Notas semanales - Semana 6 - (SEO & IA)

Otro indicio de que el comportamiento de los usuarios está cambiando, You.com describe en una frase de este artículo el cambio que ha hecho la empresa en un año, de ser un buscador a ser un asisntente de IA.

El artículo habla sobre cómo evaluar y manejar los estereotipos sociales en la IA IA.

Cuándo hablamos no siempre expresamos directamente lo que queremos decir, ni falta que hace, porque tienen un significado ímplicito de por sí. Sin embargo, los modelos de lenguaje actuales tienen dificultades en reconocer inferencias implícitas.

La inferencia implícita es el proceso mediante el cual se extrae información o significado de un texto sin que esté expresado de manera explícita. Es decir, se trata de deducir algo que no se dice directamente, pero que se puede inferir a partir del contexto, el conocimiento del mundo o las reglas del lenguaje.

Ejemplo:

"Alex caminó hacia la caja en el supermercado. El cajero le preguntó si había traído una bolsa para sus compras. Con un gruñido molesto, Alex se maldijo por haber olvidado y le dijo al cajero que tenía que comprar una bolsa esa noche."

Inferencias Explícitas:

• Alex fue a la caja en el supermercado.
• El cajero preguntó si tenía una bolsa.
• Alex olvidó llevar una bolsa y decidió comprar una.

Inferencias Implícitas:

• Alex está molesto porque olvidó traer su bolsa.
• El supermercado no proporciona bolsas gratuitas.
• Alex probablemente es alguien que suele llevar su propia bolsa (de lo contrario, no estaría tan molesto).

¿Cómo llevó Yelp.com el uso de LLMs a millones de búsquedas diarias?

Yelp, la gran plataforma de reseñas, también comparte cómo hace las cosas internamente, en este artículo muestran como segmentan y clasifican las búsquedas de los usuario y cómo usan los errores ortográficos para "vitaminar" la query.

En su proceso, realizaba dos tareas diferentes: 

• Segmentación de consultas : dada una consulta, quieren segmentar y etiquetar las partes semánticas las consultas. Por ejemplo, “restaurantes que aceptan mascotas en sf abiertos ahora” podría tener la siguiente segmentación: {tema} restaurantes que aceptan mascotas {ubicación} sf {tema} {hora} abiertos ahora. Esto les vale por ejemplo para añadir a la frase de búsqueda del usuario el el nombre de la localización si procede y así que coincida mejor con la intención del usuario.
  
  
• Frases y fragmentos destacados de reseñas : mostrar en cada resultado de una búsqueda el fragmenteo de texto a destacar que muestre la información más útil para que el usuario tome la decisión correcta de si le interesa o no acceder es un arte. Los SEOs llevamos viéndolos en las Serps muchos años... Pues eso es lo que explican, por ejemplo, si un usuario busca "cena antes de un espectáculo de Broadway", ponen en negrita la frase "cena previa al espectáculo" como fragmento de reseña es estp una información muy útil para el usuario.
  

Añadieron una metaetiqueta para marcar las secciones que habían sido corregidas ortográficamente y añadieron al texto de consulta de entrada los nombres de las empresas que ya se han visto para esa consulta. Según dicen "esto ayuda al modelo a aprender y distinguir las muchas facetas de los nombres de las empresas de los temas, ubicaciones y errores ortográficos comunes. Esto es muy útil tanto para la segmentación como para la corrección ortográfica (por lo que fue otra razón para combinar las dos tareas)"

Me encantan este tipo de artículos, que no son simplemente teoría sino implementaciones en el mundo real.

Jared Palmer (vicepresindente de Vercel) confiesa que han estado ocultando partes de las respuestas de la versión v0 a los usuarios desde septiembre. Tras el lanzamiento de la experiencia web de DeepSeek y su positiva recepción, se dan cuenta de que fue un error.

A partir de ahora, mostrarán la salida completa de v0 en cada respuesta para mejorar la experiencia del usuario (UX), haciéndola sentir más rápida y enseñando a los usuarios finales cómo realizar indicaciones (prompts) de manera más efectiva.

Para más explicaciones en mi artículo ¿Cómo decide Google que URL debe rastrear? hablo sobre este paper.

Los sistemas de recomendación modernos a gran escala, como el de Pinterest, suelen tener múltiples etapas. La recuperación (retrieval) selecciona candidatos de miles de millones de usuarios que tiene la plataforma, y el ranking predice con qué pins interactuará un usuario. Anteriormente, Pinterest usaba métodos heurísticos (reglas predefinidas), como gráficos de pines y Pin-Board graphs o intereses de cada usuaro.

El artículo describe el sistema que Pinterest usa para su buscador, basado en embeddings, aprendido a partir de las interacciones de los usuarios.

El sistema utiliza una arquitectura de "dos torres" (two-tower). Hay dos redes neuronales separadas:

• Torre de Consulta (Query Tower): Procesa la información del usuario (consultas, historial, etc.) y genera un embedding que representa al usuario.

• Torre de Candidato (Candidate Tower): Procesa la información de los pines (imágenes, texto, etc.) y genera un embedding que representa al pin.

La similitud entre los embeddings del usuario y del pin se calcula (normalmente usando el producto escalar o la distancia coseno) para determinar la relevancia. El modelo se entrena con datos de interacción del usuario (clics, pins guardados, etc.).

Las partes principales del sistema son:

• Generación de Candidatos (Learned Candidate Generation): Este es el componente central, que utiliza el modelo de dos torres para recuperar pines relevantes.

• Entrenamiento Automatizado: El modelo se reentrena periódicamente con nuevos datos para mantener la precisión y adaptarse a los cambios en el comportamiento del usuario.

• Sincronización de Versiones: Se asegura de que los artefactos del modelo (pesos, embeddings, etc.) estén sincronizados entre el entrenamiento y el servicio en producción.

• Servicio en Producción: El sistema se implementa en el entorno de producción de Pinterest, atendiendo a millones de usuarios. Se integra con otros generadores de candidatos existentes.

El blog técnico de Pinterest está lleno de joyas, tiene artículos desde hace años mostrando y explicando cómo va mejorando su sistema de búsquedas, recomiendo bucear en su blog buscando las perlas que puedan ayudarte :)