所幸的是，布林非凡的數(shù)學(xué)天賦可以解決這個問題。出生于前蘇聯(lián)的布林，母親是美國國家航空航天局的科學(xué)家，父親是大學(xué)的數(shù)學(xué)教授。他在6歲的時候和家人一起移民到美國。就讀于馬里蘭郊區(qū)的一所中學(xué)的時候，他是公認(rèn)的數(shù)學(xué)天才。他提前一年高中畢業(yè)，進入其父任教的馬里蘭大學(xué)學(xué)習(xí)。一畢業(yè)，他很快就進入了斯坦福。他非凡的才華使他在斯坦福的日子過得非常悠閑。他告訴我，那里的環(huán)境如此宜人，他上的課大都是非學(xué)術(shù)性的，比如航海、游泳和潛水，他把自己的智能都用在有趣的項目上而不是課程上。

佩奇和布林并肩作戰(zhàn)創(chuàng)造出一種新的評級體系，這個體系重視始于重要來源的鏈接，卻對始于無關(guān)緊要的網(wǎng)站的鏈接評價很低。比如說，有許多鏈接都是指向IBM網(wǎng)站的。這些鏈接可能來自技術(shù)行業(yè)的商業(yè)伙伴（也許是英特爾），也可能來自伊利諾伊郊區(qū)的一個十幾歲的小編程迷，而這個孩子建立指向IBM的鏈接的原因是，他剛收到一臺電腦作為圣誕禮物。算法怎樣確定這兩者誰的等級更高呢？對于一個人類觀察者來說，鑒于其對IBM在世界上的地位的理解，商業(yè)伙伴是一個更重要的鏈接。但是等級算法怎樣才能理解這樣的事實呢？

佩奇和布林工作的突破性就在于他們發(fā)明了一種新算法。這種算法的名稱取自佩奇的姓（Page），因此叫做PageRank。它可以同時計算指向某個特定網(wǎng)站的鏈接的數(shù)量，以及這些鏈接的來源網(wǎng)站所接入的鏈接數(shù)量。這是對學(xué)術(shù)文獻引用計數(shù)的粗略模仿，事實證明，它是可行的。還是以上面的IBM案例為例，讓我們假設(shè)只有幾個網(wǎng)站的鏈接指向這個孩子的網(wǎng)站，再假設(shè)沒有多少網(wǎng)站指向這幾個網(wǎng)站鏈接。與之形成鮮明的對比，數(shù)千條鏈接指向英特爾，而且平均起來看，這些網(wǎng)站也擁有上千條指向它們的鏈接。在PageRank體系下，這個孩子的網(wǎng)站會被認(rèn)為不如英特爾的網(wǎng)站重要。在這個例子中，佩奇和布林的分級方法可以判斷出英特爾比那個郊區(qū)孩子重要，至少是在同IBM的關(guān)系這一方面。

這不過是一個簡化了的說明，當(dāng)然，佩奇和布林還要改正許多運算上的死角?？傊?，更受歡迎的網(wǎng)站在它們的評級表上會被排在頂端，而相對人氣弱的網(wǎng)站就被排在底部了。

就在他們漫不經(jīng)心地翻看自己所得到的結(jié)果的時候，布林和佩奇意識到他們可能發(fā)明了能夠用于網(wǎng)絡(luò)搜索的技術(shù)。事實上，根據(jù)佩奇的回憶，將經(jīng)過BackRub分級的網(wǎng)頁用于搜索的想法自然而然就出現(xiàn)了，自然到他們根本就沒有意識到自己邁出了多么關(guān)鍵的一步。而且，BackRub本身就像搜索引擎一樣工作，你輸入一條URL（網(wǎng)頁地址），它就會列出一張根據(jù)重要性排序的反向鏈接的列表?！拔覀円庾R到自己擁有了一個探索工具，一種可以有許多用途的網(wǎng)頁分級體系?！迸迤婊貞浀?，“它能夠提供全面的網(wǎng)頁評級和后續(xù)網(wǎng)頁的排序?！?