TheTarPit

Szukajcie a znajdziecie?

Google jest do dupy i tyle. Co z tego, że to najlepsza dzisiaj wyszukiwarka internetowa, skoro i tak jest to program żałośnie wręcz tępy. Zupełnie nie spełnia moich oczekiwań i wyobrażeń na temat wyszukiwania informacji w Internecie...

błądzenie w ciemnościach

Problem jest oczywisty, wspominałem zresztą o tym kiedyś — wyszukiwarki początku XXI wieku nie mają bladego pojęcia czego właściwie mają szukać i z rozpaczy czepiają się jakiegokolwiek punktu zaczepienia, pisowni słów, podobnego ciągu liter, czegokolwiek. Zupełnie nie mają pojęcia o semantyce i kontekście znaczeń.

Przykład: słowo „ankh”. Wyszukiwarka, którą widzę oczami wyobraźni, nie szukałaby bezmyślnie wszystkich stron, gdzie słowo takie występuje, tylko zaczęłaby od próby uściślenia — czy użytkownik ma na myśli:

• starożytny symbol egipski w formie krzyża z pętlą,
• polski zespół muzyczny z początku lat 90-tych ubiegłego wieku, ewentualnie płyty tegoż,
• rzekę Ankh na Dysku w świecie wykreowanym przez Terrego Pratchetta, ewentualnie miasto Ankh-Morpork leżące nad tą rzeką,
• czy może jeszcze coś innego?

Dopiero po udzieleniu odpowiedzi na takie pytanie jest sens sięgać do przepastnej bazy i wygrzebywać z niej informacje o „ankh” w zadanym kontekście: „ankh-symbol”, „ankh-rzeka”, „ankh-zespół”. Wcześniej jakiekolwiek szukanie jest po prostu stratą czasu, mocy obliczeniowej maszyny i cierpliwości użytkownika — większość wyników będzie od razu nadawała się do śmieci, bo pytającemu nie o to „ankh” chodziło.

światło w tunelu

Wbrew pozorom wyszukiwarka realizująca takie założenia wcale nie jest wymysłem futurologa. No bo czego właściwie potrzeba... Po pierwsze wyszukiwarka musi „mieć świadomość”, że słowo podane jej przez użytkownika może mieć wiele znaczeń. Ba, że w ogóle ma jakieś znaczenie. Nie wymagam jednak od żadnego programu zgadywania znaczenia słów ani wykazywania się jakąkolwiek formą sztucznej inteligencji — myślące maszyny pozostawmy filmowcom. W Internecie cała wiedza o świecie, jaką posiada wyszukiwarka, pochodzi z informacji zebranych z tej sieci właśnie. Zatem lista możliwych znaczeń danego słowa powinna pochodzić również z tej samej sieci, czyli musi być dostarczona przez autorów poszczególnych stron/dokumentów — na zasadzie „jeśli o czymś piszesz, wyjaśnij o co ci właściwie chodzi”. Taki opis semantyki pojęć, w przeciwieństwie do lansowanej dziś semantyki (sic!) znaczników, daje informację o czym jest dany tekst, a nie tylko jak jest. Myślę, że dla profesjonalnych twórców stron wymaganie dostarczenia takich informacji byłoby do zaakceptowania. Zwłaszcza, jeśli istniałyby programy ułatwiające odnalezienie i wskazanie kontekstu znaczeń w jakim jest osadzony dany tekst publikowany w Sieci.

Co ciekawe wszystkie technologie wymagane do oprogramowania takiego zachowania już istnieją. I to nawet w postaci oficjalnych rekomendacji W3C. Mówię oczywiście o RDF i OWL; do opisania szczegółowej semantyki dowolnego zasobu opisywa(l)nego w Sieci nie potrzeba nic więcej. Wystarczy, żeby na stronach zaczęły się pojawiać informacje czytelne nie tylko dla człowieka, ale również dla maszyny (agentów programowych) — równocześnie z informacją idzie w świat wskazanie ontologii wyjaśniającej o czym właściwie dana informacja mówi. Google (jako przedstawiciel nowoczesnych współczesnych wyszukiwarek) poradziłby sobie z taką informacją zapewne bardzo szybko (uwzględniając ogólną prężność Google Inc. i inicjatywy typu Google Base, która to baza przez możliwość dowolnego definiowania typu dodawanego zasobu stanowi prawie gotową bazę semantyczną).

niestety światło samo się nie zapali

Wychodzi więc na to, że ułomność współczesnych wyszukiwarek jest spowodowana pośrednio niezdolnością autorów stron do publikowania semantycznego opisu informacji w sposób zrozumiały dla agentów zbierających dane. Niby jest oczywiste, że użytkownikiem Internetu jest dzisiaj nie tylko człowiek, a coraz częściej najróżniejsze maszyny/programy, a równocześnie notorycznie ignorujemy ten fakt i publikujemy tylko dla ludzi. Właściwie jedyne maszyny jakim cokolwiek ułatwiamy w naszym WWW to agregatory RSS-ów czy inne tam pingbacki. Niby już coś, ale ciągle mało.

Faktycznie jednak problem ten nie jest banalny. Rozwiązania typu Embedded RDF wydają się słabe, a publikowanie osobno informacji (X)HTML dla człowieka i RDF dla maszyny — zbyt pracochłonne. Jednak jakiekolwiek by nie było ostateczne rozwiązanie, na pewno leży ono po stronie autorów stron WWW (czy może WWW/SW). Szczerze mówiąc, to trochę studzi moje zapędy i powoli zaczynam się obawiać, że sensowną wyszukiwarkę dostanę nie jutro, a dopiero pojutrze... :-/

A nawiasem mówiąc, strasznie bez sensu w tym kontekście wydają mi się działania magików od SEO — specjalizują się w wykorzystywaniu słabości niedorobionego mechanizmu, czyli w czymś, co historycznie rzecz biorąc w ogóle nie ma żadnego znaczenia i powinno być zrobione zupełnie inaczej. Za parę lat będziemy się śmiać z ich wysiłków... ;-)

Komentarze