אלגוריתם MUM — החיפוש שמבין שאלות מורכבות ורב-מודליות

מדריך הרים מנוסה לא רק יודע את המסלול — הוא מבין מה השאלות שאתה שוכח לשאול. MUM פועל כך: כשמחפשים מה ציוד דרוש לטיפוס על הר פוג'י, הוא לא מחזיר תוצאות על ציוד בלבד — הוא מבין שצריך גם מידע על עונות, קושי המסלול, והשוואה להרים אחרים.

MUM = **Multitask Unified Model**. הוצג ב-2021 ומוטמע בתכונות ספציפיות כמו Search, Lens, ו-Topics. **פי 1,000 חזק מ-BERT** מבחינת עומק ההבנה, ומסוגל לעבד מידע מ-75 שפות בו-זמנית.

BERT ו-RankBrain מבינים טקסט. MUM מבין **טקסט + תמונות** בו-זמנית.

דוגמה: תוכל להעלות תמונה של נעל טיולים בלויה ולשאול איפה לקנות נעל דומה לצעידה ארוכה. MUM מחבר בין הוויזואל לשאילתה הטקסטואלית ומחזיר תשובה שמשלבת את שניהם.

השלכה לתוכן: **Google Lens, Visual Search, ו-AI Overviews** — כולם נשענים על MUM להבנת context רחב. תמונות באתר שלך עם alt text מדויק + structured data = יותר סיכוי להיכלל בתוצאות רב-מודליות.

אחד היתרונות המשמעותיים של MUM לשוק הישראלי: הוא אחד המודלים הראשונים שהצליח לגשר בין שפות ללא תרגום ביניים. **מחקר בעברית יכול לשלוף insight ממקורות אנגליים** ולהחזיר תשובה בעברית — בלי שהשאלה תורגמה ידנית.

זה אומר שתוכן עברי איכותי מתחרה כיום בצורה ישירה מול תוכן אנגלי — MUM מבין את שניהם ברמה דומה.

MUM לא אלגוריתם דירוג ישיר — הוא כלי להבנת שאילתות. אבל ההשפעה על תוכן ברורה:

**כתוב לשאילתות מורכבות ורב-שלביות** — לא רק לשאלה הבסיסית. דף שעונה גם על השאלות הסמוכות מקבל עדיפות. **תמונות עם context** — alt text תיאורי + Schema ImageObject = ניתנות ל-index רב-מודלי. **כיסוי נושאי מלא** בתוך cluster אחד > מאמרים פזורים. MUM מזהה depth של כיסוי, לא רק נוכחות.