谷歌表示，在过去的五年中，其最新的回答算法(绰号BERT)在理解查询方面取得了最大的进步。它获得的最后一次重大提升来自2015年的RankBrain。

BERT是Transformers的双向编码器表示的缩写，它是一种在自然语言处理领域中生成模型的机器学习技术。

BERT可以通过查看句子中前后的单词来猜测单词，从而使其成为“双向的”。谷歌的BERT提升了“单向” OpenAI GPT，后者仅在句子中被猜到之前查看单词。

Google研究员兼副总裁Pandu Nayak表示，BERT模型的双向方面提供了有关单词的更多上下文，这应该有助于Google搜索了解搜索查询背后的意图，尤其是在介词“至”和“从”到含义的介词中搜索。

谷歌去年将BERT开源，并在当时的AI博客中详细介绍了这项研究。根据Google的说法，BERT模型的复杂性使得必须部署其Cloud TPU来交付搜索结果。

除了搜索排名之外，Google还将BERT模型应用于精选片段。谷歌表示，BERT将提高其在美国以英语理解大约10%搜索查询的能力。它将逐步将新的自然语言处理模型带入更多的语言和市场。

新的模式应该可以帮助Google搜索更好地了解其系统从未有过的每天15%的查询。

纳亚克(Nayak)提供了一些示例，这些示例中Search以前错过了“ for”和“ to”在提供结果中的重要性。

一个例子是：“ 2019年前往美国的巴西旅行者需要签证”，在这里“前往”很重要，因为要了解是巴西人前往美国。在BERT之前，Google的算法返回了有关美国人前往巴西的结果。

另一个是：“您能为某人药房买药吗”。在提供关于处方的一般答案之前，但BERT模型了解查询是关于您是否可以为另一个人领取处方。

对于英语以外的其他语言，谷歌表示可以使用来自语言的BERT学习并将其应用于其他语言。