A medida que la gente en todas partes del mundo comenzó a buscar información sobre el COVID-19, el buscador de Google tuvo que aprender a identificar todas las diferentes maneras que se están utilizando para referirse al nuevo coronavirus "De esta forma pudimos asegurarnos de ofrecer información relevante y de alta calidad, proveniente de autoridades de salud confiables como la Organización Mundial de la Salud y los Centros para la Prevención y el Control de Enfermedades". Un año después del comienzo de la pandemia, Google se enfrento a un desafío similar con los nombres de las vacunas, solo que esta vez con ayuda de una nueva herramienta llamada el Modelo Unificado Multitarea (MUM). La nueva herramienta comprende información oficial proveniente de las vacunas de AstraZeneca, CoronaVac, Moderna, Pfizer, Sputnik y otras de amplia distribución tienen muchos nombres diferentes en todo el mundo: existen más de 800 formas de referirse a las vacunas, según nuestro análisis. Las personas pueden buscar “Coronavaccin Pfizer”, “mRNA-1273”, “CoVaccine”; y la lista continúa. Con la herramienta MUM, Google ha podido identificar más de 800 variaciones de nombres de vacunas en más de 50 idiomas en cuestión de segundos. Después de validar los hallazgos del modelo, los aplicamos a la Búsqueda de Google para que las personas pudieran encontrar información oportuna y de alta calidad sobre las vacunas para el COVID-19 en todo el mundo. Transferencia de conocimientos entre idiomas

MUM pudo hacer un trabajo que debería llevar semanas en solo segundos gracias a sus habilidades. Puede aprender y transferir conocimientos en más de 75 idiomas en los que está entrenado. Por ejemplo, imagina que estás leyendo un libro. Si eres multilingüe, podrás compartir las principales conclusiones en los otros idiomas que hables. Esto se debe a que posees una comprensión de ese texto que no depende de un idioma o una traducción. MUM transfiere conocimientos entre idiomas de una manera muy similar. Del mismo modo, con sus capacidades de transferencia de conocimientos, este modelo no tiene que aprender una nueva capacidad o habilidad en cada nuevo idioma; puede transferir los aprendizajes a través de ellos, lo que nos ayuda a escalar rápidamente las mejoras incluso cuando no hay muchos datos de capacitación con los que trabajar. Esto se debe en parte a las eficiencias de muestra de MUM, lo que significa que el modelo requiere muchas menos entradas de datos que los modelos anteriores para realizar la misma tarea. Mejorando las búsquedas en Google 

Esta primera aplicación de MUM nos ayudó a brindar información fundamental a los usuarios de todo el mundo de manera oportuna. Estamos ansiosos por conocer las muchas formas en que este modelo puede hacer que la búsqueda sea más útil para las personas en el futuro. Nuestras primeras pruebas indican que no solo podrá mejorar muchos aspectos de nuestros sistemas existentes, sino que también nos ayudará a crear formas completamente nuevas de buscar y explorar información. -- Heraldo de México