搜索的核心是理解语言。因此应该做到无论如何拼写或组合查询中的单词，都要弄清楚用户搜索的内容，并从网络上返回有用的信息。

这些年来，尽管谷歌在NLP领域取得了很多重大突破，但有时做得还不够好，尤其是在复杂或对话式查询中。

这也是人们经常使用“关键词”搜索的原因之一，但这并不是自然的提问方式。

用BERT改善搜索

去年，谷歌提出了一种被成为BERT的NLP技术，今日谷歌宣布将BERT用于自家的搜索引擎之中。

谷歌表示，这是过去五年中最大的飞跃，其中之一是搜索历史上最大的飞跃。

前面提到的查询“2019 brazil traveler to usa need a visa”，过去由于搜索引擎无法理解语义，不知道“前往”（to）在这句话中的重要性，因此返回了错误的结果。

在引入BERT后，谷歌就能掌握这一细微差别，并且知道单词“ to”在这里实际上很重要，并且为该查询提供更相关的结果。

谷歌用BERT改进搜索引擎：终于能理解句子，而不只是关键词了

这项突破是谷歌研究Transformer的结果：Transformer模型可处理与句子中与单词之间的关联，而不是一个接一个地单独处理单词。

因此，BERT模型可以通过查看单词前后的单词来考虑全部上下文，这对于理解搜索查询背后的意图尤其有用。

又比如，向搜索引擎提问：“Do estheticians stand a lot at work？” ，过去系统无法理解语句中“stand”的含义。

而BERT了解到“站立”（stand）是和“美容师”（estheticians）工作性质有关的词，从而返回了正确的结果。