Google BERT và MUM Là Gì? Hai Bước Ngoặt Đưa AI Vào Google Search

Mục lục nội dung

Từ việc chỉ phân tích từ khóa, Google đã chuyển sang khả năng hiểu ngữ cảnh, ý định tìm kiếm và thậm chí tổng hợp thông tin từ nhiều loại dữ liệu khác nhau nhờ BERT và MUM. Trong bài viết này, bạn sẽ hiểu BERT và MUM hoạt động như thế nào, chúng khác gì với RankBrain, đồng thời biết cách tối ưu nội dung để phù hợp với hệ thống tìm kiếm dựa trên AI của Google.

Tổng quan về Google BERT và MUM biểu thị cơ chế xử lý ngôn ngữ tự nhiên và đa phương thức

Google BERT là gì và hoạt động như thế nào?

BERT là bước tiến lớn của Google trong việc ứng dụng trí tuệ nhân tạo vào công cụ tìm kiếm. Thay vì chỉ phân tích từng từ khóa hoặc mối liên hệ giữa các khái niệm, BERT giúp Google hiểu ý nghĩa của cả câu dựa trên ngữ cảnh. Nhờ đó, công cụ tìm kiếm có thể diễn giải chính xác hơn các truy vấn phức tạp và lựa chọn nội dung phù hợp với nhu cầu thực sự của người dùng.

BERT là gì?

BERT là viết tắt của Bidirectional Encoder Representations from Transformers, mô hình xử lý ngôn ngữ tự nhiên được Google giới thiệu vào tháng 10 năm 2019.

Khác với các bản cập nhật thuật toán trước đây, BERT không phải là một tín hiệu xếp hạng mới mà là mô hình AI giúp Google hiểu ngôn ngữ tự nhiên tốt hơn. Theo Google, đây là một trong những bước tiến quan trọng nhất của Search trong nhiều năm và ban đầu được áp dụng cho khoảng 10% truy vấn bằng tiếng Anh, chủ yếu là những truy vấn dài hoặc có cấu trúc phức tạp.

Nền tảng của BERT là Transformer, kiến trúc học sâu do Google Research công bố năm 2017 trong nghiên cứu Attention Is All You Need. Transformer cho phép mô hình xem xét mối quan hệ giữa tất cả các từ trong câu cùng một lúc thay vì đọc tuần tự từng từ như các mô hình trước đó.

Kiến trúc này cũng trở thành nền tảng cho nhiều mô hình AI hiện đại, bao gồm GPT của OpenAI, Gemini của Google và nhiều hệ thống xử lý ngôn ngữ khác.

BERT hiểu ngữ cảnh như thế nào?

Điểm khác biệt lớn nhất của BERT là khả năng Bidirectional Understanding, tức hiểu câu theo cả hai chiều.

Các mô hình NLP (Natural Language Processing) trước đây thường đọc văn bản từ trái sang phải hoặc từ phải sang trái. Điều này khiến việc xác định ý nghĩa của một từ phụ thuộc vào lượng thông tin đã đọc trước đó.

BERT lại xử lý toàn bộ câu đồng thời, giúp mỗi từ được diễn giải dựa trên tất cả những từ còn lại trong câu. Nhờ vậy, mô hình có thể hiểu chính xác ngữ cảnh và mối quan hệ giữa các thành phần trong câu.

Sơ đồ mô hình Google BERT và hệ thống phát triển các thuật toán xử lý ngôn ngữ tự nhiên NLP.
Mô hình Google BERT trong xử lý ngôn ngữ

Điều này đặc biệt quan trọng với các từ chức năng như to, for, from, with, without hay of. Dù rất ngắn, những từ này có thể làm thay đổi hoàn toàn ý nghĩa của truy vấn.

Ví dụ nổi tiếng được Google sử dụng khi giới thiệu BERT là:

2019 brazil traveler to usa need a visa

Trước BERT, Google có xu hướng hiểu sai đối tượng của câu hỏi vì chưa xác định đúng vai trò của từ to. Sau khi áp dụng BERT, hệ thống hiểu chính xác đây là câu hỏi về công dân Brazil đến Mỹ có cần visa hay không, từ đó trả về kết quả phù hợp hơn.

Khả năng hiểu ngữ cảnh này giúp Google xử lý hiệu quả các truy vấn hội thoại, câu hỏi dài và những tình huống mà chỉ phân tích từ khóa sẽ không đủ để xác định đúng ý định tìm kiếm.

BERT thay đổi Google Search ra sao?

Việc tích hợp BERT giúp Google cải thiện đáng kể khả năng hiểu cả truy vấn của người dùng lẫn nội dung trên website.

Đối với truy vấn tìm kiếm, Google không còn tập trung vào việc đối sánh từ khóa mà phân tích toàn bộ câu để xác định mục đích thực sự của người tìm kiếm. Điều này đặc biệt hữu ích với các truy vấn dài, câu hỏi tự nhiên và những tìm kiếm bằng giọng nói.

Ở chiều ngược lại, BERT cũng giúp Google hiểu nội dung trên trang web sâu hơn. Thay vì chỉ xác định bài viết nói về chủ đề gì, Google có thể đánh giá từng đoạn văn đang trả lời câu hỏi nào và mức độ liên quan đến truy vấn.

Nhờ khả năng hiểu ngữ cảnh tốt hơn, Google cũng cải thiện chất lượng của Featured Snippet, lựa chọn những đoạn nội dung trả lời trực tiếp câu hỏi thay vì chỉ ưu tiên đoạn chứa nhiều từ khóa nhất.

Đến năm 2020, Google tiếp tục giới thiệu Passage Ranking. Công nghệ này cho phép hệ thống xác định và xếp hạng một đoạn nội dung cụ thể trong bài viết dài nếu đoạn đó trả lời chính xác truy vấn của người dùng.

Ví dụ, một bài viết dài 5.000 từ về SEO có thể được xếp hạng cho truy vấn “Google BERT là gì” chỉ nhờ một phần nội dung giải thích BERT, dù toàn bộ bài không tập trung hoàn toàn vào chủ đề này.

Passage Ranking không phải là BERT, nhưng được xây dựng dựa trên khả năng hiểu ngữ cảnh mà BERT mang lại.

Tác động của BERT đến SEO

Sự xuất hiện của BERT khiến nhiều kỹ thuật SEO cũ trở nên kém hiệu quả.

Trước đây, việc lặp lại từ khóa nhiều lần hoặc cố gắng tối ưu từng cụm từ khóa có thể giúp Google hiểu nội dung. Tuy nhiên, khi công cụ tìm kiếm đã có khả năng đọc hiểu ngữ cảnh, chất lượng thông tin và cách triển khai nội dung trở nên quan trọng hơn mật độ từ khóa.

Để phù hợp với BERT, người làm SEO nên ưu tiên viết theo ngôn ngữ tự nhiên, sử dụng câu hoàn chỉnh và diễn đạt giống cách người dùng đặt câu hỏi.

Bên cạnh đó, mỗi chủ đề cần được trình bày đầy đủ bối cảnh thay vì chỉ trả lời một phần vấn đề. Nội dung càng bao quát và giải thích rõ mối liên hệ giữa các khái niệm thì Google càng dễ xác định mức độ phù hợp với truy vấn.

Ngoài ra, nên tổ chức bài viết thành các phần nội dung rõ ràng với tiêu đề mô tả chính xác nội dung bên dưới. Mỗi H2 hoặc H3 nên mở đầu bằng một đoạn trả lời trực tiếp câu hỏi của người đọc trước khi đi sâu phân tích. Cách trình bày này không chỉ cải thiện trải nghiệm người dùng mà còn giúp Google dễ hiểu từng phần nội dung và tăng khả năng xuất hiện trong Featured Snippet hoặc Passage Ranking.

Có thể nói, BERT không thay đổi tiêu chí xếp hạng theo hướng ưu tiên từ khóa mới mà thay đổi cách Google đọc và hiểu nội dung. Đây cũng là nền móng để Google tiếp tục phát triển MUM và các hệ thống AI Search hiện đại trong những năm tiếp theo.

Google MUM và bước tiến của AI đa phương thức

Nếu BERT giúp Google hiểu ngữ cảnh của một câu, thì MUM tiếp tục mở rộng khả năng đó lên một cấp độ mới. MUM không chỉ xử lý ngôn ngữ tự nhiên mà còn có thể suy luận trên nhiều ngôn ngữ và nhiều loại dữ liệu khác nhau như văn bản, hình ảnh, video và âm thanh. Đây là bước tiến quan trọng giúp Google tiến gần hơn đến mục tiêu trả lời những câu hỏi phức tạp thay vì chỉ hiển thị danh sách kết quả tìm kiếm.

MUM là gì?

MUM là viết tắt của Multitask Unified Model, được Google công bố tại sự kiện Google I/O 2021.

Theo Google, MUM mạnh hơn BERT khoảng 1.000 lần về khả năng xử lý và suy luận. Tuy nhiên, điểm quan trọng không chỉ nằm ở sức mạnh tính toán mà ở việc MUM được thiết kế để thực hiện nhiều nhiệm vụ cùng lúc trong một mô hình duy nhất.

Trong khi BERT chủ yếu tập trung vào việc hiểu ngôn ngữ, MUM có thể:

  • Hiểu câu hỏi của người dùng.
  • Phân tích thông tin từ nhiều nguồn.
  • Kết nối kiến thức giữa các ngôn ngữ.
  • Tổng hợp câu trả lời cho những truy vấn nhiều bước.

Điều này giúp Google tiến từ việc “hiểu câu hỏi” sang khả năng “tổng hợp câu trả lời” một cách toàn diện hơn.

Sơ đồ so sánh cơ chế hoạt động của Google MUM với mô hình tìm kiếm truyền thống
Mô hình Google MUM giúp hợp nhất quá trình truy xuất và xếp hạng thông tin tìm kiếm.

Ba khả năng nổi bật của MUM

MUM được xây dựng với ba khả năng quan trọng, tạo nên khác biệt so với các mô hình trước đó.

Multilingual

MUM có thể hiểu và xử lý khoảng 75 ngôn ngữ. Quan trọng hơn, nó không chỉ dịch từng từ mà có thể học kiến thức từ một ngôn ngữ và áp dụng cho truy vấn ở ngôn ngữ khác.

Ví dụ, nếu có một bài viết chuyên sâu bằng tiếng Nhật nhưng người dùng tìm kiếm bằng tiếng Việt, MUM có thể sử dụng thông tin từ bài viết đó để hỗ trợ tạo câu trả lời phù hợp.

Multimodal

Đây là điểm khác biệt lớn nhất giữa MUM và BERT. MUM có thể xử lý đồng thời nhiều loại dữ liệu như:

  • Văn bản.
  • Hình ảnh.
  • Video.
  • Âm thanh.

Thay vì chỉ đọc nội dung chữ, MUM có thể kết hợp thông tin từ nhiều định dạng để hiểu vấn đề đầy đủ hơn.

Multitask

MUM được thiết kế để thực hiện nhiều nhiệm vụ trong cùng một mô hình, chẳng hạn như:

  • Hiểu truy vấn.
  • Tìm kiếm thông tin liên quan.
  • So sánh các lựa chọn.
  • Tổng hợp câu trả lời.
  • Đề xuất bước tiếp theo.

Điều này khác với cách Search truyền thống, nơi Google chủ yếu trả về nhiều trang kết quả để người dùng tự đọc và tổng hợp.

Ví dụ Google minh họa về MUM

Khi giới thiệu MUM, Google đưa ra một ví dụ rất điển hình:

“Tôi đã leo núi Adams và muốn biết liệu mình có thể leo núi Fuji vào mùa thu hay không. Tôi cần chuẩn bị những gì?”

Đây là một câu hỏi phức tạp vì nó không thể được trả lời bằng một từ khóa đơn lẻ. Để đưa ra câu trả lời hữu ích, Google cần:

  1. Hiểu người dùng đã có kinh nghiệm leo núi Adams.
  2. So sánh độ khó giữa núi Adams và núi Fuji.
  3. Xem xét thời điểm mùa thu tại Nhật Bản.
  4. Tìm thông tin về thời tiết, trang bị và điều kiện leo núi.
  5. Tổng hợp tất cả thành một câu trả lời hoàn chỉnh.
Sơ đồ giải thích khả năng đa nhiệm của Google MUM trong việc xử lý đồng thời hình ảnh và câu hỏi phức tạp
Khả năng đa nhiệm của Google MUM cho phép phân tích hình ảnh và văn bản cùng lúc để đưa ra câu trả lời chính xác.

Trước đây, người dùng có thể phải thực hiện nhiều lần tìm kiếm khác nhau để thu thập từng phần thông tin. Với MUM, Google hướng tới việc hiểu toàn bộ câu hỏi và đưa ra câu trả lời tổng hợp hơn.

Ví dụ này cho thấy MUM không chỉ hiểu từng câu riêng lẻ mà còn hiểu mối liên hệ giữa các phần của câu hỏi, từ kinh nghiệm hiện có của người dùng đến mục tiêu tiếp theo và những điều cần chuẩn bị.

MUM đang được ứng dụng ở đâu?

Google cho biết MUM chưa được sử dụng như một tín hiệu xếp hạng chính cho toàn bộ kết quả tìm kiếm. Thay vào đó, công nghệ này được ứng dụng trong các tính năng Search nâng cao.

Google Lens

Người dùng có thể chụp ảnh một đối tượng và đặt thêm câu hỏi bằng văn bản. Ví dụ, chụp một đôi giày leo núi rồi hỏi liệu chúng có phù hợp để đi trong thời tiết mưa hay không.

About This Result

Tính năng này giúp Google cung cấp thêm ngữ cảnh về một kết quả tìm kiếm, bao gồm nguồn thông tin và mức độ liên quan.

AI Overviews

AI Overviews là nơi MUM và các công nghệ AI mới của Google phát huy rõ nhất. Hệ thống có thể tổng hợp thông tin từ nhiều nguồn để tạo ra câu trả lời trực tiếp cho người dùng.

Các tính năng Search mới

MUM cũng được sử dụng để hỗ trợ các trải nghiệm tìm kiếm mang tính hội thoại hơn, nơi người dùng có thể đặt câu hỏi tiếp theo mà không cần nhập lại toàn bộ ngữ cảnh.

Có thể nói, nếu BERT giúp Google hiểu ngôn ngữ tốt hơn, thì MUM mở ra khả năng hiểu thông tin theo nhiều chiều: nhiều ngôn ngữ, nhiều định dạng dữ liệu và nhiều bước suy luận. Đây cũng là nền tảng quan trọng cho các hệ thống AI Search hiện đại như AI Overviews.

BERT và MUM đặt nền móng cho AI Search hiện đại

BERT và MUM không chỉ là hai bản cập nhật thuật toán riêng lẻ mà còn đánh dấu quá trình Google chuyển từ công cụ tìm kiếm dựa trên từ khóa sang hệ thống AI có khả năng hiểu ngôn ngữ, ngữ cảnh và ý định tìm kiếm. Những công nghệ này trở thành nền tảng để Google phát triển thế hệ Search mới, nơi AI không chỉ tìm kiếm thông tin mà còn tổng hợp và tạo ra câu trả lời trực tiếp cho người dùng.

Từ BERT và MUM đến AI Overviews

Sau khi BERT giúp Google hiểu ngữ cảnh của câu và MUM mở rộng khả năng suy luận trên nhiều ngôn ngữ, nhiều định dạng dữ liệu, Google tiếp tục phát triển Search Generative Experience (SGE) vào năm 2023. Đây là giai đoạn thử nghiệm tích hợp AI tạo sinh vào kết quả tìm kiếm.

Đến năm 2024, SGE được thay thế bằng AI Overviews, tính năng sử dụng các mô hình AI của Google, bao gồm Gemini, để tổng hợp thông tin từ nhiều nguồn uy tín và tạo thành câu trả lời ngắn gọn ngay trên trang kết quả tìm kiếm.

Điều này cũng mở ra xu hướng Conversational Search, nơi người dùng có thể đặt nhiều câu hỏi liên tiếp như đang trò chuyện với AI thay vì phải nhập từng từ khóa riêng lẻ. Google không chỉ hiểu từng truy vấn mà còn ghi nhớ ngữ cảnh của cuộc hội thoại để đưa ra câu trả lời phù hợp hơn.

Có thể nói, nếu BERT giúp Google “đọc hiểu” ngôn ngữ và MUM giúp Google “suy luận” từ nhiều nguồn dữ liệu, thì AI Overviews là bước tiến tiếp theo, nơi AI trực tiếp tổng hợp và trình bày thông tin cho người dùng.

Giới thiệu kỷ nguyên AI Overviews
Bước vào kỷ nguyên AI Overviews giúp nâng cao trải nghiệm tìm kiếm thông minh thông qua hội thoại liên tục.

SEO cần thay đổi như thế nào?

Khi Google ngày càng hiểu nội dung giống con người, tư duy làm SEO cũng cần thay đổi theo.

Thay vì chỉ tập trung tối ưu từng từ khóa riêng lẻ, website cần xây dựng nội dung theo chủ đề để bao quát đầy đủ các khía cạnh mà người dùng quan tâm. Việc phát triển Topic Cluster và liên kết nội bộ hợp lý sẽ giúp Google hiểu rõ mức độ chuyên sâu của website.

Bên cạnh đó, xây dựng thực thể (Entity SEO) ngày càng trở nên quan trọng. Google không chỉ phân tích từ khóa mà còn xác định doanh nghiệp, thương hiệu, sản phẩm hay tác giả là những thực thể có thật và đánh giá mối liên hệ giữa chúng.

Nội dung cũng cần được đầu tư về chiều sâu, cung cấp thông tin chính xác, có dẫn chứng và giải quyết trọn vẹn nhu cầu tìm kiếm thay vì chỉ tổng hợp thông tin từ nhiều nguồn. Đây là yếu tố giúp website tăng khả năng được AI lựa chọn làm nguồn tham khảo.

Cuối cùng, trải nghiệm người dùng vẫn là nền tảng của SEO hiện đại. Một website có cấu trúc rõ ràng, tốc độ tải nhanh, nội dung dễ đọc và điều hướng hợp lý sẽ giúp cả người dùng lẫn AI tiếp cận thông tin hiệu quả hơn.

Kết luận

BERT và MUM là hai cột mốc quan trọng trong quá trình Google đưa trí tuệ nhân tạo vào Search. Nếu BERT giúp Google hiểu ngữ cảnh và ý nghĩa của ngôn ngữ tự nhiên, thì MUM tiếp tục mở rộng khả năng suy luận trên nhiều ngôn ngữ và nhiều loại dữ liệu khác nhau. Hai công nghệ này đã thay đổi cách Google đánh giá nội dung và đặt nền móng cho kỷ nguyên AI Search.

Ngày nay, tối ưu SEO không còn là cuộc đua về mật độ từ khóa mà là quá trình xây dựng nội dung chất lượng, bao quát chủ đề và đáp ứng đúng nhu cầu của người tìm kiếm. Đây cũng chính là tiền đề để website thích ứng với các hệ thống tìm kiếm dựa trên AI tạo sinh.

ĐĂNG KÝ NHẬN TƯ VẤN

KẾT NỐI NHANH

Liên hệ với chúng tôi để nhận
thông tin tư vấn nhanh và cụ thể nhất

Tư vấn ngay 090 228 2323 info@vmseo.vn
VMSEO

Công ty TNHH Giải pháp công nghệ VMSEO

A: Tầng 4, Tòa NHS Complex Office,
P. Tố Hữu, Trung Văn, Nam Từ Liêm, Hà Nội

E: info@vmseo.vn

P: 0982 840 840

THÔNG TIN

Giới thiệu về VMSEO Các dự án nổi bật Các câu hỏi thường gặp Chính sách bảo mật thông tin

DỊCH VỤ SEO

Dịch vụ SEO gói 01 Dịch vụ SEO gói 02 Dịch vụ SEO gói 03 Dịch vụ SEO theo yêu cầu

THIẾT KẾ WEBSITE

Gói thiết kế website 01 Gói thiết kế website 02 Gói thiết kế website 03 Thiết kế website theo yêu cầu
Kết nối với chúng tôi Facebook YouTube
Hỗ trợ trực tuyến
− ×
Chào bạn! Vui lòng nhập chính xác thông tin để chúng tôi tiện hỗ trợ.
Chat với chúng tôi