Google现在已经透过75种语言训练「MUM」模型，藉此让此款模型能够理解全球多数语言构成的搜寻行为，进而协助使用者找到更符合需求的解答，并且去除不相关的搜寻结果，同时也将持续与各地机构深入合作，让搜寻结果能更加安全。
去年在Google I/O 2021期间宣布推出可理解人类语言的「MUM」 (Multitask Unified Model)模型设计，并且逐步应用在Google Search、Google Lens等服务之後，Google搜寻研究员暨副总裁Pandu Nayak进一步解释此模型设计如何提升Google搜寻服务的使用安全。
现在越来越多人会透过Google搜寻服务查找各类生活疑难杂症解决办法，但随着网路资讯量越来越庞大，其中也会加入更多假资讯、不合适的内容，因此如何确保使用者在搜寻过程快速找到正确解答，避免使用者接触非正确内容，或是适度避免一些潜在问题发生，显然变得更重要。
例如当使用者在面临无助时，可能会透过Google Search频繁搜寻自杀相关负面讯息，此时系统就会透过「MUM」模型机制运作判断使用者可能想法，进而推送救助电话热线，或是相关协助资讯，藉此避免可能发生的悲剧情况。
另外，透过「MUM」模型分析输入搜寻关键字词背後潜在语意，同时也有助於系统分辨使用者希望透过Google Search寻找哪些资讯，并且能避开相似却不相关的内容，甚至可以避开刻意透过无害标签标记煽情露骨，或具有暗示性的内容，藉此降低在Google Search搜寻结果吸引人点击观看比重。
目前Google Search会针对未满18岁的Google帐号预设开启过滤煽情露骨内容功能，而针对未在Google Search登入个人帐号，或是使用他人手机搜寻资料的情况，Google Search搜寻机制也会针对一般搜寻结果滤除包含色情的内容，避免产生不必要影响。
除此之外，Google目前也持续利用BERT人工智慧模型，藉此精进理解使用者透过关键字搜寻内容的期望值，并且过滤非相关的有害内容。
Google现在已经透过75种语言训练「MUM」模型，藉此让此款模型能够理解全球多数语言构成的搜寻行为，进而协助使用者找到更符合需求的解答，并且去除不相关的搜寻结果，同时也将持续与各地机构深入合作，让搜寻结果能更加安全。