Google发表可让查询更加精准快速的语言模型MUM

Google发表了一个称为多任务统一模型（Multitask Unified Model，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。

不少搜寻任务，需要用户输入许多查询并且执行多次搜寻后，才能获得所需要的答案，Google以登山者使用情境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。

针对这样的情境，现阶段Google可以提供许多资讯，但是都必须要使用者经过深思熟虑后进行搜寻，像是分别搜寻每座山的海拔、秋天的平均气温、行走路径的难度和正确的装备等。整合经过多次搜寻的结果，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，建立于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资讯和世界知识，而且MUM具有多模态（Multimodal）特性，能够理解文字和图像中的资讯，并且在之后还可以扩展理解视讯或是音讯等更多形式的内容。

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，因此海拔和步道讯息是相关资讯，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资讯，呈现网络中有用的文章、影片和图像。

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，确保搜寻能够高效执行。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。