它现在正在利用链接的开放数据。因此，它会查看维基数据、维基百科等网站，以及其他这些大型数据库和在线信息参考中心。它从这些信息中学习，最好真正理解作者最初打算理解的上下文和内容。现在，这是因为我们有这些独特的查询。这些独特的基于意图的查询，他们要求非常具体的答案。谷歌无法为查询提供这些广泛的答案，因为每个查询背后都有一个非常具体的意图。因此，在谷歌学习的过程中，他们正试图给出更具体的答案。随着搜索变得更加个性化，这起着巨大的作用。以及谷歌想要多样化的结果。他们 推动变革 是什么推动了这种变化？ 一直是主要驱动力之一。 是已集成到 搜索中的自然语言处理工具。

这是一种基于神经的自然语言处理技术，被称为来自 的双向编码器表示。现在，传统的 使用一种叫做 的东西来确定意义。它所做的是按顺序查看每个单词，以尝试 阿富汗 WhatsApp 号码列表 从整体上理解内容。好吧，那和 之间的区别， 使用所谓的 。而 ，它执行少量、一致的步骤，但在每个步骤中，它所做的实际上是将句子中与所有其他单词相关的每个单词。所以与其像 约翰 那样读它，你知道， 去商店， 这实际上是我们大脑中正在发生的事情。当我们听到一个句子时，我们的大脑会查看提供给我们的每个单词以及它们如何相互关联，以便我们理解上下文。就自然语言处理而言，这是一个巨大的进步，它可以帮助机器更好地理解句子的实际含义。

所以 可以通过查看单词前后的单词来真正理解单词的完整上下文。现在，这对于理解意图非常重要，这也是谷歌的主要驱动力之一。如果您阅读了很多 博客，并且看了很多他们发布的内容，那么他​​们真正想要做的就是更好地理解用户的意图。 正在帮助实现这一目标。 机器现在理解上下文 所以 是机器学习，对吧？这就是他们，你知道，理解事物的意义，理解实体的意义。现在 正在帮助他们理解这些实体在语言上下文中的含义。这显然非常重要。 让我们看一个 之前和之后的例子。这些都是直接来自谷歌的例子。