专利1/2：Google如何学习影响和控制用户

Google最近获得了两项专利，这些专利描绘了搜索未来的非常有趣的景象。 这些专利是：

• 检测并纠正用户行为中的潜在错误
• 通过智能手机指导购买

在我们深入研究之前，我觉得有必要指出，授予专利并不意味着Google将实施其中包含的所有内容（甚至任何内容）; 但是，它确实说明了他们正在考虑并愿意投入大量时间和金钱进行保护的领域。

也就是说，这两项专利所包含的思想和技术强烈地反映了Google当前的发展方向，并指出了在移动和语音优先设备上更强大的获利策略。

在这个由两部分组成的系列文章中，我将向您介绍每个专利的一些关键点。 然后，我将讨论从这些信息到专利的信息如何结合起来，描绘一幅未来的图景，其中搜索和任务完成与今天的情况截然不同。

在本文中，我将重点介绍第一个专利“检测和纠正用户行为中的潜在错误”。 为了全面了解Google在这里的应用范围，我重点介绍了该专利关键部分的摘录，然后对这些部分进行了评估。

抽象

描述了一种计算系统，该计算系统预测将由计算设备的用户采取的未来动作，并基于与该计算设备相关联的上下文信息来确定该用户正在采取的当前动作。 计算系统基于当前动作来确定用户是否将能够采取未来动作的可能性程度，并且基于该可能性度来预测用户将不能够采取未来动作。 计算系统将信息发送到计算设备，该信息指示用户正在采取的当前动作将导致用户无法采取未来的动作。

在摘要中，我们了解到Google打算考虑到我们目前正在做的事情，并将其放在我们将来可能要做的任务的背景下。 如果当前操作可能会干扰预期的未来任务，则通过其设备通知用户。 摘要不包括该事件发生时将发生的情况，因此我们只需要继续阅读即可。

背景

一些计算设备（例如，可穿戴设备或移动电话）可以用作个人助理，其被配置为对即将到来的航班，附近景点以及用户可能感兴趣的其他信息执行搜索查询或向用户通知。 例如，计算设备可以访问用户的数字日历，并且该计算设备可以警告用户何时开始从当前位置旅行以准时到达未来的会议或事件。 或在另一个示例中，与其他产品和服务相反，计算设备可以访问用户的购物历史，并且该计算设备可以建议与用户过去购买的产品一起使用的某些产品或服务。与过去购买的产品不兼容。 然而，即使具有一些计算设备提供的所有有用的提醒和对信息的访问，这些提醒和对信息的访问也可能并不总是阻止个人用户做出决定和采取某些行动，导致他们在日常生活中犯错误。

专利的背景基本上概述了其“为什么”或正在尝试解决的问题。 在此背景下，我们看到Google承认，尽管当今的设备可以根据过去的购买历史来提醒用户他们可能需要参加或推荐产品的即将发生的事件（我想知道为什么会特别提及，不是吗？），当用户的操作与这些事件或需求不兼容时，技术不会主动纠正用户。

概要

第二节

…公开内容针对一种方法，该方法包括：由计算系统预测将由计算设备的用户采取的未来动作，基于与计算设备相关联的上下文信息，由计算系统确定当前用户正在采取的行动，由计算系统根据当前行动确定用户是否将能够采取未来行动的可能性程度，并根据计算的程度由计算系统进行预测用户将无法采取未来的措施。 该方法还包括从计算系统向计算设备发送指示该用户正在采取的当前动作将导致该用户无法采取该未来动作的信息。

尽管摘要有四个部分，但在第2部分中，我们了解了Google在这项专利方面的成就。 基于他们所描述的系统将检测到何时将要采取的措施有可能阻止用户预期采取的未来行动，在此背景下，我们看到Google会向用户发送指示，表明他们当前的行为将阻止未来采取的行动。

这似乎完全没有意思。 但是，随着我们进一步深入，我们将开始理解他们所谈论的范围，影响力和力量。

详细说明

您将在下面看到一些数字参考，例如“设备110”。 这些数字与专利中包含的数字有关。 尽管大多数内容与（在我们的上下文中）了解正在讨论的内容并没有特别的关系，但我不希望您感觉自己缺少任何内容，因此，在上面首次引用它们的地方，我将在上面列出这些数字。 让我们从图1开始。

现在让我们回到专利涵盖的范围……

第25条

例如，通知数据可以包括但不限于指定事件的信息，例如：与计算相关联的消息传递帐户对通信消息（例如，电子邮件，即时消息，SMS等）的接收。设备，与计算设备110相关联的社交网络帐户接收信息，与计算机设备110的日历帐户相关联的日历事件（会议，约会等）的提醒，由第三者生成和/或接收的信息在计算设备110处执行的第三方应用程序，在计算设备110处执行的平台，应用程序和/或服务的两个或多个组件之间的组件间通信的发送和/或接收等。

2到25之间的部分虽然很有趣，但也增强了之前的要点。 但是，在第25节中，我们获得了一些有趣的信息。 Google提到了设备内置的通信系统的使用，以及用户访问的设备上的社交网络帐户数据以及其他第三方应用程序和服务。 基本上，该专利基于以下思想：几乎任何来源的所有数据都可用于确定用户可能采取的预期行动。

第31条

上下文信息的示例包括过去，当前和将来的物理位置，移动程度，与移动相关的变化幅度，天气状况，交通状况，旅行方式，移动方式，应用程序使用，日历信息，购买历史记录，Internet浏览历史记录等。在某些示例中，上下文信息可以包括通信信息，例如从电子邮件消息，文本消息，语音邮件消息或语音对话，日历条目，任务列表，社交媒体网络相关信息以及任何可以支持确定用户上下文的有关用户或计算设备的其他信息。

在讨论理解动作的上下文时，Google在第31节中增加了考虑用户设备的运动以及天气和购买历史（再次出现）等外部因素的想法。 再次，我们看到使用了各种各样的上下文数据源，但是在这里，我们还看到了语音对话和语音邮件。

除了隐私问题外，还有很多数据，尤其是当我们认为“语音对话”不一定意味着“在电话上”时，仅仅是因为它在语音邮件之后列出。

第34条

上下文模块162可以维护与计算设备110的用户相关联的过去和将来的上下文历史。上下文模块162可以在过去的各个位置和时间对来自计算设备110的先前上下文进行分类和记录，并且可以从先前记录的上下文中进行投影或记录。推断在各种未来位置和未来时间计算设备110的未来上下文。 上下文模块162可以将将来的日期和将来的时间与先前的日期和时间的重复上下文相关联，以建立与计算设备110的用户相关联的将来的上下文历史。

在第34节中，我们看到了先前提出的想法在计划外的世界中的扩展。 在获得专利之前，我们通常已阅读Google使用从各种来源（社交媒体，文本，语音等）收集的数据来确定未来事件。 但是，在这里，我们看到它已扩展到系统，以基于过去和现在的行为来了解模式-并由此确定用户的预期行为。

第36条

上下文模块162可以用存储在电子日历上的信息或从与计算设备110相关联的其他通信信息中提取的信息来补充与计算设备110的用户相关联的未来上下文历史。例如，电子日历可以包括与计算机设备110的用户相关联的位置。事件或约会发生在用户通常位于家中位置的将来时间或日期。 上下文模块162可以将事件位置作为事件的未来时间或日期期间的期望位置，而不是将事件的未来时间或日期期间的家庭位置作为期望位置在未来上下文历史中。

在第36节中，我们看到了通过“观察”第34节中的模式并将其与从其他来源获取的事件和日历信息相结合而建立的用户行为桥梁，以用可能干扰我们日常活动的已知即将发生的事件来覆盖习惯性模式。

第39节

作为计算设备110访问的预测服务的一部分，预测模块164可以自动将通知数据或其他信息输出到计算设备110的通知模块122，以警告用户该用户可能对当前动作采取的纠正措施。以确保将来采取行动。 换句话说，预测模块164可以确定用户在当前上下文中正在执行的当前动作是更有可能还是不太可能导致用户能够在将来的上下文中执行将来的动作。

在第39节中，我们仅看到输出：Google通知用户他们现在正在执行的操作可能会影响执行将来操作的能力。

第40条

总之，预测模块164可以执行一种或多种机器学习技术以学习和建模计算设备110和其他计算设备的用户通常针对不同上下文采取的动作。 通过学习和建模针对不同上下文的动作，预测模块164可以生成一个或多个规则，用于预测计算设备110的用户针对特定上下文采取的动作。

在第40节中，该专利讨论了使用机器学习和建模来确定和预测正在执行的可能动作。 在该专利的其他部分中，我们阅读了这样的示例，例如使用设备的运动和位置来确定用户在机场排队（以及该行为的上下文将预测什么）。

在第44节中，我们看到了一个非常有用的示例：系统会根据用户当前的情况（到达机场的时间，到达时间），在用户进行航班飞行时检测到用户睡过头了，并在为时已晚之前提醒他们通过大门等）。

第53条

与其他仅提供提醒和对信息的访问的计算设备和系统不同，该示例系统采用了其他一些计算设备和系统，这些设备和系统仍可以使用户朝可能采取错误行动的方向或采取可能导致其日常生活中犯错误的行动确保避免错误的其他步骤，以及与提醒和信息相关的未来操作实际上已完成。 即使用户不知道自己在犯错误，示例系统仍会自动提供信息以指导用户返回，避免犯错。

在这里，我们看到一些相当简单的东西，但是在我们接近第54节时需要进行说明。该系统旨在主动提供信息，即使用户不知道开始时所说的错误，该信息也可以使用户避免犯错。 可以肯定，这是一个非常令人愉快的想法，但这是危险的地方……

第54节

因此，用户甚至不需要知道自己在犯错，计算系统可以推断出用户是否需要在没有用户输入的情况下对当前动作采取纠正措施。 用户可能会减少压力，花更少的时间沿着错误的方向去做未来的动作，花更少的时间纠正路线以避免犯错误。 通过较早而不是较晚地纠正潜在的错误，示例系统可以使计算设备能够从搜索信息以尝试和纠正或纠正错误的用户接收较少的输入。

这是本节的第一行，可能被认为是危险的。 该专利建议该系统允许“行为纠正”，而无需最终用户甚至意识到他们正在被纠正。 让我们沉迷一下：您无需知道Google所控制的系统会根据您决定或正在做的事情在您不知情的情况下调整您的操作。

在继续之前，我们将参考图2上的元素。出于我们的目的，对这些数字的理解不是必需的，但可能对某些数字有所帮助，或者至少可以帮助您知道自己没有丢失任何东西。 因此，在继续之前，这里是图2：

第66条

任务和需求规则数据存储库270C包括一个或多个先前开发的规则，需要预测模块264依靠该规则来预测当前上下文中计算设备的用户可能执行的任务或动作以及该用户可能会遇到的信息需要完成任务。 例如，数据存储库270C可以存储需求预测模块264的机器学习或人工智能系统的规则。需求预测模块264的机器学习或人工智能系统可以访问数据存储库270C的规则以推断与之相关的任务和需求。特定上下文的计算设备110的用户。

第66节相当简单：该专利指出，机器学习和/或人工智能将用于根据过去的行为模型确定正在执行的最有可能的任务，并权衡它们对执行未来任务的影响。 这包括建立与该将来事件相关联的可能的任务和需求，以确定用户在参与该将来事件之前是否已完成所有需要完成的工作。 这可能包括诸如在航班起飞前一夜在加油站停下来，预定于早上6:30起飞的事情。

值得注意的是，在这里未包括的其他部分中，这些机器学习和AI系统正在不断地训练以了解全局模式以及个人独有的模式。

第72节

[P]预测模块264可以将当前上下文，先前确定的未来上下文，当前动作以及预期或未来动作输入到动作规则数据存储库270C中，并接收关于用户是否应该能够掉落的可能性程度的指示。干洗，他或她将需要第二天参加活动，而第二天仍然可以参加活动。 …由于第二天干洗店关闭，因此行动规则数据存储库270C可能会输出较低的可能性（例如，小于50％的概率），因此用户将无法为该事件进行干洗。

这是我最喜欢的部分，对于Google来说都是如此。 在本部分中，我们看到用户放弃干洗，并且系统已预测这是用户第二天要进行的活动。 Google知道干洗店第二天就关门了，因此Google采取了纠正措施，建议附近的干洗店第二天开门。 我认为这个建议可能听起来像是听上去像：

Google助理：您所到达的干洗店明天将关闭。 这是明天晚上的活动吗？

用户：是的。

Google助理：比利的干洗店距离酒店有两个街区。 您要我输入新目的地吗？ （在用户实际驾驶时并未在显示屏上显示微妙的提示，这表明Billy的干洗已为广告付款。）

用户：是的。

我不知道他们实际上会隐藏广告通知，但这显然是Google可以根据AdWords投资轻易影响购买决策的领域之一。

第89条

ISS 160可以确定用户正在与计算设备110进行交互以购买针对一个事件的票证，该事件将重叠并且防止用户已经购买了票证的另一事件的出席并且使计算设备110向用户警告潜在的错误。 ISS 160可能不仅仅知道事件的开始和停止时间来确定潜在的冲突。 例如，预测模块164的规则可以从其他计算设备的其他用户的先前观察中获悉，即使事件的开始时间在特定时间，该事件的预留座位在实际开始时间之前十五分钟打开。 ，并且如果与会者不早十五分钟参加活动，则预留的席位可向其他活动参加者开放。 因此，即使两个事件的正式开始时间和结束时间不重叠，如果先前事件的结束时间与“事件的“非官方”开始时间（例如，预留座位时间）。

本节在功能和实用性方面非常重要。 在本节中，我们看到该系统能够理解人类生活中不太正式的方面，例如发生事件时的非正式时间。 我认为这将包括考虑在我离开洛杉矶时要经过海关才能让Uber等我所需的平均时间，但不要坐在那里30分钟，因为它是根据我的飞机的时间定购的预定降落。

舞台已经设定

在上面的专利摘要中，我们已经做好了准备。 在第二部分（将于下周发布）中，我们将研究涉及指导购买的第二项专利。 也就是说，Google会根据一般用户的行为以及您自己的个人模式和过往的购买来预测您需要购买的信息的类型，并“指导”您做出“正确的决定”。 对于付费搜索营销商来说，这是一项非常令人兴奋的专利-由Google实施，它将为您的广告以及触发方式和触发时间增加极大的控制权。

但是在去那里之前，我们需要了解第一项专利及其如何影响用户的核心行为。 很快，我们将了解如何将所有这些整合到Google的一项光荣的获利策略中，在关键的决策点展示更多的广告，并由用户选择更多的广告。

本文中表达的观点是来宾作者的观点，不一定是Search Engine Land。 工作人员作者在此处列出。