داستان بررسی نتایج رقبا در آغاز جست وجوی گوگل

اگر پشت‌پرده موتورهای جست‌وجوی اولیه را نگاه کنید، با واقعیتی شگفت‌انگیز و کم‌فناوری روبه‌رو می‌شوید: تیم‌هایی که آزمایش‌های هم‌زمان و کنار هم انجام می‌دادند، درست مثل آشپزهایی که سوپ رقیب را می‌چشند تا دستور خودشان را بهتر کنند. این افشاگری از دیوید فریدبرگ، مهندس پیشین گوگل، می‌آید که می‌گوید این شرکت به‌طور منظم میلیون‌ها جست‌وجوی متنی را به مایکروسافت و یاهو می‌فرستاد تا ببیند این موتورهای جست‌وجو چگونه پاسخ می‌دهند.

جمله‌ای کوتاه. ایده‌ای ساده. مقایسه خروجی‌ها. بهبود رتبه‌بندی. این جوهره چیزی بود که مهندسان آن را تکنیک «تقطیر» می‌نامیدند؛ نه جاسوسی، بلکه بنچمارکینگ رقابتی در مقیاس بزرگ. توسعه‌دهندگان نتایج قابل مشاهده عمومی را جمع‌آوری می‌کردند، الگوها را تحلیل می‌کردند و از آن بینش‌ها برای تقویت سیگنال‌های ارتباط و تنظیم ظرافت‌های رتبه‌بندی استفاده می‌کردند.

فریدبرگ به یاد می‌آورد: «ما میلیون‌ها پرس‌وجو را به موتورهای جست‌وجوی یاهو و مایکروسافت می‌فرستادیم تا ببینیم نتایجشان چه بود. نتایج آن‌ها را با نتایج خودمان مقایسه می‌کردیم تا رتبه جست‌وجو و الگوریتم‌هایمان را بهتر کنیم.» این فرایند روشمند بود. و در عین حال روشنگر هم بود: مقایسه‌های کنار هم نشان می‌دادند گوگل کجا ضعیف‌تر عمل می‌کند و از کجا می‌تواند یاد بگیرد.

آیا این یعنی دزدی؟ نه به معنای دقیق کلمه. مهندسان تأکید می‌کردند که تیم هرگز به سرورهای رقبا نفوذ نکرده یا کد اختصاصی را برنمی‌داشت. آن‌ها خروجی‌های عمومی را تحلیل می‌کردند، از جمله اسنیپت‌ها، رتبه‌ها و رفتارهای قابل مشاهده سیستم‌های رقیب، و از آن‌ها به‌عنوان بازخورد استفاده می‌کردند. تصور کنید به تابلوی امتیازات نگاه می‌کنید، نه به دفترچه تاکتیک‌ها.

ما خروجی‌ها را مقایسه می‌کردیم؛ نه نفوذی انجام می‌دادیم و نه کدشان را کپی می‌کردیم.

چرا این موضوع امروز اهمیت دارد؟ چون تاکتیک‌هایی که برای آموزش و آزمایش الگوریتم‌های جست‌وجو استفاده می‌شوند، تعیین می‌کنند کاربران چه چیزی را می‌بینند. روش‌های مرحله‌های اولیه مانند تقطیر، توسعه را شتاب می‌دادند و به تیم‌ها کمک می‌کردند موارد مرزی و نقاط شکست را سریع‌تر از آنچه تست داخلی به‌تنهایی ممکن می‌کرد، شناسایی کنند. در بسیاری از جهات، این مقایسه‌ها نوعی کنترل کیفیت مداوم بودند؛ آینه‌ای که روبه‌روی یک محصول نوپا گرفته می‌شد.

این روایت همچنین نگاه رایج به نوآوری را بازتعریف می‌کند. رقابت همیشه به معنای دزدی مخفیانه و توطئه‌گونه نیست. گاهی شبیه دو بچه در حیاط‌های مجاور است که می‌بینند دیگری چگونه یک رمپ بهتر برای اسکیت‌برد می‌سازد و بعد برای بهبود طراحی خودشان آزمایش می‌کنند. تکرار سریع‌تر. تاب‌آوری بیشتر. نتیجه بهتر برای کاربران.

روایت فریدبرگ یادآور این است که موتورهای جست‌وجو به همان اندازه که از نظریه رشد کردند، از عمل‌گرایی هم شکل گرفتند. این ماجرا پرسش‌های تازه‌ای درباره شفافیت و اخلاق در توسعه الگوریتم‌ها مطرح می‌کند، به‌ویژه حالا که سامانه‌های یادگیری ماشین می‌توانند حجم عظیمی از خروجی‌های عمومی را دریافت و تقلید کنند. تحلیل مقایسه‌ای تا کجا باید پیش برود؟ چه کسی تعیین می‌کند چه چیزی منصفانه است؟

گذشته، در نهایت، یک آزمایشگاه مفید است. و همان‌طور که فناوری جست‌وجو همچنان تغییر می‌کند، آداب بررسی کار همسایه هم تغییر خواهد کرد؛ برای الهام گرفتن، نه برای تصاحب.