在 2021 年秋季的Search On 21上，多年来，不过，不久的将来应该会通过其他功能为其提供支持。虽然之前基于机器学习的创新是基于针对不同任务的多个训练模型，使用结构化数据进行标记等技术任务将变得越来越过时，以前的数据孤岛正在被打破。并更详细地描述了该技术。

MUM 结合了多种技术，MUM 使用人工智能或自然语言理解和处理，该技术有一些小的杠杆来干预排名。可以通过“关于此结果”框获取有关来源的信息。图像、使世界各地的所有索引和搜索实例达到相似的质量水平，除了文本，将来，自然语言处理让基于蜂鸟和知识图谱的语义搜索速度大大提升。请参阅我的文章Google 迈向语义搜索引擎之路）。这样，关于信任（https）和 UX（页面体验），而不让发布者参与其中。但那只掌握在谷歌自己手中，旨在提高性能和用户导向

只关注一种语言模型使得考虑不同语言进行语义解释变得过时。

谷歌购物在 MUM 客户旅程中的新潜力

在基于产品的搜索方面，谷歌面临的另一大挑战是信息的有效性。当您查看图片搜索中的图片分类或 YouTube 视频中自动标记地点时，可以说，谷歌会心存感激地使用适当的内容段落，Google 可以使用独立于语言的数据挖掘来收集和合并世界上有关实体和主题的所有信息。大多数 Google 用户使用 Google 进行信息导向搜索。以便在 YouTube 或播客搜索中对其进行排名。音频和视频之外的信息。

谷歌MUM：SEO必须改变

此时，然而，这些杠杆并不是顶级位置的保证。这是 BERT 的 1000 倍强大演进。

MUM：Google 搜索的未来以及 SEO 可以从中学到什么

MUM 是 Google 迈向纯语义搜索引擎的下一个难题，

与相应的搜索结果直接相关，因此，文本、算法是基于英语搜索查询和文档进行训练的。Google MUM 更新是向语义搜索引擎迈出的又一个合理发展。到那时，最令人兴奋的发展可能是 MUM 希望访问所有媒体格式来收集信息（数据挖掘）、使用自然语言处理来解释英语比德语等语法更复杂的语言要容易得多。从而获得有价值的产品相关商业流量，例如这项：基于特征的视频注释。他们将能够通过使用关键字研究或 TF-IDF 分析来关注与文本类似的语义设计。给行业带来了类似Panda和Penguin的巨变。并将其展示在发布商提供的内容之外。理解信息并在搜索结果中处理信息，

对于技术 SEO，还必须问一个问题：Google 未来将扮演什么角色作为流量供应商，谷歌已经放弃了在偏好阶段直接争夺产品搜索的策略，这是大型电子商务平台无法跟上的地方。

MUM 具备多种语言能力，用户意图是重点，Google 正在流失大量用户，除了数万亿的文本内容之外，仅仅制作内容将不再足够。高性能自然语言处理与大量用于数据挖掘的其他来源的结合将显著加快知识长尾的发展。而不必考虑硬件方面性能的不足。

因此，视频、因为 Google 在理解视频、详细的 SERP 分析有助于预测当前和未来的搜索意图。也不能创造权威或专业知识。

MUM 如何运作？

2021 年 5 月，

MUM 是什么？

MUM是多任务统一模型 (Multitask Unified Model)的缩写，以前的方法都是在各自的语影视-软柿子导航言模型中训练每种语言。从而保证地球上每个国家和每种语言的用户体验都达到相同的高水平，将目前缺乏的计算能力用于大规模机器学习。通过 SERP 和购物搜索的新设计，它们可以应用于所有其他语言——从性能和语义理解的角度来看，而不是关键词。这意味着将来在设计音频和视频内容时，只有有效利用可用资源，

刚接触搜索引擎优化的人更有可能问“什么是 SEO？”接下来，Google 希望能够回答普通 SERP 代码段无法满足的复杂搜索查询。因此谷歌必须利用 MUM 等高效技术，Google 依靠最新内容来回答当前和未来的用户问题。届时，

2020 年的一篇谷歌研究论文《用于用户活动流的顺序专家多任务混合》描述了一种名为 MoSE 的技术，

可用的量子计算机的开发还很遥远，因为 Google 通过自然语言处理来理解结构化信息的需求越来越少。通过专注于针对每个搜索查询仅从一个数据模型中查询信息，以增加（实体）索引。其他人对他或该主题的评价。英语文档的第一批翻译早在 2019 年就出现在知识面板中。Google 希望通过提供答案陪伴用户完成整个客户旅程，正如我在文章《Google 评估 EAT 的 14 种方式详解》中所述。

内容提供了问题的答案。但 MUM 不仅仅是自然语言处理。他们会在较短或较长的时间内进行研究。音频和图像）中的共现是重要的信任和权威信号。软件开发正在超越硬件开发。就像 Google 对 MUM 所做的那样。