Autonomy的中国路

    Autonomy的“样板工程”Blinkx中文版测试工作正在有条不紊地进行着。

    这家公司今年３月在中国找到了一家“非常大”的合作伙伴，双方共同投资的首笔资金就达亿元。业界传言，这个合作伙伴，就是网通。

     Autonomy是个公司名称，也是一种搜索引擎技术。“这是区别于关键词搜索的下一代搜索引擎技术，在不久的将来，它将彻底取代以Google、百度为代表的‘关键词’。”Autonomy公司的创始人，也是董事长麦克·林奇日前在来访北京时对记者说。

    从“搜索”到“发现”

    这位有点谢顶，但言谈举止都十分“英国”的英国商界巨子，严肃而认真地告诉记者：在全球商用搜索市场上，Autonomy是老大！Autonomy的市值不足Google的零头，而Google在这一市场的份额也不足Autonomy份额的零头。

    “我们拥有55%的份额，而且这些份额的一半以上来自Google的母国：美国。”林奇说，尽管Google在全球消费搜索市场上取得了巨大成功，但在商用搜索市场上的份额仅为1%。

    目前，人类研究的信息搜索技术有四个方向：关键字搜索、模式识别、语义分析、神经网络。除了关键词搜索比较成熟外，其他三项技术还处于待开发状态。Autonomy掌握了模式识别。语义分析和神经网络两个技术方向目前尚无压倒性的代表者，这两个技术方向的研究难度相对较大，估计短时间内不会有突破性研究成果。所以，模式识别就成了目前比较先进的信息搜索技术。

    传统搜索基本上采用“关键词”搜索方式，也就是“非0即1”的方式，它基于严格定义和分类的布尔表达式，即“与、或、非”表达式。这种搜索的最大弊病就是：如果关键词不确定，或者有错误疏漏，用户往往得不到自己想要的搜索结果。

    如果说传统的“关键字”搜索方法为“搜索(search)”，Autonomy采用的“模式识别”方法则应该称为“发现(discover)”，因为它可以让用户找到一些事前他们不知道的信息。Autonomy产品中提供的“聚类”功能正是“从搜索到发现”的最佳表现。这位自信的英国人认为，Autonomy在安全性和保密性，跨平台跨语种，维护成本等方面有着非常大的优势。

    林奇认为，企业级搜索需要考虑许多问题，“你不会允许公司的前台接线员搜索到CEO的邮件，也不会容忍保洁工看到某些内部文档。”

    他同时认为，维护他的产品就像维护一块砖头一样简单。他说，Autonomy的产品在数据和用户界面之间建立了一个智能检索逻辑层(IDOL)，通过这个中间层，用户可以像搜索结构化数据(如数据库的数据)一样搜索上百种非机构化数据，如Word、Notes、PDF、PPT、Email数据等，甚至可以检索多媒体数据(通过专门的语音分析工具对多媒体数据文档化后即可)。

    掷硬币理论衍生出的搜索技术

    Autonomy系列产品基于两个基本理论：贝叶斯概率论和香农信息论。

    如果一枚硬币被连续抛100次，每次都是正面朝上，那么，抛第101次时，正面朝上的概率是多少？传统统计学观点的推论是：50%。而贝叶斯概率论则认为：100次连续正面朝上，证明该硬币不均衡或两面均为正面，所以抛第101次时正面朝上的概率会大大高于50%。

    贝叶斯概率论是中世纪一位叫托马斯·贝叶斯的牧师所创立的，这位古怪的牧师试图通过自己的数学推理来验证上帝之存在。这个理论在他去世后才被发表，沉寂了百年之后才被麦克·林奇发掘出来再利用，后者认为，贝叶斯的理论更加接近人的大脑思维逻辑。

    香农信息论则认为，出现频率越小的信息单元，代表的信息量越大。这也可以解释这样的现象：在一个嘈杂的房子中，我们尽管不能完全听清楚对方所有的话，但我们还是能听懂对方说话的意思。也就是说，每个信息载体会包含大量重复的冗余信息，在对这些信息的处理过程中，冗余信息的权重要低得多，甚至可以忽略。而在关键词搜索中，则相反，一个单词出现的频率越高，则该词的重要程度越高。

    正是基于这两个基本理论，Autonomy在海量信息处理中取得了巨大成功。