搜索引擎发展分为3个阶段：
1、组织网络，让信息可供使用；2、语言关联，一句话与另一句话什么联系，同义词转换怎么实现，计算机如何处理；3、新的人工智能和人工交互领域以及整个世界的数字模型；
搜索包括辨别同义词、补充输入的同义词、句子以及问题，修正语法，整合消息、图片和视频。
怎样自动将一个模糊的搜索请求补充完整。
教会机器系统理解人类交流中的细微差别。 哲学家路德维希·维特根斯坦的语境理论为戈麦斯提供帮助，理论详细说明了上下文对字句含义的影响；
现有算法还不能将所有情况作为一个问题的答案全部总结起来。
知识图谱——事物之间不可见的联系展示出来。
2011~2015google在超过6亿个地点、人物、物品之间建立500多亿条这样的联系。
计算机通过算法读取所有数据库（从维基百科到存档信息），进行分析，然后进行信息关联；
框计算：所有信息汇聚到一个小框中。
Google语音识别系统还可以利用知识图谱来更好的理解语言并修正。
如：搜柏林 可能由于口音识别不清，但是 说德国柏林 则根据德国排除了因含糊不清而产生的其他搜索结果。
Google开发的个性化语音助手google now 类似box，已电子卡片的形式出现在用户手机中
还组织了几千名用户进行大型研究，每天多次询问，此时的需求而应用程序要如何满足需求。
深度学习-人工神经网络领域的研究，基于的一个极端观点为人的智慧根据俄只有非常少的几种甚至只有1种算法。
关于搜索中产品作用的看法：
1、搜索是一个技术主导的产品，所以算法是整个产品的基础。而产品经理做的则是围绕算法进行的，而不是独立创造出某个功能
应该做的事是寻找一个合适的场景，对算法的效果进行包装，使得包装后的效果可以很好的改进产品体验，把产品最大价值体现出来。
但是前提是，你的搜索算法需要达到一个及格的状态。
所以首先你要学会评估现有的算法的优质程度，这里就是拆分问题。
1、首先要让你的数据有测试环境（场景）、让数据可视化（便于与场景结合从而评判数据）
2、数据出来后，首先评判数据是否有错误（搜 google网站 出来了 新浪）；其次排序，再看落地页（具体的呈现信息的质量）；最后看下其他影响排序的因素是否达标（地理位置、时间——时效性等）。从而可以帮助技术确定算法的优化方向——梳理了问题，剩下就是解决问题。这之后就是确立量化标准/核心指标从而可以检验技术同学的优化效果，最后是通过评测来驱动算法改进。
搜索不像其他产品，用户对自己的搜索意图可能描述不清，也可能搜索算法的问题导致有些关键词的搜索质量较差，但可能改一个同样意思不同表达的词，就可以出现令人满意的结果，那这也涉及到引导。
有点像大禹治水方法，疏导为主--疏通用户与真实需求的路径。
3、在搜索结果不变的情况下，可以优化用户的搜索路径，如搜索的第一步就是录入，而用户的水平有高有低，所以表达也有准确和不准确，怎么保证不准确的用户也能搜到自己想要的过此时有2个产品，一个是“为您推荐”一个是“下拉框”都是通过一输入的内容最匹配词和搜索质量最好的词显示，从而帮助用户快速找到自己需要的信息。这种也算是在搜索质量没办法突然跃升时一种扬长避短的方式。
以上是我对搜索产品的现阶段理解。仅供参考。
