MUM, co stanowi skrót od Multitask Unified Model, to innowacyjny model sztucznej inteligencji opracowany przez Google. Został on przedstawiony w 2021 roku i stanowi znaczący krok naprzód w rozwoju algorytmów wyszukiwania, kontynuując dzieło rozpoczęte przez BERT. Kluczową różnicą jest jego zdolność do wykraczania poza samą analizę tekstu. MUM jest modelem multimodalnym i wielojęzycznym, co oznacza, że potrafi jednocześnie przetwarzać różnorodne typy danych, a także rozumieć i interpretować informacje w wielu językach, bez konieczności odrębnego szkolenia dla każdej z tych funkcji.
Oficjalna prezentacja modelu MUM przez Google miała miejsce 18 maja 2021 roku, podczas corocznej konferencji Google I/O. Jego nazwa, Multitask Unified Model, doskonale oddaje jego esencję – jest to model przystosowany do jednoczesnego wykonywania wielu zróżnicowanych zadań, w przeciwieństwie do systemów dedykowanych pojedynczym, specyficznym problemom. Choć MUM dzieli z BERT-em podstawową architekturę Transformer, jego działanie charakteryzuje się znacznie większą skalą i rozszerzonymi zdolnościami.
Google podawało, że MUM jest około tysiąc razy efektywniejszy od BERT-a w obsłudze skomplikowanych zagadnień. Należy jednak pamiętać, że szczegółowa metodologia tego porównania, jak również dokładna liczba parametrów modelu, nie zostały publicznie ujawnione przez firmę. Z tego powodu wspomnianą wartość należy traktować raczej jako przybliżoną informację marketingową niż ściśle naukowy rezultat.
MUM został stworzony, aby sprostać wyzwaniu, jakim są złożone zapytania, które wymagają integracji różnorodnych informacji i wieloetapowego procesu wnioskowania, odbiegając od prostych zapytań opartych na faktach. Google często ilustruje to na przykładzie pytania typu „wszedłem na Fuji, jak inaczej powinienem przygotować się do wejścia na Mount Adams". Taka fraza wymaga od modelu jednoczesnego zrozumienia kontekstu obu gór, analizy warunków wspinaczkowych oraz intencji użytkownika związanych z planowaniem wyprawy.
Dodatkowo, MUM stanowi podstawę dla funkcji multisearch dostępnej w Google Lens, która integruje wyszukiwanie wizualne z tekstowym, wpływając na sposób prezentacji wyników w SERP. Dzięki temu użytkownicy mogą wykonać zdjęcie przedmiotu, a następnie uzupełnić zapytanie o dodatkowe słowa kluczowe w ramach jednego wyszukiwania. Takie możliwości byłyby nieosiągalne bez modelu zdolnego do równoczesnej analizy zarówno obrazu, jak i tekstu, traktując je jako spójną całość, a nie odrębne dane.
Te trzy modele stanowią kolejne fazy rozwoju algorytmów kontekstowych firmy Google, w tym RankBrain, pierwszego z nich. Ważne jest, że wzajemnie się one uzupełniają, a nie zastępują poprzednie wersje.
W praktycznym ujęciu, oznacza to, że warto koncentrować się na tworzeniu kompleksowych treści, które w sposób wyczerpujący odpowiadają na skomplikowane, wielowymiarowe pytania w jednej publikacji, zamiast dzielić je na liczne, krótsze i odrębne artykuły. Kluczowe staje się również spójne łączenie elementów wizualnych z opisami tekstowymi, np. poprzez użycie dobrze opisanych i kontekstowych grafik, ponieważ MUM traktuje te dwa formaty jako zintegrowaną całość, a nie jako niezależne sygnały.
Należy jednak podchodzić do tych informacji z pewną dozą ostrożności. Ponieważ Google nie udostępniło pełnej dokumentacji technicznej, porównywalnej do szczegółowych badań naukowych dotyczących BERT-a, wiele danych na temat MUM, w szczególności wskaźników wydajności, opiera się na oficjalnych komunikatach i wpisach blogowych firmy, a nie na recenzowanych pracach naukowych. Świadome wykorzystanie tej wiedzy w praktyce ułatwia współpraca z agencją SEO.