转载：本文来自微信公众号“InfoQ”（ID:infoqchina），作者：凌敏、核子可乐，转载经授权发布。
喺网络搜索领域，元数据好可能逐步取代 AI。
元数据正逐步取代 AI
元数据又称中介数据、中继数据，是用来描述数据嘅数据（Data that describes other data）。
元数据最大嘅优势喺于，佢具有良好嘅开放性。利用元数据，你可以轻松编写一款面向 OpenGraph 标签嘅解析器，既唔需要 AI 模型也唔需要云计算，就能轻松认识页面中包含边啲内容。此外，元数据嘅获取门槛也并唔高，无需大量交互或协同即可快速获取。
软件工程师 Cal Paterson 认为，喺网络搜索领域，元数据正逐步取代 AI。准确嚟讲，家阵时嘅 AI 无办法支持搜索引擎查找各类内容、切实理解内容含义，真正喺度背后起作用嘅，其实系元数据。当搜索引擎揾到目标页面后，网站管理员需要提供丰富嘅元数据，来帮助搜索引擎快速理解页面内容。
以谷歌搜索引擎为例，谷歌一直爬取成个互联网体系页面，但过去嘅事实证明，就算是 20 个简单嘅网站，谷歌嘅页面爬取效果都堪称“惨唔忍睹”。也就是说，常规嘅爬取网站方式根本驾驭唔无穷无尽嘅网络资源。
因此，喺 2005 年嘅时候，谷歌推出 Sitemaps 标准，允许网站管理员直接提交页面列表。有 Sitemaps 标准，任何一个站点有更新，就会自动通知谷歌，方便谷歌进行检索，大大减轻谷歌嘅爬取负担。唔过，即便多数网站都提供站点地图文件，谷歌面对咁庞大嘅、包含页面链接嘅 XML 文件，仲要是需要借助专门嘅工具来帮助互联网管理员调试具体问题。
比如，谷歌会通过添加一段元数据嘅方式，从两个相似页面中准确判断出到底谁才是真正嘅原始页面，以便谷歌唔被链接所误导，从而喺搜索结果中显示正确嘅页面。
此外，谷歌喺对页面作者进行识别时，也会用到元数据。之前，谷歌上线 Google+，并鼓励网站管理员提供家阵时页面作者嘅 Google+ 个人资料。而随住 Google+ 项目被废弃，谷歌转而从 Facebook 嘅 OpenGraph 规范当中读取元数据，以此处理谷歌主要搜索结果集以外嘅内容（例如向 Android 用户展示嘅新闻报道）。而对于第啲数据，谷歌则选择解析 JSON-LD 元数据标签、“微格式”乃至第啲指标。
虽然谷歌家阵时掌握文本分析功能，但同第啲搜索引擎相比，谷歌嘅核心优势并唔喺于更强嘅自然语言处理能力，而喺于其善于使用元数据——佢哋会根据反向链接判断代理嘅知名度。
例如，PageRank 真正关注嘅并唔系页面嘅实际内容，相反，佢嘅办法更加简单粗暴——边个页面喺第啲页面中嘅链接使用量大，就证明前者嘅优势地位越强。而这，仍然系喺依靠元数据嘅力量。
唔过，元数据也并唔系“万能神药”，只有元数据内容完全正确时，搜索引擎才能充分利用佢分析内容。家阵时，有好多中立第三方提供元数据，例如公共记录或者多个唔相关数据点嘅加权累计等等。谷歌喺搜索引擎结果页面中展示维基百科数据就属于呢种情况，PageRank 嘅工作原理都系以此为基础。
AI 神话快编唔落去
好明显，喺网络搜索领域，家阵时嘅 AI 仲未那么智能。那么，喺响应搜索查询、返回文档内容方面，AI 嘅表现点样样呢？答案依然系咪定嘅。
家阵时，AI 虽然可以从维基百科右侧信息框里提取结构化数据，但其带来嘅“边栏提取”同“零点击结果”反而让维基百科原始页面嘅访问量大大下降。
喺搜索结果方面，AI 整理出嘅结果基本是由商业网站上嗰啲博眼球嘅劣质“标题党”组成。呢啲网站嘅作者往往是设计页面元数据嘅专家，佢哋特别懂得点样利用谷歌算法，为自己嘅网站积累人气。用户要想得到自己真正想要嘅搜索页面，只能采用更复杂嘅办法进行查询，比如喺搜索时加上网站名等等。
虽然谷歌声称“网络管理员应该放弃元数据，专注于内容本身”，但呢种喊口号嘅方式并没有真正解决问题，只会误导用户，让用户以为家阵时嘅搜索引擎可以解决好多问题，元数据扮演嘅只是辅助角色。但实际上，唔只系喺网络搜索领域，喺一啲发展更快嘅领域度，元数据嘅作用也比 AI 明显。
以政府对网络活动嘅监控为例，执法机构更倾向于跟踪往来邮件、语音呼叫或者聊天消息等元数据内容，而唔系采用 AI 模型去逐一分析民众喺说些乜嘢。同样嘅道理，好多人以为自动驾驶汽车会读取路标来计算特定道路嘅限速规定，但实际上，自动驾驶系统大多会结合家阵时 GPS 坐标直接查询限速规定。也就是说，只要移动应用同卫星导航配合良好，我哋就会有呢种“智能化”嘅体验。
人朝住增强 AI 嘅目标一路狂奔，睇上去一切美好。但拧巴嘅系，数据科学家们费尽心力打造嘅 AI 模型一旦公布，人就会唔断利用元数据让其推理过程更可靠、更具可解释性。有啲时候，一个标记甚至可以抵得上 AI 模型计算半个个钟头。呢个真实世界，就是咁魔幻。
参考链接：
cantonese.live 足跡 粵字翻譯
请登录之后再进行评论