Ma az internetes keresés gyakorlatilag egyet jelent a Google-lel. Vajon lehetséges, hogy új innovációk megváltoztassák ezt? Bemutatjuk, mi van, és mi lehet a Google-ön túl.Kezdetek
Tudjuk, hogy az interneten szinte minden információ megtalálható. De valóban meg is tudjuk találni azt, ami minket érdekel? Ebben segítenek a keresők. Már a net hőskorában, a 90-es évek elején felmerült az igény, hogy rendszerezve legyen a világhálón található információ. Ekkor azonban mindössze egyetlen, kézzel készített katalógus létezett, ezt Tim Berners-Lee, a világháló feltalálója hozta létre és tartotta karban.Később megjelentek más katalógusok, melyek megpróbálták valamilyen rendszer szerint kategóriákba sorolni a fellelhető oldalakat. Ezt a munkát hivatásos szerkesztők végezték, egyesével végignézve a hozzájuk beküldött címeket, majd besorolva őket. A weboldalak számának robbanásszerí növekedésével azonban ez a módszer már nem volt tovább fenntartható. Ekkortól jutottak egyre nagyobb szerephez az automatizált keresők.
Ezek közül mára egyértelmíen vezető szerepre tett szert a Google, amely két egyetemista kutatási témájaként indult 1996-ban, akik újfajta módszerrel próbálták hatékonyabbá tenni a keresők míködését. Mára a Google a világ legértékesebb márkanevévé vált, és a cég arra készül, hogy átvegye az uralmat a mobiltelefonos és számítógépes operációs rendszerek piacán is. Minek köszönhető ez a siker? Természetesen annak, hogy a Google jobb szolgáltatást nyújtott, mint riválisai. A nagy újítás egy algoritmus, a PageRank, amely rekurzív módon súlyozza az egyes weblapok fontosságát a rájuk hivatkozó oldalak rangja alapján. Így egy adott kifejezést keresve nem arra a honlapra jutunk, ahol a legtöbbször szerepel, hanem egy olyanra, ahol feltehetőleg releváns, minket érdeklő adatokat találhatunk.
A nagy testvér
Bár naponta használjuk a Google-t, kevesen tudják, hogyan is míködik. Amikor a rendszeren lefuttatunk egy keresést, tulajdonképpen nem az interneten keresünk. Akkor ugyanis órákig, talán napokig is várhatnánk, mire megkapjuk a választ. Ehelyett egy speciális adatbázisból kapjuk vissza a megfelelő találatokat, amit úgynevezett keresőrobotok, más néven pókok állítanak össze.Ezek a különleges böngészőprogramok folyamatosan, oldalról oldalra térképezik fel az internetet, automatikusan követik az összes hivatkozást, amit találnak, így jutnak el a hálózat legelrejtettebb zugaiba is. A weboldalak összes szöveges és képi információját lementik. A pókok rendszeres időközönként újra és újra meglátogatnak minden egyes oldalt; egy nagy forgalmat bonyolító hírportált akár naponta többször is letapogatnak, míg egy személyes naplót esetleg csak havonta egyszer.
A robotok által „ész nélkül” begyíjtött, hihetetlen mennyiségí információt különféle szempontok alapján elemzik, és eltárolják az indexben, ami tulajdonképpen egy hatalmas katalógus. Egy ilyen méretí adatbázis felépítése és kezelése nemcsak programozási, hanem technikai szempontból is nagy kihívás. A Google-nak több százezer szervere van, nagy részük klimatizált, önálló áramellátással rendelkező teherkonténerekbe zsúfolva. Egy-egy ilyen konténerben ezernél is több számítógép található, és nagyjából annyi energiát fogyaszt egy évben, mint 500 magyar háztartás. Nem véletlen tehát, hogy a cég folyamatosan új utakat keres az energiahatékonyság javítására: születtek tervek vízen lebegő kiszolgálóközpontok építésére is, ahol az árapályt és a hullámokat használnák energiatermelésre, a felesleges hőt pedig a tengerbe vezetnék. Minden alkalommal, amikor rákattintunk a „keresés” gombra, körülbelül 1000 számítógépen fut keresztül a kérésünk. Mégis 1-2 tized másodperc alatt megkapjuk a választ, ez annak köszönhető, hogy az összes adat nem merevlemezeken van tárolva, hanem a gépek memóriájában, így késedelem nélkül elérhető.
Problémák
Minden bizonnyal önnel is előfordult már, hogy nem, vagy csak hosszú órák munkájával találta meg a keresett információt a neten. Ha valami nagyon különleges, másokat kevéssé érdeklő dologra vagyunk kíváncsiak, megtörténhet, hogy a kereső ugyan megtalálja a megfelelő oldalt, de az olyan hátra szorul a találati listán, hogy egyszeríen nem jutunk el odáig. Ilyenkor persze meg lehet próbálni újabb kifejezésekkel szíkíteni a találatok számát, de ha magunk sem vagyunk egészen biztosak abban, mit is keresünk, ez nem járható út. Mi okozza ezeket a gondokat? Jelenleg az indexek nem képesek különbséget tenni adat és adat között, nem tudnak értelmezni egy adott szót, vagy mondatot úgy, ahogy mi emberek, a nyelvtani jelentésére és a kontextusára alapozva. Így gyakran értelmetlen, félrevezető, vagy egyszeríen csak hibás találatokat kapunk.
Az interneten az információ viszont általában szöveges, nyelvi formában szerepel. Tegyük fel, hogy arról szeretnénk olvasni, amikor Kovács István bokszolót kiütötték. Egy blogon mondjuk, az szerepel: „Kokó ekkor kapott egy hatalmasat, majd kifeküdt.” Számunkra egyértelmí, hogy Kokó ugyanaz a személy, mint akire mi kíváncsiak vagyunk, illetve a kifeküdt egyenlő a kiütéssel, de ezt egy keresőrobot nem tudja, és nem is adja ki ezt a blogot találatként, ha az eredeti kifejezésekre keresünk. Ráadásul itt még csak a magyar nyelvről volt szó. Nem mindegy, hogy például az „eleven” szóra magyarul vagy angolul vagyunk kíváncsiak. Az is gondot okozhat, ha valamilyen különleges szempont szerint szeretnénk rendezni az adatokat. Összehasonlító elemzést akarunk írni a Debrecenben született magyar írókról. Ha rákeresünk arra, „író született Debrecen”, ezernyi teljesen érdektelen találatot kapunk. Ráadásul már az internet szerkezete is megnehezítheti a dolgunkat. A világháló idegrendszerét, az oldalak közötti egyetlen kapcsolatot a linkek jelentik. Ezek viszont csak egyirányú és egyszálú összeköttetést biztosítanak. Ha Monet neve linkként előkerül egy honlapon, jó esetben a megfelelő Wikipédia oldalra irányít bennünket, de ha más impresszionista festőkre vagyunk kíváncsiak, ki kell keresnünk őket a szövegből, vagy újabb és újabb kereséseket kell indítanunk.
Riválisok
A Google tehát közel sem tökéletes. Így nem meglepő, hogy időről időre feltínnek újabb szereplők a piacon, melyek megpróbálnak legalább egy kis szeletet kihasítani a tortából. Ők általában a hagyományos keresést igyekeznek finomítani, köztük a nagy rivális Microsoft alig néhány hete debütált, Bing névre hallgató szolgáltatása is. Ha például beírjuk New Yorkot, Párizst és azt, hogy repülő, tanácsot ad, mikor érdemes megvenni a repülőjegyet, ha olcsóbban akarunk hozzájutni. Ráadásul szállást is ajánl a célállomáson, mivel „feltételezi”, hogy utazni szeretnénk. Ha valamilyen termékre keresünk rá, találatként rögtön különféle teszteket is ajánl. Ezek a funkciók valóban megkönnyíthetik az életünket, de valójában csak pár kattintást spórolunk, hiszen a mögötte álló katalógus tulajdonképpen nem különbözik a hagyományostól.Mások új területeket próbálnak meghódítani.
A Twitter közösségi blog keresőjének segítségével több millió felhasználó bejegyzései között kutathatunk szinte valós időben. Így első kézből kaphatunk híreket olyan eseményekről, amelyek csak pár perce történtek meg, és még nem jutottak el a hivatalos médiába, vagy szubjektív értékeléseket találhatunk egy minket érdeklő termékről.Ennél is érdekesebb Stephen Wolfram fizikus önmagáról elnevezett, és alig egy hónapja elérhető „válaszológépe”. A Wolfram Alpha amellett, hogy képes bonyolult matematikai míveleteket végrehajtani, egyszeríbb, természetes nyelven feltett kérdésekre is megpróbál választ adni. A „Hol lesz holnap a Hold?” kérdést – természetesen angolul – feltéve, nem találatok nagy eséllyel irreleváns listáját kapjuk válaszul, hanem egy táblázatot a pontos koordinátákról, és a csillagképről, amiben megtalálhatjuk. Ez már egy igen ígéretes próbálkozás, de egyelőre csak viszonylag szík területen, tudományos kérdésekben használható.
Szemantikus jövő
Mi lehet a megoldás? Mikor jutunk el odáig, hogy például beírjuk a keresőnkbe: „Szeretnék egy jó helyen vacsorázni!”, mire a gép megkeresi nekünk a közelünkben található éttermeket, melyekről jó kritikákat írtak? Nem tudjuk, de az biztos, hogy ez a kérdés már régen foglalkoztatja a szakértőket. Tim Berners-Lee már 1999-ben megálmodta a „szemantikus” világhálót, ahol a számítógépek képesek értelmezni a rendelkezésükre álló információt, és így „intelligens ágensekként” lehetnének segítségünkre. Utópisztikusan hangzik, de talán nincs is olyan messze az idő, hogy megtegyük az első lépéseket ebben az irányban. Az elsődleges probléma persze az, hogy miként is tudná egy program értelmezni a szöveget. Amíg nem találjuk fel a gondolkodó gépeket, ehhez bizony emberi segítségre van szükség.Például megfelelő módon „felcímkézhetjük” az információt. Ha egy tulajdonnevet találunk a szövegben, egy mezőben közöljük, hogy az egy név, mellette találunk egy számot, arról megmondjuk, hogy egy évszám, és így tovább. Ha végigmegyünk a szövegen, akkor kapunk egy adathalmazt, amely akár táblázatos formában is kezelhető, összehasonlítható más adatokkal, tetszőleges formában szervezhető.A kérdés már csak az, ki és hogyan fogja ezt megtenni. Ebben a kérdésben megosztottak a szemantikus webbel foglalkozó szakemberek. Az egyik felfogás szerint a tartalmakat már eleve felcímkézett formában töltenénk fel. Így a keresőknek csak rendszereznie kellene a megfelelően jelölt információkat. A másik elmélet szerint viszont a keresők a nyers, formázatlan szöveget használnák, és maguk látnák el a benne található adatokat a megfelelő címkékkel.
Értelmes ragasztó
A Google az előbbire szavaz és megpróbálja rávenni a felhasználókat, hogy némi pluszmunkával előre emésszék meg a szövegeket számára. De lehet, hogy most az egyszer rossz lóra tett? Vaskó Péter, a magyar In4 Kft. ügyvezető igazgatója szerint igen. „Ez a rendszer túl bonyolult, a tartalom létrehozói pedig lusták” – mondja. Az In4 fejlesztői egy saját szemantikus alkalmazáson, az Iglue-n dolgoznak. Ezt meghallva adja magát a kérdés: tényleg innen, Budapestről akarják legyőzni az iparág óriásait? „Nem, nem akarunk eszkimóbbak lenni az eszkimóknál” – válaszol nevetve Vaskó. Az Iglue nem versenyezni akar a Google-lel, hanem olyan szolgáltatást szeretne nyújtani, ami kiegészíti a hagyományos keresők tudását, és kielégíti azokat az igényeket, amelyeket azok nem képesek.Az Iglue egyik megjelenési formája egy böngészőbe épített alkalmazás, amely összegyíjti a felhasználó számára az adatokat. Ha találkozunk egy névvel, és további információkra vagyunk kíváncsiak az adott személlyel kapcsolatban, egy kattintásra feljön egy kis ablak, ahol láthatjuk az illető vázlatos életrajzát, találhatunk róla képeket, videókat anélkül, hogy ehhez egy külön keresést kéne indítanunk. De tovább is léphetünk innen, ha mondjuk az életrajzban szereplő egyetem nevére kattintunk, megtaláljuk az intézmény legfontosabb adatait. Önmagában ez még talán nem mozgatja meg a képzeletünket, hiszen ezek az információk például a Wikipédián is megtalálhatóak, igaz többet kell kattintanunk és olvasnunk hozzá. A különlegesség az, hogy e mögött a rendszer mögött egy szemantikus adatbázis rejtőzik.
Ez is nyitott lesz a felhasználók számára, így például a fentebb említett probléma megoldható lesz úgy, hogy beállítjuk, személyeket keresünk, megadjuk születési helynek Debrecent, foglalkozásnak azt, hogy író – és máris a képernyőnkön találjuk a debreceni írók listáját. De bármilyen más, a rendszerben szereplő adat szerint is csoportosíthatjuk a találatokat, így lehetőség nyílik teljesen új összefüggések megtalálására és elemzésére. A rendszer feltöltésére az Iglue egyfajta hibrid rendszert alkalmaz. A cég munkatársai kifejlesztettek keresőrobotokat, melyek elég jó hibaszázalékkal képesek kiszírni a megfelelő információkat természetes szövegekből – igaz még csak olyan viszonylag jól kezelhető oldalakon, mint például a Wikipédia. De számítanak a felhasználók segítségére is. „A Web 2.0 fontos tanulsága, hogy ha kapok, akkor adok is” – magyarázza Vaskó Péter. A nyitott adatbázisba bárki feltölthet majd adatokat. A program pedig szerkesztők segítségével összegzi és értékeli az információkat, így hozza létre akár egymásnak ellentmondó (gondoljunk csak Homérosz születési idejére) adatokból az úgynevezett mesterrekordot, amelyet majd megjelenít a megfelelő mezőben. Az Iglue demója már megtekinthető az interneten, a nyitott, fejleszthető verzió próbája pedig talán már e hónapban, de a nyár végéig mindenképpen megjelenik. Talán hihetetlenül hangzik, hogy a magyar fejlesztőknek lehet bármi esélye is a „nagyokkal” szemben, de a Google megjelenésekor sem gondolta senki, hogy pár éven belül Bill Gatesnek fog álmatlan éjszakákat okozni.§
- Az index elemzési szempontjait minden kereső ipari titokként kezeli, így próbálván elkerülni az eredmények manipulációját. Azonban jó néhány részlet mindig kiderül, erre alapul a kereső-optimalizálási iparág (Search Engine Optimization, SEO). A SEO-nak egyetlen célja van: minél előkelőbb pozícióba juttatni egy weboldalt a keresők találati listáin. Ezt a legkönnyebben az oldal tartalmának megfelelő alakításával, bizonyos kulcsszavak kiszámított elhelyezésével, a szövegek átfogalmazásával lehet elérni. Egy másik hatékony módszer minél több, a honlapra mutató hivatkozás „begyíjtése”. A keresők üzemeltetői állandó harcban állnak az ügyeskedőkkel. Vannak olyanok is, akik politikai célokkal használják ki az algoritmus hibáit. A 2004-es amerikai elnökválasztás idején, ha valaki rákeresett a „szánalmas kudarc” (miserable failure) kifejezésre, az első találat George W. Bush hivatalos önéletrajzára mutatott. Ez a módszer egészen 2007-ig, az indexelési rendszer megváltoztatásáig míködött, de valószíníleg csak idő kérdése, hogy élelmes programozók újabb kiskapukat fedezzenek fel.
