Este motor de búsqueda de un nuevo tipo revoluciona nuestros hábitos 🔍

Y si la web se convirtiera en una base de datos, ¿legible como un libro abierto? Una startup tecnológica, Exa, se ha propuesto este ambicioso objetivo con su motor de búsqueda, Websets. Prometiendo trascender la lógica de las palabras clave, esta innovación podría remodelar nuestra forma de navegar en línea.


Con cerca de dos mil millones de sitios web compitiendo por nuestra atención, hallar una información precisa a veces parece una misión imposible. Las herramientas clásicas, como Google, se basan en clasificaciones respaldadas por palabras clave. Sin embargo, estos sistemas, aunque efectivos para búsquedas simples, tienen dificultades para satisfacer demandas complejas. Aquí es donde entra Exa Websets.

Este motor de búsqueda, todavía en fase de lanzamiento, utiliza un enfoque completamente novedoso: los embeddings. A diferencia de los métodos tradicionales, esta tecnología codifica la información agrupándola por significado y contexto, en lugar de asociarla con términos específicos. ¿El resultado? Respuestas que van directamente al grano.

Will Bryk, el CEO de Exa, explica que el método empleado por Websets es excepcional en el manejo de consultas especialmente complejas. Durante una demostración, el motor respondió a una búsqueda detallada sobre "todos los doctorandos que trabajaron en productos para desarrolladores, egresados de universidades prestigiosas y que tienen un blog". Websets generó una lista exhaustiva de nombres, acompañada de enlaces a sus perfiles de LinkedIn. Esta precisión, inalcanzable con los motores tradicionales, ilustra su capacidad para combinar una búsqueda semántica avanzada con una contextualización precisa de los resultados.

Pero esta precisión tiene un costo. Exa tuvo que codificar miles de millones de páginas web, una tarea titánica, aunque aún modesta en comparación con los colosales índices de Google. Cada búsqueda requiere un poder de cálculo impresionante, lo que a veces prolonga el tiempo de espera hasta varios minutos. Un compromiso que los usuarios están dispuestos a aceptar a cambio de obtener resultados a medida.


Al integrar técnicas derivadas de modelos avanzados de lenguaje, Websets va más allá de simples predicciones de palabras para anticipar los enlaces más relevantes. Según Andrew Gao, estudiante de informática, esta herramienta resulta particularmente útil cuando faltan términos precisos. Sin embargo, para preguntas directas, como un hecho aislado o una definición, los motores tradicionales siguen siendo más rápidos.

Algunos expertos permanecen escépticos. La tecnología de los embeddings, aunque poderosa, puede generar pérdidas de información. Bryk es consciente de ello, pero afirma que su equipo trabaja activamente para superar estas limitaciones. El objetivo final: transformar la experiencia de búsqueda en una navegación estructurada y eficiente.

Aunque el camino hacia una web más organizada aún es largo, Exa ofrece un vistazo de lo que podría ser el futuro. Un motor que no solo busca, sino que entiende. Una revolución lenta, pero prometedora.

¿Qué es el método de embeddings utilizado por Exa Websets?

El método de embeddings se basa en un principio de codificación digital de información textual para captar su significado contextual. Cada palabra, frase o documento se transforma en una serie de valores matemáticos que reflejan sus relaciones semánticas.

Por ejemplo, términos cercanos como "investigador" y "científico" se representan con valores similares, facilitando su asociación. Esta representación permite al algoritmo comprender no solo las palabras en sí mismas, sino también su significado en un contexto dado.

En la práctica, esto significa que el motor de búsqueda puede establecer conexiones relevantes entre consultas complejas y datos de la web, incluso en ausencia de palabras clave exactas.

Por último, este método es particularmente útil en casos donde las relaciones temáticas y las consultas multinivel deben ser exploradas, superando los límites de las simples coincidencias de palabras clave.