Google以為我已經死了。但我想告訴它，我還活著。
這來自《紐約時報》記者Rachel Abrams的一篇「公開吐槽信」。上週的某一天，這位記者驚愕地發現，自己在Google的搜尋結果中，默默地「被死亡」了。
在把自己的名字「Rachel Abrams」鍵入到Google的搜尋框中之後，頁面顯示出了她在《紐約時報》網站上的工作證件照片，但關聯到的人物介紹卻是另一個同名的美國作家。而這位「Rachel Abrams」，已經於2013年去世了。
掌握最新AI、半導體、數位趨勢！訂閱《數位時代》日報及社群活動訊息
我的父親很詫異地給我發了一則確認的簡訊，身邊的熟人也提醒我去查看這條顯示我已經「死亡」的信息。我意識到，這個錯誤可能必須得去更正一下了。
於是為了證明「自己還活著」，她開始了「維權」之路。
漫漫「維權」路
由於這個錯誤出現在Google的搜尋結果中，找Google糾錯就成了Rachel能想到的首要解決方案。
但她很快發現，作為全世界最知名的科技公司之一，Google並沒有提供客服熱線這種東西。相反，他們更傾向於使用自助式的「線上回饋」。
我不是很能肯定，在這麼多的「回饋」（Feedback）選項中，到底哪一個才真正適用。
（在Google搜尋結果中點擊「回饋」之後，頁面會出現數量眾多的選項按鈕。）
「他們可能確實在某個地方有提供這樣的電話號碼，但是他們的確更希望大家可以透過網路或者線上的管道來解決問題。」ReputationDefender公司的負責人Rich Matta說道。他的公司，專門幫助用戶修改他們在網路上的不實訊息。
從我多年的經驗來看，這種沒有涉及非常明顯的違法或侵權行為的申訴，往往很難透過提交糾錯申請來達成。大多數人會被過程中的各種複雜狀況或者問題所困擾，他們甚至不知道該從何做起。
這樣的問題就發生在Rachel的身上。
她先是嘗試聯絡了Google的公司聯絡部門，表明了自己的記者身份和遇到的問題。隨後，一位Google發言人回覆給她一個連接，這個連結指向了Google知識圖譜（Knowledge Graph）的幫助頁面。
Google知識圖譜是Google於2012年推出的一個訊息知識庫，透過語義檢索從多種來源中收集信息，以提高搜尋的精確性。包含有她錯誤信息的頁面搜尋結果，就來自Google知識圖譜。
當她按照那位發言人的建議進入知識圖譜的幫助頁面填寫回饋時，問題來了：想要修改詞條需要先確認自己的身份，而在確認自己身份的四個選項中，她陷入了某種「自我認知障礙」。
選項一：你是這個詞條相關的官方網站、YouTube頻道或者Google+頁面的所有者。（好像不太對）
選項二：你是以一個官方、所有者的身份登入Google的。（這個好像也不對）
選項三：你的網站或者app仍然在活躍狀態。（不懂這是什麼意思）
選項四：你被添加進了官方網站的搜尋控制台。（？？？）
一頭霧水的她決定先隨便選一個。然後在頁面的末尾，她終於找到了一個可以讓她自己填寫申訴緣由的頁面，而這，還是用來回饋前面「自助服務」是否有用、如何改進的地方。
很顯然，這個舉動並不能幫她解決問題。於是，她決定直接給Google總部打個電話。
雖然又經歷了漫長的熱線等待，但她終於找到了一個人類員工接電話。這位Google員工，再次讓她填寫一份線上幫助表格，而且，最好是能在接下來的一段時間持續不斷地反覆提交，盡量使用不同的IP位址，或者讓朋友幫助你提交。只有這樣，才能透過「高關注度」來把申訴頂到前面去，引起重視。這位員工還好心地提醒她，這種修改知識圖譜的操作，可能會花費最短三週、最長三個月的時間。
終於，她真的太生氣了，決定直接寫信給Google CEO Sundar Pichai。同時，好好利用一下自己的記者身份，把整件事寫下來，製造一些「輿論壓力」。
這一次，她的努力終於有了點回報。雖然沒能等來Pichai的回覆郵件，但幾個小時之後，她的照片被從錯誤的頁面上撤了下來。
終於成功「復活」了。
知識圖譜真的靠譜嗎？
整件事情看下來，雖然Rachel吐槽的點集中在Google的錯誤回饋系統，但如果從源頭開始算起，最先出錯的，其實是那個被視為Google新一代搜尋核心的知識圖譜（Knowledge Graph） 。
自從2012年正式發布之後，這個幾乎是海納百川的大型知識信息庫，就成為了Google原來基礎搜尋的強有力的補充。用戶可以省去自己篩選結果的過程，直接看網頁右側由知識圖譜生成的「小百科」。
根據介紹，Google知識圖譜主要有以下幾種數據來源：
- 以詞條為基礎的大規模知識庫（包括維基百科、Freebase、DBpedia、YAGO 以及其他專業領域知識庫等）
- 線上連結數據（即在開放互聯的萬維網之中的多個數據連結）
- 網頁文本數據
在這幾種動態數據源的支援下，知識圖譜所收錄的數據信息在不斷地更新，在2012年剛發布的時候就已經收錄了超過5億個詞條和多達35億條信息量。海量的數據，意味著知識圖譜所帶來的搜尋結果將更加精準。
更為重要的是，知識圖譜並不像傳統的搜尋引擎一樣，只是機械式地提供相關的匹配結果，它利用多種智慧信息處理技術，比如實體鏈指（Entity Linking）、知識推理（Knowledge Reasoning）等，更加「聰明」地為用戶提供他們真正需要的搜尋結果。
負責這個專案的Google高階副總裁Amit Singehal把這種全新的搜尋體驗歸納為三點：找到正確的東西、得到最好的歸納總結、走得更深更遠。在知識圖譜的介紹文章中，他寫道：
借助知識圖譜，我們可以透過實體（things）而非字符串（strings），去了解現實世界中的各種事物，以及他們之間的關係。
舉個簡單的例子，當我們搜尋「蘋果」時，加入知識圖譜的搜尋結果，除了會顯示作為水果的蘋果之外，還會自動匹配出科技公司「蘋果」，以及與蘋果公司相關的資訊、商店等信息。這是一個經過篩选和重組的完整知識塊，具有邏輯和條理，所包含的語義也更豐富。
在更進一步的應用中，它還可以實現更加智慧的基於知識庫的自然語言查詢。比如當你直接在搜尋框中輸入「湯姆·克魯斯有多高」時，返回的結果就是「170公分」。
除了Google之外，引入知識圖譜正在成為搜尋引擎界的一個發展趨勢。百度的「知心」，搜狗在娛樂和醫療領域的知識圖譜，都利用了同樣的原理。
但海量數據的加入也意味著，它們之間的邏輯連結會變得更加複雜。知乎上一位從事Google知識圖譜開發的工程師就認為，目前最難也最需要抓緊解決的問題，就是「如何將來自不同數據源的相同實體聚類」，比如電影數據中的「劉德華」，和音樂數據中的「劉德華」，就需要利用自動化的演算法來聚合在一起。
Rachel的這次「被死亡」，正是在這個環節出了問題。她的照片雖然也對應著「Rachel Abrams」，但顯然不是在搜尋那位已故的作家時，應該出現在知識圖譜結果中的正確匹配信息。
除了基於計算機深度學習的自動匹配之外，Google還為知識圖譜加入了人工編輯和校對。但為了盡量避免人工操作所帶來的潛在問題，他們也採取了一系列比較嚴格的審核和糾錯機制。在回覆Rachel的申請時，Google發言人就提到：
要在加快修改速度和保證結果的準確性之間尋找一個平衡點，是一件非常重要的事情。
但考慮到用戶的使用體驗，還是希望Google能夠改進一下用戶的回饋機制。畢竟不是每個人都能像Rachel一樣，可以直接在《紐約時報》上發文章喊話。
本文授權轉載自：愛范兒
