前谷歌搜索工程师（2019-2023）

> 他当时反对其他搜索负责人，认为谷歌应该减少使用机器学习 这更符合我本人对谷歌搜索质量下降的体验：似乎与机器学习的使用增加有关，谷歌在其中投入的机器学习越多，我得到的结果就越差。

我在Singhal任职期间参与过排名工作，看到“不使用黑盒机器学习排名”的立场确实令人耳目一新。

感谢你写了这篇有见地的文章。 大型公司未能将自己拆分成像维珍集团（Virgin Group）那样的非孤岛式实体所出现的病态。保持成功初创公司的做法，与官僚主义、派系斗争和不断膨胀的代码库作斗争，这虽然困难，但比追逐短期利润、庞大的代码库、机构惯性、妨碍客户体验并排挤优秀技术人才和领导的公司文化要好得多。 我惊讶于这里没有更多人决定“算了，MAANG这些巨型公司太危险，而且不再代表它们的初衷”，并成立由员工所有的合作社，做MAANG公司所做的事，但做得更好，同时以长期的商业可持续性、长期任职、像初创公司时期的员工福利以及积极的文明文化作为核心使命。

简洁始终是成功的关键，不幸的是，大多数工程师都像飞蛾扑火一样被复杂性吸引。 如果他们无法在机器学习搜索和非机器学习搜索之间进行一些A/B测试，他们100%活该失败。 目前缺乏足够的工程师站出来反对机器学习。

无论是否使用机器学习，SEO垃圾信息某种程度上摧毁了搜索。如今几乎不可能通过有趣的人找到真正的网站。几乎所有结果都是Reddit、YouTube、内容营销或SEO垃圾信息。而谷歌在这里的失败摧毁了传统的博客圈（Medium和Substack稍微算数），个人网站和论坛。 YouTube也正在发生同样的事情。感觉就像除了推广者在推动内容以获取关注者来卖广告或其他东西之外，什么都没有。因为其他人视频根本不会出现。只有一百万人利用算法，而唯一赢家是花最多时间在上面的人。顺便说一句，我愿意注册他们的Patreon，可能还会报名他们的在线课程吗？

很高兴你分享了这个。 在我读这篇文章之前，我的观点是，对机器学习的不加批判的过度依赖是导致谷歌搜索（以及整个谷歌）变得越来越差的原因。谷歌似乎给了机器学习模型完全的自由，而不是使用80/20法则处理那些普通常见的情况，而把困难的问题留给人类。 我现在认为两种解释都可能是正确的。毕竟，还有什么比越来越多的核心算法变成黑箱更能掩盖产品逐渐变差的呢？管理层可以轻易为它的成功归功，而把失败归咎于不透明性。毕竟，"代码黄色"最初被提出是因为搜索增长似乎停滞了。为什么会这样？是我们分析师制造了危机，还是搜索已经有所下降？

> 他写过一份内部文件，其中他反对其他搜索负责人，认为谷歌应该尽量少使用机器学习，或者至少加以限制，这样排名仍然可以被人类搜索工程师调试和理解。 这里有很多对机器学习的仇恨，而我却看不到其他选择。 要对文档进行排序，你需要对它们进行评分。谷歌使用了数百个评分因素（我见过有人提到200这个数字，但如果是5或1000其实并不重要。关键是你要把这些权重加起来，得到一个单一的数字，以确定一个结果应该在另一个结果之上还是之下。 所以，如果： - 文档A长度为2Kb，有14个拼写错误，与你的两个关键词完全匹配，与另一个关键词的同义词匹配，并且是在18个月前发布的，而 - 文档B长度为3Kb，有7个拼写错误，与你的一个关键词完全匹配，…

@gregw134 感谢分享！我从未在谷歌工作过，但非常好奇当你在最后一行说“需要发布”时，工程背景是怎样的。