Google發表可讓查詢更加精準快速的語言模型MUM

Google發表了一個稱為多任務統一模型（Multitask Unified Model，MUM），能夠讓用戶以較少的查詢快速獲得想要的答案，對複雜任務提供如同專家的回應。

不少搜尋任務，需要用戶輸入許多查詢並且執行多次搜尋後，才能獲得所需要的答案，Google以登山者使用情境來說明查詢會遇到的問題，以及MUM能夠解決這個問題的原因。Google假設當用戶已經去過亞當斯山，計畫明年秋天要去富士山，想要在Google查詢該做的準備。

針對這樣的情境，現階段Google可以提供許多資訊，但是都必須要使用者經過深思熟慮後進行搜尋，像是分別搜尋每座山的海拔、秋天的平均氣溫、行走路徑的難度和正確的裝備等。整合經過多次搜尋的結果，用戶就可以得到需要的答案。但是詢問登山健行專家就會以不同的問題進行，用戶可以詢問「我應該做什麼準備」這種開放式的問題，並且獲得一個考慮周到的答案，包括兩座山的差異，以及許多需要考慮的事項。

爬山查詢僅是一個例子，官方提到，Google用戶每天都會需要查詢並解決各種任務，這些任務可能需要許多步驟，他們發現，用戶要解決複雜的任務，平均需要發出8個查詢，他們認為，現今的搜尋引擎都不夠完善，無法以專家的方式回答。

而Google發展出了MUM技術，試圖簡化這些複雜查詢任務，MUM如同語言模型BERT一樣，建立於Transformer架構之上，但功能更加強大，MUM不僅可以理解語言，還可以生成語言。MUM接受了75種語言和多種任務訓練，可以比過去模型更全面地了解資訊和世界知識，而且MUM具有多模態（Multimodal）特性，能夠理解文字和圖像中的資訊，並且在之後還可以擴展理解視訊或是音訊等更多形式的內容。

在上述用戶想要爬富士山的案例，MUM可以理解用戶正在比較兩座山，因此海拔和步道訊息是相關資訊，另外，MUM也可以理解在登山遠足的活動背景下，可能需要準備運動或是合適的裝備。由於MUM具有理解世界的知識，因此能夠告訴用戶，雖然兩座山海拔相似，但是秋天會是富士山的雨季，因此用戶可能需要防水手套。而MUM還會提供延伸主題，包括針對登山的頂級裝備和最佳訓練資訊，呈現網路中有用的文章、影片和圖像。

Google會針對MUM進行有關機器學習偏見的研究，避免將偏見引入到系統中，並且減少訓練MUM的碳足跡，確保搜尋能夠高效執行。目前MUM仍處於探索初期，但Google提到，在幾個月後他們會逐漸開始在產品中加入MUM，以提供更好的服務。