упоминаний не столь актуальны, и только один или два сайта могут стать авторитетными источниками, в которых можно получить необходимую информацию о неолите и о том, как, скажем, люди перешли к оседлой жизни и постоянному земледелию. Только способ определения приоритетности наиболее важных упоминаний позволил бы быстро найти нужную информацию. Но это не то, на что были способны первые поисковые системы.

Пришли два дерзких, умных молодых человека, Ларри Пейдж и Сергей Брин. Пейдж был аспирантом и работал с известным компьютерным ученым Терри Виноградом в Стэнфорде, а Сергей Брин был его другом. Виноград, ранний энтузиаст доминирующей в настоящее время парадигмы ИИ, к тому времени изменил свое мнение и работал над проблемами, в которых человеческие и машинные знания могли бы быть объединены, в точности как это предполагали Винер, Ликлайдер и Энгельбарт. Интернет, как мы видели, был очевидной областью для такой комбинации, поскольку его сырьем были контент и знания, созданные людьми, но перемещаться по нему должны были алгоритмы.

Пейдж и Брин придумали лучший способ достижения этой комбинации, в некотором смысле истинно человеко-машинное взаимодействие: люди лучше всего определяли, какие сайты являются более релевантными, а поисковые алгоритмы отлично собирали и обрабатывали информацию о ссылках. Почему бы не позволить людям определять, как поисковые алгоритмы должны расставлять приоритеты релевантных веб-сайтов?

Сначала это была теоретическая идея - осознание того, что это можно сделать. Затем пришло алгоритмическое решение, как это сделать. Это легло в основу их революционного алгоритма PageRank ("Page" здесь, по слухам, относится как к Ларри Пейджу, так и к факту ранжирования страниц). Среди релевантных страниц идея заключалась в том, чтобы отдать предпочтение тем, которые получили больше ссылок. Таким образом, вместо того чтобы использовать специальные правила для решения вопроса о том, какие из страниц со словом Neolithic должны быть предложены, алгоритм будет ранжировать эти страницы в соответствии с количеством входящих ссылок, которые они получили. Более популярные страницы будут ранжироваться более высоко. Но зачем на этом останавливаться? Если страница получает ссылки с других страниц с высоким рейтингом, это будет более информативно о ее релевантности. Чтобы сформулировать эту мысль, Брин и Пейдж разработали рекурсивный алгоритм, в котором каждая страница имеет ранг, и этот ранг определяется тем, сколько других страниц с высоким рейтингом ссылаются на нее ("рекурсивный" означает, что ранг каждой страницы зависит от рангов всех остальных). При наличии миллионов сайтов вычисление этих рангов - дело нетривиальное, но уже в 1990-х годах это было вполне осуществимо.

В конечном счете, то, как алгоритм вычисляет результаты, имеет второстепенное значение. Важным прорывом здесь было то, что Пейдж и Брин придумали способ использования человеческих знаний и представлений, заключенных в их субъективных оценках того, какие другие страницы являются релевантными, для улучшения ключевой задачи машины: ранжирования результатов поиска. Статья Брина и Пейджа 1998 года под названием "Анатомия крупномасштабной гипертекстовой веб-поисковой системы" начинается следующим предложением: "В этой статье мы представляем Google, прототип крупномасштабной поисковой системы, которая активно использует структуру, присутствующую в гипертексте. Google предназначен для эффективного поиска и индексирования веб-страниц и выдает гораздо более удовлетворительные результаты поиска, чем существующие системы".

Пейдж и Брин понимали, что это серьезный прорыв, но не имели четкого плана его коммерциализации. Ларри Пейдж цитируют, что "удивительно, но у меня и в мыслях не было создавать поисковую систему. Эта идея даже не была на радаре". Но к концу проекта стало ясно, что у них на руках победитель. Если бы они смогли создать эту поисковую систему, это бы значительно улучшило работу Всемирной паутины.

Так появилась компания Google. Первая идея Пейджа и Брина заключалась в том, чтобы продавать или лицензировать свое программное обеспечение другим. Но их первые попытки не получили развития, отчасти потому, что другие крупные технологические компании уже были зациклены на своих собственных подходах или отдавали приоритет другим областям: на тот момент поиск не рассматривался как основной источник дохода. Yahoo!, ведущая платформа в то время, не проявила интереса к алгоритму Пейджа и Брина.

Все изменилось в 1998 году, когда на сцену вышел технический инвестор Энди Бехтольшайм. Бехтольшайм встретился с Пейджем и Брином и сразу понял перспективность новой технологии, если они найдут правильный способ ее монетизации. Бехтольшайм знал, что это будет за способ - реклама.

Продажа рекламы не входила в планы Пейджа и Брина и даже не рассматривалась. Но сразу же Бехтольшайм изменил ход игры, выписав чек на 100 000 долларов на имя Google Inc, хотя Google еще не была зарегистрирована. Вскоре компания была зарегистрирована, рекламный потенциал новой технологии стал очевиден, и денег стало гораздо больше. Родилась новая бизнес-модель.

В 2000 году компания представила AdWords - платформу, которая продавала рекламу для показа пользователям, ищущим веб-сайты с помощью Google. Платформа была основана на расширении известных моделей аукционов, используемых в экономике, и быстро выставляла на аукцион наиболее ценные (хорошо видимые) места на экране поиска. Цены зависели от того, сколько потенциальные рекламодатели сделали ставок и сколько кликов получили их объявления.

В 1998 или даже в 2000 году почти никто не думал о больших данных и искусственном интеллекте. Однако инструменты ИИ, примененные к большим объемам данных, вскоре означали для компаний большое количество информации, позволяющей нацеливать рекламу на пользователей в соответствии с тем, что их интересует. ИИ быстро произвел революцию в уже успешной модели монетизации Google. В частности, это означало, что Google мог отслеживать, какие сайты посещает пользователь с его уникального IP-адреса, и таким образом направлять индивидуальную рекламу для этого конкретного пользователя. Таким образом, пользователи, просматривающие пляжи Карибского моря, будут получать рекламу от авиакомпаний, туристических агентств и отелей, а пользователи, просматривающие одежду или обувь, будут получать рекламу от соответствующих розничных магазинов.

Значение таргетинга в рекламе невозможно переоценить. Извечная проблема рекламной индустрии заключена в поговорке, которая датируется концом 1800-х годов: "Я знаю, что половина моей рекламы тратится впустую, но я просто не знаю, какая половина". Ранняя реклама в Интернете была поражена этой проблемой. Реклама от продавца мужской одежды показывалась всем пользователям определенной платформы, скажем, музыкальной программы Pandora, но половину пользователей составляли женщины, и даже большинство мужчин в этот момент не были заинтересованы в покупке одежды через Интернет. С помощью таргетинга рекламу можно отправлять только тем, кто продемонстрировал заинтересованность в совершении покупки - например, посетил сайт магазина одежды или просмотрел несколько модных товаров в другом месте. Таргетинг произвел революцию в цифровой рекламе, но, как и в случае со многими революциями, не обошлось без побочных эффектов.

Вскоре