מחקר חדש מוכיח כי עדיין לא ניתן לוותר על חיפוש במאגרי מידע

 

בעוד שמנועי חיפוש מסורתיים פועלים בדרך כלל כתווך ישיר לאיחזור מידע של תוכן  מקצועי ואיכותי אחר,  כלי חיפוש גנרטיביים  מבוססי  בינה מלאכותית מנתחים ואורזים מחדש מידע בעצמם, ומנתקים , מבחינת המשתמש , את זרימת התנועה  והקשר הישיר למקורות מידע מקוריים. תפוקות השיחה של צ'אטבוטים  מבוססי בינה מלאכותית אלה מטשטשות לעתים קרובות בעיות בסיסיות רציניות עם איכות המידע.

יש צורך כיום להעריך כיצד מערכות בינה מלאכותית  ניגשות, מציגות ומצטטות תוכן מקצועי וחדשותי.

ב-במרץ 2025 , קלאודיה יאז'ווינסקה ואייסוואריה צ'נדרסקאר, חוקרים במרכז לעיתונות דיגיטלית באוניברסיטת קולומביה,  חקרו את דיוק הציטטים של צ'אטבוטים מבוססי AI  עבור המחקר שלהם "חיפוש AI ודיוק ציטוטים", הם ערכו 200 בדיקות בשמונה מנועי חיפוש שונים  מבוססי בינה מלאכותית AI: ChatGPT Search, Perplexity, Perplexity Pro, Gemini, DeepSeek Search, Grok-2 Search, Grok-3 Search ו-Copilot.

כל שאילתת בדיקה סיפקה ציטוט ממאמר, ולאחר מכן הניעה את הצ'אטבוט להגיב עם כותרת המאמר, תאריך הפרסום, שם הפרסום וכתובת URL.

מתוך 1600 שאילתות הבדיקה, הצ'אטבוטים מבוססי AI לא הצליחו לאחזר את המידע הנכון ביותר מ-60% מהמקרים.

AI Search Has A Citation Problem

We Compared Eight AI Search Engines. They’re All Bad at Citing News.

Columbia Journalism Review

March 2025

מקור המידע ( קישור)

 

כמה פרספקטיבות לגבי חיפוש מידעני באמצעות צ'אטובטים של AI

 

מבוא

הצ'אטובטים  של AI כגון CHATGPT או ג'ימיני  מבוססים  על מודל שפה:  מערכת ליצירת טקסט, שעיקרון הפעולה שלה נשען על חישוב טבלת סיכויים גדולה בעזרת ניתוח כמות אדירה של טקסטים, ועל יצירת טקסטים חדשים בעזרת תהליך אקראי שבחירת המילים שלו מבוססת על טבלת הסיכויים. 

מודלים של שפה (LLMs)   כמו בפלטפורמת  CHATGPT  מאומנים לאסוף את הידע הקשור עבור כל משפט, תוך הסתכלות על המילים והמשפטים שמסביב כדי לחבר מה קורה, אך הבנה זו מוגבלת ואינה כוללת את הידע לשיחות מורכבות יותר. כתוצאה מכך, יש בהם חוסר עקביות ולעתים גם חוסר קוהרנטיות של עולם הדעת.

 

מ.ד. ( השם המלא שמור במערכת)

"הניסיון שלי הוא עם הצ'אטבוטים למיניהם : המידע שמתקבל סובל משתי בעיות חמורות-א. כיוון שהצאטים מייצרים תשובות על סמך ההקשר המילולי של השאלה , קשה עד בלתי אפשרי לזהות את הנקודות שהוא הוזה, זו לא בעיה טכנית, זו בעיה מהותית!! הצאטים האלו מתמחים בלייצר תשובות שמילולית נשמעות נכון , ככל שהוא טוב יותר ומשוכלל יותר הבעיה הולכת ומחמירה: נסו לשאול את  claude  על ספרי ילדים בנושא מסוים בישראל,  לדוג',  תקבלו שמות של ספרים וסופרים מומצאים, שנראים מאוד מאוד אותנטיים...

הנקודה השנייה היא שקשה מאוד להוציא ממנו תוכן לא גנרי:  אם אני מחפשת לדוגמה ספרי ילדים בשנות השמונים זה נישה שהצ'אטבוט של הAI לא מצליח להבין. השימוש שלי היום בצ'אטים הוא לבקש מהם שיעצבו לי שאילתות חיפוש שאעתיק ואדביק בגוגל ,באופן כזה שאתגבר על "בועות חיפוש".  הטענה שלי היא שחיפוש מידע ברשת מתחלק בין אנשים המתעניינים במידע שימושי והם כנראה הרוב, לבין אנשים בעלי התעניינות מעמיקה בתחום מסוים בדרך כלל "נישתי" ביחס למה שמעניין את הרוב. ככל שהמערכת עובדת עם llm הסיכויים להגבלת תוצאות איכותיות יורד. חיפוש בגוגל פעם היה מחזיר תוצאה של 40 עמודים, היום לא יותר מחמש.

אני זוכרת בעבר שנברתי בין עשרות דפי התוצאות , רובם חזרו על עצמם, אבל בינות לדברים חיפוש מילולי היה נותן תוצאות לאחר השקעה ואסטרטגיה של חיפוש , כיום לא

דוגמא עכשווית -אני מתעניינת כתחביב בנושא של ספרות ילדים ישראלית (ע"ע אלי אשד וכדו') זכורה לי כתבה שפורסמה באתר Nrg, מעריב בין 2005-2010 אין לי שום דרך לקבל תוצאות שבעבר קיבלתי (כמובן באמצעות בניית אסטרטגיה טובה של חיפוש) . זה דוגמא למידע שבאופן מהותי חסר עכשיו.

לדעתי הסיבה היא תוצאות חיפוש מותאמות אישית על ידי בינה מלאכותית באופן מהותי יעלימו מידע "נישתי " כיוון שהם בנויות על סטטיסטיקה .

מעבר לעניין המהותי, כלכלית חיפוש כזה מניב  הרבה פחות....."

 

 ד"ר אברום רותם

Avrum Rotem

דווקא חיפוש עם AI למטיבי לכת הרבה פחות מתאים. לא ברור על מה התוצאה מסתמכת, והיא די יחידנית, ללא היכולת לראות בזה קצה חוט שניתן ללכת ממנו הלאה בנושא. עצם העניין שהיא מציעה בנוסף לחיפוש בקונקרטי עוד ניסים ונפלאות לא קשורים לחיפוש עצמו- בעיתית יותר מאשר עוזר.

אין ספק שזה ישתפר וכן יציע בעתיד יותר הצעות ופחות קביעות יחידניות בנושאים, אך עדיין" זה לא זה", 

 מגבלות ה AI מתבררות יותר ויותר  .  בתכלס צריך לצאת נגד אלו שמצפים שהAI  תחליף אינטליגנציה אנושית. זה פשוט חוסר הבנה של התחום

ה AI לא מייצרת מידע חדש אלא מלקטת מהרשת רסיסי מידע ללא הרשאה ועושה מזה עוגה כלשהי.

 הבעיה מתחילה כשיש צורך באימות המידע. המכונה לא מציינת מקורות, בד"כ משתמשת במקור אחד שאתרה, ואין לך- לצרכן המידע- מושג אמינות המידע. הגרוע יותר- שתוצאות איתור המידע נכנסות עתה למאגרי מידע שימצא בו שימוש בעתיד. כך מידע לא נכון, שלא לדבר על כוזב, מאפיל במהירות על מידע אמין. כבר עתה כמות שמן הדגים ( זיופים ובולשיט) ממלא את הזירה, והופך את המידע הזמין לבלתי שמיש באמת. בקיצור- להרגע קצת, ולהבין שאיתור מידע הוא עניין מורכב 

 

 עמי סלנט , מידען

יש הבדל בין צ'אטבוט AI ובין מנוע חיפוש AI 

 מערכת חיפוש  מבוססת  AI  מיישמת אלגוריתמים שונים כדי לקבוע את הרלוונטיות של כל פריט באינדקס לשאילתת המשתמש. זה יכול לכלול גורמים כמו התאמת מילות מפתח, ניתוח סמנטי, ניקוד רלוונטיות ומודלים של למידת מכונה שאומנו  על פי נתונים מצטברים. מערכות חיפוש  AI  מקצות ציון רלוונטיות לכל פריט מידע , מה שעוזר בדירוג סדר תוצאות החיפוש.

 בראש הנבחרת של מנועי החיפוש מבוססי AI נמצא Perplexity . 

הפלטפורמה של  Perplexity נותנת תוצאות יחד עם הקישורים למקור. התוצאות של Perplexity AI בהשוואה ל-ChatGPT Plus נמצאו מסוננות ( refined)  יותר וכללו גם תוכן רלוונטי בכמה וכמה הקשרים עם קישורים נוספים  בתשובה . 

עם Perplexity אתם יכולים לאמת את המידע ולציין את מקורות המידע בעבודתכם.

 

 

 

מנוע החיפוש החדשני של גוגל SGE : תמונת מצב , דצמבר 2023

לאחרונה  גוגל רשמה פטנט חדש למנוע החיפוש החדשני שלה SGE .

הפטנט שניתן לגוגל מתאר כיצד פועלת חוויית יצירת החיפוש החדשה של גוגל SGE  (מקור)

גוגל מפתחת במשך שנים מודלים גדולים של שפה, אך השאירה אותם מאחורי הקלעים לשימוש פנימי בלבד ולא שחררה אפליקציות כאלה עד ההצלחה המסחררת של ChatGPT, שלפי דיווחים גרמה ללחץ אדיר בחברה לשחרר מוצרים באופן ציבורי כדי שלא תאבד את ההובלה שלה בתחום החיפוש. גם כעת, נראה שגוגל עדיין עושה זאת באופן הדרגתי,  אך מנוע החיפוש  SGE לא פתוח עדיין לקהל הרחב. (מקור ).

בגישת החיפוש הרגילה, כפי שקיימת עד היום, הסתמכנו על הזנת שאילתות חיפוש וקבלת תוצאות דף מותאמות. עם זאת, SGE מציג דרך חדשה של חיפוש, המאפשרת לנו לחקור ולמצוא מידע באופן יעיל, מהיר והרבה יותר קל. לא רק זה, אלא שה-SGE יכול להתאים את המידע, באופן אישי כלפינו ולהעדפות שלנו או בהתאם למיקום שלנו, בצורה שתרגיש לנו ממש כאילו יש לנו "עוזר אישי" חדש .

עם SGE, הדרך שבה נחפש מידע עומדת להיות טובה יותר. בניגוד לגישת החיפוש שאנו רגילים אליה, SGE מביא אל השולחן דרך מתקדמת ומבוססת על טכנולוגיה חדשה (ואף מרתיעה, יש שיגידו), המסייעת למצוא את המידע שאנחנו צריכים מהאינטרנט, בתוך שבריר שנייה.

במקום להסתמך אך ורק על נתונים  גוגל רתמה את כוחו של מודל שפה גדול בשם PaLM 2, שהוא רשת עצבית מלאכותית.

 PaLM 2 הוכשר על כמות עצומה של נתונים, מה שמאפשר לו להבין הן את התוכן והן את השאילתות בצורה מקיפה יותר. על ידי השימוש במודל AI המתקדם של גוגל, SGE  מסוגלת כיום לספק תוצאות מדויקות יותר ואף להציע שיפורים לשיפור חוויית החיפוש של כל אחד מאיתנו.

חשוב לציין: SGE לא מחליף את האינדקס הקיים של גוגל.

במקום זאת, הוא משלים אותו על ידי השלמת תוצאות החיפוש עם התובנות והיכולות של מודל PaLM 2. שילוב זה מבטיח שהמשתמש יקבל מגוון רחב יותר של מידע רלוונטי המותאם לצרכים שלו.

מקור וקרדיט :

מאמר של אייל רחמים בבלוג שלו

הבנת הקשר: כאשר אתם כותבים שאילתת חיפוש,   SGE לא מסתכל רק על מילות המפתח; הוא מנתח את ההקשר מאחורי החיפוש שלכם. לדוגמה, אם אתם מחפשים  מסעדות איטלקייות בכפר סבא-רעננה  אז   SGE ישקול גורמים כמו המיקום הנוכחי שלכם, השעה ביום והעדפות האוכל בעבר שלכם כדי לספק לכם המלצות למסעדות  איטלקיות שככל הנראה יהיו מתאימות יותר לכם.

תכונה חיונית נוספת של SGE היא היכולת שלה להתאים אישית חוויות חיפוש על סמך העדפות המשתמש והתנהגויות. הוא משלב תוכן שנוצר על ידי משתמשים, כמו ביקורות של לקוחות (  (REVIEWSבתוצאות החיפוש.

מקור

 הפיתוח של SGE הוא עדיין במעבדות הפיתוח של גוגל וכ100 מיליון משתמשים בארה"ב ובהודו משמשים " שפני ניסיון ", ועל סמך המשובים שלהם מעבדות גוגל מתאימות  את הפיתוח העתידי של SGE שצפוי להיות משמעותי לכולנו . 

 ראו גם : סקירה מה11 בדצמבר 2023

קישור

Impact of Google SGE on Blogging Websites

  למידע נוסף במעבדות גוגל

 

 

 

אסטרטגיות חיפוש במנוע החיפש של גוגל לגבי רשתות חברתיות

 

 אנשי הפיתוח של גוגל חיזקו בשנה האחרונה את מנגנון החיפוש החברתי (Social Search)  שמחזיר לנו תוצאות חיפוש מהקשרים של רשתות חברתיות.  

 

אם אתם רוצים שהחיפוש שלכם יתמקד בתוצאות של מדיה חברתית, השתמשו באופרטור החיפוש @.

 

כתבו את שאילתת החיפוש שלכם והצמידו מייד אחריה את שם הרשת החברתית עם סימן ה"שטרודל לפניה".  למשל,  @Twitter or @Facebook כדי למצוא תוצאות חיפוש מאתרי מדיה חברתית אלה.

 

ניתן גם לנסח שאילתת חיפוש בוליאנית , כלומר חיתוך בין כמה נושאי חיפוש והגבלה לרשת חברתית מסויימת (דוגמא מס' 3 , בהמשך)

 

מקור

 

דוגמאות מדגימות לשאילות החיפוש :

 

דוגמא מס' 3 : שאילתא עם אופראטור בוליאני 

 

תודה ל: Jonathan Hatzbani

 

חיפוש סמנטי : תמונת מצב : אוקטובר 2022

בסקירה :

·        

• ·       הסבר מהו חיפוש סמנטי
• ·       מנוע החיפוש הסמנטי הראשון פותח ע"י פרופסור אורן עציוני
• ·       התנסות במנוע החיפוש הסמנטי Semantic  Scholar ומסקנות
• ·       חברות סטארט -אפ  ישראליות שמפתחות כלים לחיפוש סמנטי
• ·       התפתחות החיפוש הסמנטי במנוע החיפוש של גוגל
• ·       חיפוש סמנטי מנקודת מבט מידענית

 

מה זה חיפוש סמנטי?

המילה סמנטי מתייחסת למהות ולמשמעות של משהו. בהקשר של החיפוש, סמנטיקה מתייחסת למחקר המילה והמשפט, וההיגיון מאחוריהם. חיפוש סמנטי מכוון לשיפור המענה על שאלות הגולשים בהתייחס למשמעות ולכוונה האמיתית מאחורי השאלות שלנו, באמצעות משמעות קונטקסטואלית. בעזרת מילים נרדפות, התאמות קונספטואליות ואלגוריתמים טבעיים מהשפה, מנוע החיפוש שואף להציג לנו תשובות אינטראקטיביות ומגוונות, והופך מידע מובנה, ומידע פשוט, למסד נתונים אינטואיטיבי ומותאם.

 חיפוש סמנטי מכוון להבין את הכוונה של הגולש בשאלתו, ולהגיש תשובות מותאמות אישית. גרף הידע והמידע של גוגל מובנה לצבור מיומנות גבוהה בחיפוש הסמנטי.

אחת הדרכים שחיפוש סמנטי עוזר לגוגל להשתפר היא באמצעות זיהוי ונטרול תוכן לא איכותי. טכניקות דוגמת ספינרים של מאמרים, והכנסת כמות מוגזמת של מילות מפתח כבר מזמן לא עושות את העבודה ומזוהות בקלות על ידי מערכות מתקדמות, אשר פועלות על פי עקרונות זיהוי הפעולות הללו ונטרול התוכן בהתאם.

זה גם אומר שמנוע החיפוש לומד אילו מילים עשויות להופיע יחד באותו עמוד באופן סטטיסטי, וכך יוצר קורלציות סמנטיות, מה שעוזר לו גם בלחימה נגד הספאם.

בעזרת חיפוש המבדיל ומתייחס בהתאם בין ישויות או אנשים לבין ייחוסים, מילות קישור ותיאורים, גוגל יכולה להבין יותר טוב מה הגולש שלה מחפש לדעת.

מקור

 

 חיפוש סמנטי , פריצת הדרך של פרופסור אורן עציוני

מנוע החיפוש החדשני של פרופסור אורן עציוני השוהה בארה"ב כבר שנים ונחשב בעולם מגדולי המומחים לאיחזור מידע ולמנועי חיפוש.

"ב- 2 בנובמבר 2015  הושק מנוע החיפוש המדעי Semantic Scholar של  Allen Institute  for Artificial Intelligence  שב. Seattle. מדען המחשב פרוופסור אורן עציוני בעל היסטוריה מרשימה בתחום כלי החיפוש עומד מאחורי המנוע .

מנוע החיפוש קורא, מתמצת ומסווג ממצאים מ-2 מיליון מאמרים מדעיים שמתפרסמים מדי שנה. למעלה ממחצית מסמכים אלה מעולם לא נקראו על ידי יותר מ- 3 אנשים. המערכת סורקת מאמרים מדעיים  בווב  , מזהה ציטוטים והפניות  בטקסט  וממפתחת את הסטים של  הנתונים ושיטות המחקר שבהם נעשה שימוש.

 

קישור ישיר למנוע החיפוש

 

לסקירה המלאה בעברית

 

 

מאפייני  Semantic Scholar

 צורת החיפוש של סמנטיק סקולר שונה ממנועי חיפוש אחרים ומבוססת על בינה מלאכותית. בשיטה זו מנוע החיפוש כמו "מבין" את המאמר, ודולה ממנו את מילות המפתח מבלי להיות תלוי במלים שהגדירו המחבר או המו"ל. הוא גם מסוגל למשל להבין מי מבין המאמרים המצוטטים במאמר היו חשובים למאמר, ומי צוטטו לצורך רקע בלבד.

מקור וקרדיט : המידענית טל קמינסקי רוזנברג

למאמר המלא בבלוג של טל קמינסקי רוזנברג

 

הערות הנסיין :

 בדקתי את מנוע החיפוש הסמנטי (בשבועיים האחרונים) ומצאתי כי הוא יעיל מאד לחיפושים אקדמאיים , בעיקר לראיית הרשת הסמנאטית של משפטי מפתח הקשורה מעבר לניתוח הטקסטואלי .

  

חברת סטארט-אפ הישראלית Pinecone

הסטארטאפ הישראלי Pinecone, שהוקם על ידי יוצאי אמזון, מפתח את מה שהוא מכנה מסד הנתונים הוקטורי הראשון בעולם, שמיועד ספציפית עבור חיפוש סמנטי. "מפתחים רוצים לשפר את אפליקציות החיפוש שלהם על ידי שימוש בחידושים האחרונים בתחום הבינה המלאכותית ולמידת מכונה (AI/ML), שבבסיסם עומדים וקטורים – אלו יצוגים שמכילים בתוכם את המשמעות של התוכן המקורי, כך שמתקבלות תוצאות חיפוש יותר מדויקות ורלוונטיות", מסביר בשיחה עם גיקטיים מנכ"ל החברה ואחד מהמייסדים עידו ליברטי.

לדבריו, חיפוש באוסף של וקטורים מצריך תשתית ענן ואלגוריתמיקה של אינדוקס שהם שונים לחלוטין ממה שקיים היום בשוק, ושפותחו לפני למעלה מעשור. הפלטפורמה של פיינקון כוללת תשתית ויכולות אינדוקס ייעודיים לבינה מלאכותית, המגיעה עם שירות מנוהל עבור לקוחות החברה – כך שכל מה שנותר להם לעשות זה להתחבר ל-API.

לכתבה המלאה

  

חיפוש סמנטי במנוע החיפוש של גוגל

עדכון Hummingbird היה אות ההתחלה של האבולוציה של גוגל למנוע חיפוש סמנטי.

זה היה השינוי הגדול ביותר בעיבוד שאילתת החיפוש ובדירוג שגוגל ביצעה אי פעם, והשפיע על למעלה מ-90% מכל החיפושים כבר בשנת 2013. Hummingbird החליף ביסודו חלק ניכר מאלגוריתמי הדירוג הקיימים.

באמצעות Hummingbird, גוגל יכלה מיד לכלול ישויות שנרשמו ב- Knowledge Graph לעיבוד שאילתות, דירוג והפלט של SERPs.

מקור :

Google’s road to becoming a semantic search engine

 

ב2016  החלו אנשי הפיתוח של גוגל לעבוד על שילוב מאפייני חיפוש סמנטי  מעמיקים יותר במנוע החיפוש שלהם

ב2019  הופיע עדכון חדש לאלגוריתם החיפוש שלה, שנועד לשפר את ההבנה והפענוח של שאילתות במנוע החיפוש. בחברה מגדירים זאת כ"זינוק הגדול ביותר קדימה" בתחום החיפוש המקוון בחמש השנים האחרונות, ואף כאחד מהזינוקים קדימה הגדולים ביותר בהיסטוריה של החיפוש המקוון כולו.

בפוסט שפירסמה גוגל, הוסבר כי הטכנולוגיה החדשה מכונה BERT, והיא טכניקה חדשה לעיבוד שפה טבעית המשמשת בעיקר ליכולת להבין טוב יותר את כוונתו של הגולש שהקליד את מונח החיפוש. מדובר במודלים ממוחשבים שמעבדים מלים ביחס למלים האחרות שבאות לפניהן ואחריהן במשפט – מה שמאפשר להתייחס לשאילתות כמשפטים שלמים בעלי משמעות ולא סתם כאסופת מילים בודדות.

בפועל, גוגל מסוגלת  כיום להבין טוב יותר מונחי חיפוש ללא קשר לצורת הניסוח שלהם. בכך, בין השאר, גוגל מנסה להתמודד טוב יותר עם התופעה שבה  אנשים מחפשים במנוע החיפוש שלה באמצעות רצף של מלים, ולא בהכרח מנסחים משפטים ושאלות בשפה טבעית.

 

מהו עדכון MUM של גוגל?

 

המונח MUM הוא קיצור של Multitask Unified Model – מודל ריבוי משימות מאוחד. זוהי טכנולוגיה חדשה שגוגל הציגה לראשונה במאי 2021. מודל MUM עובד עם בינה מלאכותית וכלים להבנה ועיבוד של שפה טבעית והוא עונה על שאילתות חיפוש מורכבות עם נתונים המושגים בכמה אופנים.

מודל MUM עובד ברוב השפות והוא מעבד מידע בפורמטים שונים של מדיה כדי לספק מענה איכותי ומדויק יותר לשאילתות חיפוש. בנוסף לטקסט, MUM גם מבין תמונות, וידאו וקבצי אודיו. המטרה המעשית של העדכון היא לספק תשובות מדויקות ואיכותיות יותר לשאילתות חיפוש של משתמשים, תוך כדי שמנוע החיפוש מבין טוב יותר מה בפועל כל משתמש מחפש ורוצה לדעת.

 כיצד עדכון גוגל MUM עובד?

לפי גוגל, עדכון MUM מהווה אבולוציה ההופכת את מנוע החיפוש לחזק יותר באופן מובהק לעומת העדכון הגדול האחרון. MUM לוקח את היישום של הבנה ועיבוד של שפה טבעית וסמנטיקה לרמה הבאה לעומת מה שהיה קיים עד להשקה שלו.

עדכון MUM משלב כמה טכנולוגיות למודל עבודה אחד כדי להפוך חיפושי גוגל לעוד יותר מבוססי סמנטיקה והקשר (קונטקסט) ולשפר את חוויית המשתמש. עם MUM, גוגל רוצה לענות על שאילתות חיפוש מורכבות שעבורן מקטע נורמלי של עמוד תוצאות החיפוש אינו מספיק – כך לתת למשתמש תשובה בחיפוש אחד במקום ביצוע כמה חיפושים כדי לדייק את החיפוש.

המשמעות האופרטיבית של עדכון MUM הוא:

 

• גוגל משתמשת ב-MUM כדי להרחיב עוד יותר את בסיס הנתונים הסמנטי, כגון "גרף הידע" וכדי להתקדם עוד יותר לעבר המטרה של בסיס נתונים שלם לכל הידע הקיים ברשת.

 

• עם השקת MUM גוגל שואפת להפוך את החיפוש הבינלאומי והרב שפתי לטוב יותר וליצור אחידות משופרת מבחינה כמותית ואיכותית לגבי מדדי ותוצאות חיפוש.

 מקור וקרדיט (קישור)

 חיפוש סמנטי מנקודת מבט מידענית

למשתמש רגיל, שאינו בקי בתורת איחזור המידע,  הטכנולוגיה הסמנטית החדשה של גוגל עשויה בהחלט לעזור , אבל מידענים מפרקים מראש את השאילתא למילות חיפוש עם חיבורים לוגיים שהם מציבים בעצמם ולוגיקה בוליאנית , ולכן  מבחינתם הטכנולוגיה החדשה של גוגל תביא פחות תועלת.

הטכנולוגיה המקבילה של BERT כבר נוסתה עקרונית  בעבר במנוע החיפוש BING  של מיקרוסופט ולא גרמה שם לפריצת דרך. נקווה שגוגל ימשיכו לשפר את האלגוריתם החדש