Google发布了一个称为多任务统一模型（MultitaskUnifiedModel，MUM），能够让用户以较少的查询快速获得想要的答案，对复杂任务提供如同专家的回应。
不少搜索任务，需要用户输入许多查询并且执行多次搜索后，才能获得所需要的答案，Google以登山者使用场景来说明查询会遇到的问题，以及MUM能够解决这个问题的原因。Google假设当用户已经去过亚当斯山，计划明年秋天要去富士山，想要在Google查询该做的准备。
针对这样的场景，现阶段Google可以提供许多信息，但是都必需要用户经过深思熟虑后进行搜索，像是分别搜索每座山的海拔、秋天的平均气温、行走路径的难度和正确的装备等。集成经过多次搜索的结果，用户就可以得到需要的答案。但是询问登山健行专家就会以不同的问题进行，用户可以询问“我应该做什么准备”这种开放式的问题，并且获得一个考虑周到的答案，包括两座山的差异，以及许多需要考虑的事项。
爬山查询仅是一个例子，官方提到，Google用户每天都会需要查询并解决各种任务，这些任务可能需要许多步骤，他们发现，用户要解决复杂的任务，平均需要发出8个查询，他们认为，现今的搜索引擎都不够完善，无法以专家的方式回答。
而Google发展出了MUM技术，试图简化这些复杂查询任务，MUM如同语言模型BERT一样，创建于Transformer架构之上，但功能更加强大，MUM不仅可以理解语言，还可以生成语言。MUM接受了75种语言和多种任务训练，可以比过去模型更全面地了解信息和世界知识，而且MUM具有多模态（Multimodal）特性，能够理解文本和图像中的信息，并且在之后还可以扩展理解视频或是音频等更多形式的内容。
在上述用户想要爬富士山的案例，MUM可以理解用户正在比较两座山，因此海拔和步道消息是相关信息，另外，MUM也可以理解在登山远足的活动背景下，可能需要准备运动或是合适的装备。由于MUM具有理解世界的知识，因此能够告诉用户，虽然两座山海拔相似，但是秋天会是富士山的雨季，因此用户可能需要防水手套。而MUM还会提供延伸主题，包括针对登山的顶级装备和最佳训练信息，呈现网络中有用的文章、视频和图像。
Google会针对MUM进行有关机器学习偏见的研究，避免将偏见引入到系统中，并且减少训练MUM的碳足迹，确保搜索能够高效执行。目前MUM仍处于探索初期，但Google提到，在几个月后他们会逐渐开始在产品中加入MUM，以提供更好的服务。
转载请注明：http://www.0431gb208.com/sjsbszl/8172.html
