adecuados ( y, o, no , etc.) y desplazarse página tras página de resultados de búsqueda. En cambio, dice el investigador de Microsoft Eric Brill, los motores de búsqueda deberían comprender y responder preguntas en lenguaje natural.
Tome el programa AskMSR de Microsoft Research, que Brill y sus colegas han estado probando en la red interna de Microsoft durante más de un año. En esencia, hay un cuadro de búsqueda simple donde los usuarios pueden ingresar preguntas como ¿Quién mató a Abraham Lincoln? y, en lugar de obtener una lista de sitios que pueden tener la información que buscan, reciba una respuesta sencilla: John Wilkes Booth. El software no se basa en ningún algoritmo avanzado de inteligencia artificial, sino en dos trucos sorprendentemente simples. Primero, usa reglas de lenguaje aprendidas de una gran base de datos de oraciones de muestra para reescribir la frase de búsqueda de modo que se parezca a posibles respuestas: por ejemplo, ___ mató a Abraham Lincoln o Abraham Lincoln fue asesinado por ___. Luego, esas cadenas de texto se utilizan como consultas en una secuencia de búsquedas web estándar basadas en palabras clave. Si las búsquedas producen una coincidencia exacta, el programa está listo y presenta esa respuesta al usuario.
En muchos casos, sin embargo, el programa no encontrará una coincidencia exacta, sino solo variaciones oblicuas en las cadenas de texto, como el acto violento de John Wilkes Booth en el Ford Theatre que terminó el segundo mandato de Lincoln antes de que comenzara. Eso también está bien. Como segundo truco, AskMSR razona que si Booth aparece con frecuencia en la misma oración que Lincoln, debe haber una relación importante entre ellos, lo que le permite postular una respuesta, incluso si no tiene un 100 por ciento de confianza ( ver P: ¿Cómo funciona la respuesta a preguntas? debajo ). Estamos aprovechando la redundancia de la Web, explica Brill. Si tiene muchos lugares en los que está algo seguro de haber encontrado la respuesta, la redundancia lo hace más seguro. A medida que la Web crezca, también lo hará su redundancia, lo que hará que AskMSR sea cada vez más poderoso, razona Brill. Si bien los planes para AskMSR no son definitivos, Brill cree que el código verá la luz, tal vez como parte de un futuro motor de búsqueda de Microsoft.
Otro esfuerzo de Microsoft Research se preocupa menos por cómo funcionan los motores de búsqueda que por cómo y cuándo los usuarios necesitan información. En este momento, cuando desea buscar información, básicamente detiene todo lo que está haciendo, abre una aplicación separada, ejecuta la búsqueda y luego intenta integrar el resultado de la búsqueda en lo que estaba haciendo antes, dice Susan, experta en recuperación de información de Microsoft. Dumais. Estamos tratando de pensar en cómo la búsqueda puede ser una parte mucho más importante de la experiencia informática en curso.
Con ese fin, Dumais está desarrollando un programa llamado Cosas que he visto que está diseñado para brindar a los usuarios de computadoras un acceso rápido y fácil a todo lo que han visto en sus computadoras. La interfaz del programa experimental, que influirá en las capacidades de búsqueda en Longhorn, es un cuadro de búsqueda siempre disponible dentro de la barra de tareas de Windows. Ingrese una consulta en el cuadro y Cosas que he visto mostrará una lista organizada de enlaces a mensajes de correo electrónico relacionados, citas del calendario, contactos de la libreta de direcciones, documentos de oficina o páginas web en una sola ventana unificada. Una característica emergente de Cosas que he visto, llamada Consulta implícita, funcionaría en segundo plano para recuperar información relacionada con lo que sea en lo que esté trabajando el usuario. Si está leyendo un mensaje de correo electrónico, por ejemplo, Consulta implícita puede mostrar un cuadro con enlaces a los títulos y direcciones de correo electrónico de todas las personas a las que menciona el mensaje, y a todos sus correos electrónicos anteriores del remitente. Para hacer que el software sea aún más útil, Dumais está trabajando para agregar un elemento al menú de clic derecho de Windows estándar del mouse de dos botones que se etiquetaría como Find me stuff como este y buscaría datos personales y web para obtener información relacionada con un elemento resaltado. nombre o frase.
AskMSR, Stuff I've Seen y los proyectos relacionados son parte de un cambio mayor en la estrategia tecnológica de Microsoft, que podría posicionar a la empresa para convertir a cientos de millones de usuarios de Windows en todo el mundo a su propia tecnología de búsqueda, por mucho que lo haga. arrebató el mercado de los navegadores web a Netscape en la década de 1990. El quid de esta transformación es el nuevo sistema de archivos de Windows, o WinFS, el corazón mismo de Longhorn. Bajo el actual sistema de archivos de Windows, cada aplicación de software divide su espacio de almacenamiento asignado en su propia jerarquía peculiar de carpetas. Esto hace que sea casi imposible, por ejemplo, vincular una parte de la información, como el nombre del autor de un documento de Word, con la dirección o el número de teléfono de la misma persona en Outlook. WinFS, por el contrario, tiene en su núcleo una base de datos relacional: un conjunto ordenado de tablas almacenadas en su disco duro donde todos los datos en su computadora pueden ser buscados y modificados por todas las aplicaciones usando un conjunto estándar de comandos.
Si Longhorn incluye herramientas basadas en Cosas que he visto y les permite comunicarse directamente con un motor de búsqueda web, podría crear el único cuadro de búsqueda soñado por los fabricantes de software: la puerta de entrada a toda la información que necesita, ya sea dentro de su PC o en la red. Whit Andrews de Gartner, por ejemplo, espera con ansias el nuevo software de Microsoft. ¡Dale! él dice. Estoy sentado aquí mirando mi correo electrónico. Si quiero buscarte, debo recordar pasar a Google. Pero lo que realmente quiero es saber si he hablado contigo en el pasado. Así que quiero hacer clic derecho y buscar globalmente, buscar en mi correo electrónico y carpetas de contactos, buscar en U.S. Search.com [que vende acceso a información almacenada en registros públicos]. ¿Quién tiene esa ventaja? Microsoft está ahí, y para las cosas de bajo precio en las que los consumidores no van a invertir mucho dinero, están en una posición excelente.
Q: ¿Cómo funciona la respuesta a preguntas?
A: así
De Microsoft AskMSR El software convierte preguntas en inglés sencillo en consultas de búsqueda formales y realiza encuestas en la Web.
para obtener respuestas consensuadas.
| 1 pregunta | ¿Cuántos huevos hay en una docena de panaderos? |
| 2. Reescribir la consulta | Hay + huevos en una + docena de + panaderos Una docena de panaderos tiene + huevos pan + docena + huevos |
| 3. Recopilar resultados de búsqueda y filtrar (por ejemplo, ignore los resultados que no se asemejen a una respuesta a una pregunta de cuántos) | Una docena generalmente tiene 12 huevos, entonces, ¿cuántos huevos tiene una docena de panadero? El libro de cocina de Baker's Dozen ¿Por qué 13 huevos se llaman docenas de panadero? 13 huevos hacen una docena de panadero. |
| 4. Extrae las respuestas del texto y presentar las respuestas más probables | 13 huevos (81 por ciento de probabilidad) 12 huevos (7 por ciento de probabilidad) |
Fuente: Microsoft.
Mientras tanto, de vuelta en Googleplex
Le pregunto al director de tecnología de Google, Craig Silverstein, si la acumulación de búsquedas de Microsoft lo mantiene despierto por la noche. Reconoce que Microsoft y Google están explorando parte del mismo territorio técnico, pero sostiene que debido a que Google es mucho más pequeño que Microsoft (1,000 empleados frente a 55,000), puede actuar más ágilmente en sus ideas. Y a pesar de su menor tamaño en general, Google tiene más investigadores dedicados principalmente a la búsqueda que Microsoft. Silverstein también señala que se requiere que cada uno de los cientos de desarrolladores de software de Google, como parte del trabajo, dedique el 10 por ciento de su tiempo a proyectos personales lejanos, que brindan un flujo continuo de ideas creativas.
Algunos de esos proyectos aparecen en Google Labs (labs.google.com), una sección del sitio de Google donde el público puede probar y comentar software relacionado con la búsqueda que aún está en desarrollo. Google Viewer, por ejemplo, anima los resultados para que se desplacen hacia arriba en la pantalla como los créditos de una película. La búsqueda por voz le permite ingresar una búsqueda por teléfono si se encuentra fuera de su escritorio, y luego recuperar los resultados en línea más tarde. Google Deskbar instala un cuadro de búsqueda permanente de Google en la barra de tareas de Windows; los resultados aparecen en una pequeña ventana temporal, por lo que los usuarios no tienen que iniciar sus navegadores web cada vez que quieren buscar algo.
Pero ninguno de los prototipos de Google Labs representa una innovación de la magnitud del algoritmo PageRank original de Page y Brin. Tampoco están en la misma liga que el esfuerzo de Microsoft por reinventar Windows e integrar las aplicaciones que se ejecutan en él. Si bien Silverstein y sus colegas hablarán sobre la eficiencia de los más de 10,000 servidores web de Google y la pasión y el impulso de los programadores de Google, no dirán cómo la compañía espera mejorar PageRank, o qué nuevas tecnologías podrían contrarrestar amenazas como Teoma y AskMSR. Entonces, al final, hay pocas pruebas externas de que Google tenga las nuevas ideas que necesitará para retener su participación de mercado. Dice el programador de código abierto Doug Cutting, Google tiene muchas personas que intentan crear avances monumentales, pero no los hemos visto. Creo que si los tuvieran, se los mostrarían.
Algo de lo que a Silverstein le gusta hablar es de su objetivo a largo plazo para la tecnología de búsqueda, que él cree que aún está en su infancia. Está claro que la respuesta [a la búsqueda] no es una lista clasificada de sitios web, dice. Nadie espera acercarse a un bibliotecario, hacer una pregunta sobre el Canal de Panamá y obtener 50 títulos de libros como respuesta, argumenta. Silverstein cree que los expertos en recuperación de información deberían apuntar alto, creando software que sea tan bueno para señalar a los usuarios hacia los recursos específicos que necesitan como un bibliotecario de referencia bien capacitado. Eso, por supuesto, requerirá grandes avances en campos como el aprendizaje automático probabilístico y el procesamiento del lenguaje natural, y Google continúa contratando a algunos de los mejores nuevos doctores en esas áreas, incluidos cuatro graduados recientes del laboratorio de Stanford de Daphne Koller, un investigador líder en aprendizaje automático ( ver 10 tecnologías emergentes que cambiarán su mundo , NIÑOS Febrero de 2004 ).
Pero, ¿todo ese talento se traducirá en herramientas que la gente pueda usar? El propio Google apareció aparentemente de la nada, eclipsando rápidamente a otros motores de búsqueda prominentes como AltaVista. Y si hay un mensaje difundido por los sacerdotes del auge de las puntocom que todavía es cierto, es que el deseo de la gente de encontrar formas más rápidas y eficientes de hacer las cosas siempre triunfa sobre la lealtad a la marca. Si rivales como Ask Jeeves y advenedizos como Mooter o Dipsie logran incluso una parte de sus visiones de mejores algoritmos de clasificación, interfaces más simples e índices más grandes y completos, podrían sacar un gran provecho del negocio de Google. Mientras tanto, la revisión radical de Microsoft del entorno de Windows promete cambiar el concepto mismo de búsqueda para la gran mayoría de los usuarios de computadoras.
La buena noticia para los navegantes de Internet es que la competencia hará que las utilidades de búsqueda sean una parte aún más útil de nuestra vida diaria. Sin herramientas de búsqueda, las riquezas de la Web serían tan inaccesibles como las tabletas, los pergaminos y los tomos copiados a mano de la era anterior a Gutenberg, y a medida que la Web crece, también lo hace nuestra necesidad de encontrar mejores formas de penetrar en ella. Pero qué tecnologías proporcionarán el acceso que anhelamos, y quién se beneficiará más de ellas, son preguntas que ni siquiera los mejores motores de búsqueda pueden responder.