人工智能是近一两年来应用更为迅速和实用的技术。以前的研究认为人工智能将彻底改变搜索引擎优化，但也引入了人工智能在搜索算法中的实际应用，但它需要。需要指出的是，到目前为止，人工智能在搜索算法中的应用并不广泛。也许影响AI在搜索算法中的广泛使用的更重要的因素是搜索引擎工程师不知道人工智能系统是如何做出决策的，然后导致另一个重要问题：调试的困难。

在一种较不严谨但易懂的方式中，深入学习是对现有数据（大量数据）进行标注，然后系统总结数据与结果之间的关系（即标签），在面对新数据时，可以根据其自身的规则进行判断。去吧，不管是历史游戏还是自玩游戏，Alpha Go知道棋盘和结尾（标签），系统总结规则并判断面对新棋盘赢得游戏的可能性。但是AI系统发现的是数据的特性以及它是如何关联的。对于这些结果，即使是制造人工智能的工程师也不知道。

所以人工智能系统是一个黑匣子，我们知道人工智能判断的准确性很高，但是我们不知道为什么，我们不知道如何判断它。

AI的搜索算法也是如此。百度搜索工程师说得很少，只知道百度现在都在AI。谷歌工程师已经明确表示，他们不知道RANKBEEN是如何工作的。在这种情况下，大量的人工智能在算法中更麻烦，O。NCE的异常结果，不知道是什么原因，也不能调试。

写这篇文章是因为我前几天看到一篇纽约时报文章AI，我可以学会解释自己。这很有趣。心理学家Michal Kosinski从200000个社交网站（相亲网站）提供照片和个人信息，包括很多内容，如S。在人脸识别AI系统中，发现AI在判断只有照片时的性取向是非常准确的，通过照相对一个人的同性恋做出的人工判断是60%，略高于掷硬币，但人工智能判断男性同性恋的准确率高达91%，对女性的判断较低，有83%。

你看不到有助于你判断的语气、语气、姿势、日常行为、人际关系和其他信息。同性恋是否具有纯粹的面部特征我个人的经验是从外表看是不可靠的。我以前认识一对男同性恋，他们非常男子汉，常年健美，彬彬有礼，但从不女性化，从外表看不到。也许这取决于一些服装的特点吧表情背景AI在我们人类可能忽略的图片中看到什么，或者我们根本看不到，以91%的准确率我不知道。我只知道人工智能是正确的。

这种黑盒子有时并不重要，比如判断能力，有时也不能这么匆忙，比如看医生。虽然人工智能系统诊断某些癌症的准确性已经达到了人类医生的水平，但更终的结论是，它仍然是TH。医生是这样做的，尤其是当AI无法告诉我们为什么诊断的时候，除非AI能解释为什么它会在将来做出诊断，对AI的100%的信心还有更大的心理障碍。

就在几天前，刚刚看到这个消息，新加坡政府开始测试无人驾驶的公交车。这显然是正确的方向，我相信它将在不久的将来成为现实。虽然自动驾驶仪的事故率低于人类，但我们都知道它是AC。更安全。但是当我们过马路的时候，旁边的公共汽车上没有司机。我有点担心它会突然开始吗转过身去看看你旁边的公共汽车没有司机。我会跳出我的脑袋，有意识地离开它吗至少在开始的时候，和几个朋友谈论这是一个理性的信仰和内疚。

以前的程序依赖于确定性和因果性，例如搜索算法中的哪些页面特征是排序因子，每个权重占据多少，这是由工程师挑选并确定的。平衡。人工智能系统不依赖工程师确定原因A。ND效应，但更善于发现概率和相关性之间的联系。对于人来说，以概率和相关性为特征的判断通常很难解释，例如，观察情绪或看起来好与否。

要求人工智能系统解释它的判断不仅是一个心理问题，而且可能后来成为一种伦理和法律上的问题，比如看医生。然后有一些事情涉及到用户的利益，比如贷款，基于大量数据的人工智能决策来拒绝贷款，但是银行不能解释。他们为什么拒绝，以及如何向用户解释今年，欧盟可能会颁布法律法规，必须解释机器所做的决定。这对谷歌和脸谱网这样的全球性企业来说是一种压力。在许多领域，如军事、法律和金融领域，所有的决定都是由某人负责的，如果一项决定不能成立。为什么，没有人敢承担责任。

AI解释的另一个原因是，正如前面提到的，AI着眼于概率和相关性，但基于相关性的决策有时会导致严重的错误。纽约时报文章给出了一个例子。数据训练的人工智能系统通常有助于应急。医院中的CY室分类，但研究人员仍然害怕使用它们，因为数据中的相关性可能误导AI做出错误的判断。例如，数据显示哮喘患者的肺炎更终比平均水平好，并且这种相关性是真实的。由于这一数据，肺炎性哮喘的治疗水平较低，这可能是一种意外。因为这些患者更终得到了良好的治疗，因为他们被给予更高水平的治疗，更好的和更快的治疗。因此有时没有真正的相关性。

X.A.I（解释性人工智能）解释性人工智能是一个新兴领域，其目的是让AI解释自己的判断、决定和过程。去年，国防高级研究计划署（DARPA）发起了由戴维·冈宁博士领导的XAI项目。谷歌仍然是这一领域的领导者，而Dee。P梦似乎是这项研究的副产品。

回到搜索算法和SEO，搜索引擎仍然无法完全应用人工智能，其中一个原因可能是人工智能的判断没有解释，不能理解，如果算法使用当前人工智能，一旦排名异常。工程师们也不知道为什么，甚至更少的不知道。如何调整。

我认为自动驾驶仪是AI实用性的第一个领域之一，它与它能否被解释有关。大多数自动驾驶仪的决定是不被解释的，或者一眼就可以解释，所以离前部汽车很近，他们需要减速或刹车。这样的判断不需要进一步解释。
福建做网站
SEO的人大概也有同样的疑虑，一个竞争对手的页面看起来没什么特别，内容不好，视觉设计一般，外链很普遍，页面优化大家都做的一样，为什么排名这么好现在，搜索算法也可以探究原因，搜索工程师可能有内部工具来查看排名的合理性。如果搜索工程师查看一个坏页面，不知道它为什么排在前排，他们可能会担心。