咖啡因使谷歌能够比以往更快地更新其索引，并独立于图表的其余部分更新部分网络链接图的 。以前，您必须一次重新计算 上所有页面的 ；你不能只做一个网页。有了 ，我们相信情况发生了变化，他们可以非常准确地估计更新的网页部分（子图）的 ，以说明新的（或删除的）链接。 这意味着不断更新的 实时索引 ，而不是定期更新。 那么，这如何与机器学习联系起来，又如何为 和 奠定基础？让我们把它们放在一起 熊猫和企鹅 咖啡因让谷歌能够以极快的速度更新。
比以往任何时候都快得多
这很可能是让他们最终大规模应用机器学习作为算法主要部分的一步。 着手解决的问题与判断西瓜是否成熟的问题非常相似。阅读这篇博文的任何人都可以快速浏览一个网页， 卢森堡 WhatsApp 号码列表 并且在大多数情况下，的垃圾邮 件程度。然而，很少有人能给我写一份准确的规则列表来的特征（ 如果有超过 个链接，并且有 个广告占据了首屏 的屏幕 ）。您可以给出一些宽泛的规则，但不能对所有重要的页面都有效。
还要考虑一下如果您或
可以构建这样一个严格规则列表，那么规避它会变得更加容易。 因此，谷歌无法编写特定的规则集来判断这些垃圾页面，这就是为什么多年来当我们看到一个显然（在我们看来）是垃圾 哥伦比亚电话号码列表 但在谷歌排名很好的页面时，我们中的许多人都会抱怨的原因 。 完全相同的逻辑适用于企鹅。 谷歌面临的问题类似于西瓜种植的问题。那么为什么他们不从第一天开始就使用机器学习呢？ 训练 谷歌可能创建了一个训练集，让他们的人类质量评估员团。
