信不信由你，关键词查询在网络搜索中所占的比例越来越小。得益于Google Lens、Bing Visual Search等工具的支持，计算机视觉算法的驱动力超过了它们的公平份额，支持Alexa、Google Assistant等智能助手的自然语言处理模型也是如此。越来越多的媒体合成是微软转向另一种AI技术——空间分区树和图(SPTAG)来更好地分析搜索的原因之一。它现在可以在开源中使用，有一些示例技术和附带的视频。

正如微软在一篇博客文章中解释的那样，SPTAG使开发人员能够使用结果来发现AI，而AI是以毫秒为单位用向量来表示的——单词、图像像素和其他数据点。微软表示，SPTAG(用C语言编写，Python封装)是Bing搜索服务的核心，用于帮助公司的研究人员“更好地理解”数十亿次网络搜索背后的意图。

要了解它的功能，请尝试点击搜索查询“巴黎的塔有多高？”看着冰。它会得到正确的答案——1063英尺——虽然“埃菲尔”这个词没有出现在问题中，但“高”这个词从未出现在结果中。

那么它是如何工作的呢？分配给数据位的向量可以排列或映射，以指示彼此的相似性。这些近端结果显示给用户；在Bing中，在搜索之后，扫描索引向量以提供最佳匹配。此外，这些任务还用于训练模型，模型考虑输入，如搜索后的最终用户点击，以“更好地理解搜索的含义”。

微软表示，必应搜索迄今已收集了超过1500亿条数据，包括单词、字符、网页片段和完整查询。Bing的项目经理Jeffrey Zhu说：“Bing每天要处理数十亿份文档。现在的想法是，我们可以将这些项目表示为向量，在这个超过1000亿个向量的巨大索引中进行搜索，并在5毫秒内找到最相关的结果。

Bing团队预计，开源SPTAG可以用于构建应用程序，根据音频片段识别正在使用的语言，或者允许用户拍摄花卉图片并识别其属种。

Bing集团项目经理Rangan Majumder表示：“当人们提问或者拍照，问搜索引擎‘这是什么’，关键词搜索算法就会失效。”“我们刚刚开始探索在这种深度的矢量搜索中有什么可能。”