Google搜索引擎的使命，就如同它的界面一样简单：左边有一大堆（持续增加中的）信息，右边有一位用户需要某个问题的答案，于是搜索引擎负责从左边的信息中挑选出适合做答案的部分并交给这位用户。
在 搜索引擎的运行过程中有四个过程，crawl（爬行）指派出蜘蛛在万维网上搜集信息，index（目录）则将这些信息整理储存，然后通过 relavance（相关性）选出适合信息，最后deliver（传送）给需要答案的用户。问题是，在这四个过程中，只有crawl、index和 deliver像是机器能完成的任务，完成relevance 则需要人类的思维。如果我们将搜索引擎想像成一个人，那么它的工作核心，就是理解人类用户的知识和认识，它需要“懂得”用户的提出问题，也需要“懂得”相 应的答案，否则就无法完美完成“匹配”的工作。
在上世纪90年代初期，搜索引擎这种东西刚出现的时候，其工作机制离“人工智能”还很远很 远。Google之前的搜索引擎如Altavista、Excite等等，其工作机制基于Priority（重要性排名）。排名只是一个指标，可以从很多 纬度和角度来设立，比如说某个页面的流量越大排名就越高，或者页面上出现搜索词的次数越多则排名越高，等等。显而易见的，这类排名系统很容易被作弊手段攻 破，比如说在页面上隐藏一堆与页面实际内容无关的搜索词来吸引搜索引擎的注意。
当时，Google也在给页面排名——无论如何，当搜索引擎 为用户呈现结果的时候，多个结果总要按一定顺序排列出来才行。而Google的精彩之处在于Page Rank机制，根据某个页面与其它页面的交叉链接程度来确定页面内容的可信度。例如，如果某个含有“比尔 克林顿”字样的页面被白宫的网站引用了，那么这个页面与比尔 克林顿的关联就很可能值得信赖。打个比方来说，其它搜索引擎的排名根据是“页面声称自己很靠谱”，而Google的排名则根据“很多人说这个页面很靠 谱”，相比之下显然后者更为可靠。
这种可靠性确保Google迅速击败对手，成为网络用户搜索的不二之选。大量的用户涌到Google，大 量的搜索行为时刻发生。每次搜索都意味着用户提出了问题，Google给出的搜索结果则是Google对这个问题的回答。接下来还有更奇妙的事情：用户对 Google的搜索结果进行评价——如果他们点击了前几位的结果链接，则意味着Google答对了这道题；如果他们翻了好几页，或者更换搜索词重新尝试， 则意味着Google的本次回答不靠谱。
Google迅速认识到了这一点：用户在教育搜索引擎。就好比老师教育学生并用考试来考察，学生答 对问题就给个勾，打错了就画个叉，然后换一道类似的题，学生最终答对就意味着他/她掌握了这个知识点。每一位用户在搜索的时候都在教育 Google，Google不断尝试新的答案，直到它有一天在这个问题上不断获得对号——它学会了。
这大概是历史上最精彩的用户与产品交互 促进的案例。用户的使用过程本身帮助产品不断改进，而产品的改进反过来助益用户。网络产品的瞬时性和直接性，以及Google所拥有的顶级科学家与工程 师，使得搜索引擎的学习过程变为现实。hot（热）与boiling（沸腾）意思相近，puppies（小狗崽）与dog（狗）差不多一样，但是与hot dog（热狗面包）相关的是面包馒头芥末酱，而不是boiling puppies（沸腾的小狗崽）！基于每秒钟都在大量积累的知识和常识，搜索引擎开始自动识别用户的语言并试图揣测用户的真实意图。
到了这 一步，Google赖以起步的Page Rank就完成了历史使命。搜索引擎已经积累（并且在不断学习）足够的可靠的知识，而且能在理解问题的基础上给于回答。搜索引擎自己足够正确和自信，不再 需要Page Rank为它的回答进行背书。于是，到了2009年底，Google宣布取消Page Rank机制。这个宣告在当时引起了酣然大波，毕竟多少年来站长们的奋斗目标就是页面上的PR数字，而这个目标却在一瞬间成了浮云。当时也有很多揣测，主 流的说法Google是为了防范针对PR的作弊机制才采取这一举动。然而，“防范”这种被动而无奈的行为并不符合Google的风格。真正的原因是，它有 了更好的办法。
就像我们每个人从一无所知的新生儿开始，逐渐成长为在复杂的现实中顺利生存的个体，我们每个人都是一个学习和反应的机制。我 们从零开始，学习和储存了各种知识和常识，并在这些知识和常识的基础上形成了直觉和经验。然后，当我们遇到现实问题的时候，我们在自己的储备中调出最适合 应对的那个部分。
今天的Google正在做类似的事情。作为这个星球上最幸运的学生，有无数老师不断向它输送知识并且每时每刻帮它纠错。它也很好的回报了这个世界，它为世界上无数用户提供答案，正如同学习成绩优秀的学生经常帮助其他同学答疑解难。
在 搜索引擎的运行过程中有四个过程，crawl（爬行）指派出蜘蛛在万维网上搜集信息，index（目录）则将这些信息整理储存，然后通过 relavance（相关性）选出适合信息，最后deliver（传送）给需要答案的用户。问题是，在这四个过程中，只有crawl、index和 deliver像是机器能完成的任务，完成relevance 则需要人类的思维。如果我们将搜索引擎想像成一个人，那么它的工作核心，就是理解人类用户的知识和认识，它需要“懂得”用户的提出问题，也需要“懂得”相 应的答案，否则就无法完美完成“匹配”的工作。
在上世纪90年代初期，搜索引擎这种东西刚出现的时候，其工作机制离“人工智能”还很远很 远。Google之前的搜索引擎如Altavista、Excite等等，其工作机制基于Priority（重要性排名）。排名只是一个指标，可以从很多 纬度和角度来设立，比如说某个页面的流量越大排名就越高，或者页面上出现搜索词的次数越多则排名越高，等等。显而易见的，这类排名系统很容易被作弊手段攻 破，比如说在页面上隐藏一堆与页面实际内容无关的搜索词来吸引搜索引擎的注意。
当时，Google也在给页面排名——无论如何，当搜索引擎 为用户呈现结果的时候，多个结果总要按一定顺序排列出来才行。而Google的精彩之处在于Page Rank机制，根据某个页面与其它页面的交叉链接程度来确定页面内容的可信度。例如，如果某个含有“比尔 克林顿”字样的页面被白宫的网站引用了，那么这个页面与比尔 克林顿的关联就很可能值得信赖。打个比方来说，其它搜索引擎的排名根据是“页面声称自己很靠谱”，而Google的排名则根据“很多人说这个页面很靠 谱”，相比之下显然后者更为可靠。
这种可靠性确保Google迅速击败对手，成为网络用户搜索的不二之选。大量的用户涌到Google，大 量的搜索行为时刻发生。每次搜索都意味着用户提出了问题，Google给出的搜索结果则是Google对这个问题的回答。接下来还有更奇妙的事情：用户对 Google的搜索结果进行评价——如果他们点击了前几位的结果链接，则意味着Google答对了这道题；如果他们翻了好几页，或者更换搜索词重新尝试， 则意味着Google的本次回答不靠谱。
Google迅速认识到了这一点：用户在教育搜索引擎。就好比老师教育学生并用考试来考察，学生答 对问题就给个勾，打错了就画个叉，然后换一道类似的题，学生最终答对就意味着他/她掌握了这个知识点。每一位用户在搜索的时候都在教育 Google，Google不断尝试新的答案，直到它有一天在这个问题上不断获得对号——它学会了。
这大概是历史上最精彩的用户与产品交互 促进的案例。用户的使用过程本身帮助产品不断改进，而产品的改进反过来助益用户。网络产品的瞬时性和直接性，以及Google所拥有的顶级科学家与工程 师，使得搜索引擎的学习过程变为现实。hot（热）与boiling（沸腾）意思相近，puppies（小狗崽）与dog（狗）差不多一样，但是与hot dog（热狗面包）相关的是面包馒头芥末酱，而不是boiling puppies（沸腾的小狗崽）！基于每秒钟都在大量积累的知识和常识，搜索引擎开始自动识别用户的语言并试图揣测用户的真实意图。
到了这 一步，Google赖以起步的Page Rank就完成了历史使命。搜索引擎已经积累（并且在不断学习）足够的可靠的知识，而且能在理解问题的基础上给于回答。搜索引擎自己足够正确和自信，不再 需要Page Rank为它的回答进行背书。于是，到了2009年底，Google宣布取消Page Rank机制。这个宣告在当时引起了酣然大波，毕竟多少年来站长们的奋斗目标就是页面上的PR数字，而这个目标却在一瞬间成了浮云。当时也有很多揣测，主 流的说法Google是为了防范针对PR的作弊机制才采取这一举动。然而，“防范”这种被动而无奈的行为并不符合Google的风格。真正的原因是，它有 了更好的办法。
就像我们每个人从一无所知的新生儿开始，逐渐成长为在复杂的现实中顺利生存的个体，我们每个人都是一个学习和反应的机制。我 们从零开始，学习和储存了各种知识和常识，并在这些知识和常识的基础上形成了直觉和经验。然后，当我们遇到现实问题的时候，我们在自己的储备中调出最适合 应对的那个部分。
今天的Google正在做类似的事情。作为这个星球上最幸运的学生，有无数老师不断向它输送知识并且每时每刻帮它纠错。它也很好的回报了这个世界，它为世界上无数用户提供答案，正如同学习成绩优秀的学生经常帮助其他同学答疑解难。
在 电影《阿凡达》中，潘多拉星球是一个“活”的星球，这颗星球上的神树是星球的精神网络与现实连接的节点，通过这些节点为潘多拉的子民们提供帮助，同时也接 受子民的拥戴和供养。今天，当万维网联系了人类群体的意识和思维，我们的星球也在成为潘多拉。我们有avatar，我们也有神树——目前，神树之名为 Google。
via 36氪
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
