چگونه جستجوی گوگل زبان انسان را درک می کند

گوگل توضیح می دهد که چگونه سیستم های هوش مصنوعی آن برای درک زبان انسان و بازگرداندن نتایج جستجوی مرتبط کار می کنند.
جستجوی گوگل با کمک چندین مدل هوش مصنوعی که همه با هم برای یافتن مرتبط‌ترین نتایج کار می‌کنند، قادر به درک زبان انسان است.
اطلاعات مربوط به نحوه عملکرد این مدل‌های هوش مصنوعی توسط Pandu Nayak، معاون جستجوی گوگل، در مقاله جدیدی در وبلاگ رسمی این شرکت توضیح داده شده است.
نایاک مدل‌های هوش مصنوعی زیر را که نقش مهمی در نحوه برگرداندن نتایج جستجو توسط گوگل بازی می‌کنند، ابهام می‌کند:
هیچ کدام از این مدل ها به تنهایی کار نمی کنند. همه آنها با انجام وظایف مختلف به یکدیگر کمک می کنند تا پرس و جوها را بفهمند و آنها را با جستجوگران محتوا مطابقت دهند.
در اینجا نکات کلیدی از نگاه پشت صحنه گوگل به آنچه مدل های هوش مصنوعی آن انجام می دهند و اینکه چگونه به نتایج بهتری برای جستجوگران تبدیل می شود، آورده شده است.
اولین سیستم هوش مصنوعی گوگل، RankBrain، در سال 2015 راه اندازی شد.
همانطور که از نام آن پیداست، هدف RankBrain این است که با رتبه‌بندی نتایج جستجو، بهترین ترتیب را برای نتایج جستجو پیدا کند.
RankBrain علیرغم اینکه اولین مدل یادگیری عمیق گوگل است، همچنان نقش مهمی در نتایج جستجو دارد.
RankBrain به گوگل کمک می کند تا بفهمد کلمات در یک عبارت جستجو چگونه با مفاهیم دنیای واقعی مرتبط هستند.
نایاک نحوه عملکرد RankBrain را نشان می دهد:
برای مثال، اگر «عنوان مصرف‌کننده در بالاترین سطح یک زنجیره غذایی چیست» را جستجو کنید، سیستم‌های ما با دیدن آن کلمات در صفحات مختلف متوجه می‌شوند که مفهوم زنجیره غذایی ممکن است با حیوانات مرتبط باشد، و نه مصرف کنندگان انسانی
با درک و تطبیق این کلمات با مفاهیم مرتبط آنها، RankBrain متوجه می‌شود که شما به دنبال چیزی هستید که معمولاً به آن «شکارچی اپکس» می‌گویند.
گوگل در سال 2018 تطبیق عصبی را در نتایج جستجو معرفی کرد.
تطبیق عصبی به گوگل این امکان را می‌دهد تا با استفاده از دانش مفاهیم گسترده‌تر، ارتباط جستجوها با صفحات را درک کند.
به جای نگاه کردن به کلمات کلیدی منفرد، تطبیق عصبی کل پرس‌و‌جوها و صفحات را بررسی می‌کند تا مفاهیمی را که نشان می‌دهند شناسایی کند.
با این مدل هوش مصنوعی، گوگل می‌تواند شبکه گسترده‌تری را زمانی که فهرست آن را برای محتوای مرتبط با یک جستار اسکن می‌کنیم، ایجاد کند.
نایاک نحوه عملکرد تطابق عصبی را نشان می دهد:
برای مثال، جستجوی «بینش‌های چگونگی مدیریت یک سبز» را در نظر بگیرید. اگر دوستی از شما این را بپرسد، احتمالاً گیج خواهید شد. اما با تطابق عصبی، ما قادر به درک آن هستیم.
با نگاه کردن به بازنمایی های گسترده تر مفاهیم در پرس و جو – مدیریت، رهبری، شخصیت و موارد دیگر – تطبیق عصبی می تواند رمزگشایی کند که این جستجوگر به دنبال نکات مدیریتی بر اساس یک راهنمای شخصیتی محبوب و مبتنی بر رنگ است.
BERT برای اولین بار در سال 2019 معرفی شد و اکنون در تمام پرس و جوها استفاده می شود.
این برای انجام دو چیز طراحی شده است – بازیابی محتوای مرتبط و رتبه بندی آن.
BERT می تواند درک کند که کلمات چگونه با یکدیگر در یک توالی خاص استفاده می شوند، که تضمین می کند کلمات مهم از یک پرس و جو حذف نمی شوند.
این درک پیچیده از زبان به BERT اجازه می‌دهد تا محتوای وب را برای ارتباط سریع‌تر از سایر مدل‌های هوش مصنوعی رتبه‌بندی کند.
نایاک نحوه عملکرد BERT را در عمل نشان می دهد:
برای مثال، اگر عبارت «آیا می‌توانید برای یک داروخانه دارو تهیه کنید» را جستجو کنید، BERT متوجه می‌شود که در تلاش هستید بفهمید که آیا می‌توانید برای شخص دیگری دارو تهیه کنید یا خیر.
قبل از BERT، ما این حرف اضافه کوتاه را بدیهی می‌گرفتیم و عمدتاً نتایجی را درباره نحوه پر کردن نسخه به اشتراک می‌گذاشتیم. به لطف BERT، ما درک می کنیم که حتی کلمات کوچک نیز می توانند معانی بزرگی داشته باشند.
آخرین نقطه عطف هوش مصنوعی گوگل در جستجو — Multitask Unified Model یا MUM، در سال 2021 معرفی شد.
MUM هزار بار قدرتمندتر از BERT است و قادر به درک و تولید زبان است.
درک جامع تری از اطلاعات و دانش جهانی دارد و در 75 زبان و بسیاری از وظایف مختلف به طور همزمان آموزش می بیند.
درک MUM از زبان در آینده شامل تصاویر، متن و موارد دیگر می شود. وقتی می شنوید که از MUM به عنوان "مولتی مدال" یاد می شود به این معنی است.
گوگل در روزهای اولیه پی بردن به پتانسیل MUM است، بنابراین استفاده از آن در جستجو محدود است.
در حال حاضر، MUM برای بهبود جستجوهای اطلاعات واکسن COVID-19 استفاده می‌شود. در ماه های آینده از آن در گوگل لنز به عنوان راهی برای جستجو با استفاده از ترکیبی از متن و تصاویر استفاده خواهد شد.
در اینجا خلاصه ای از سیستم های اصلی هوش مصنوعی گوگل و کارهایی که انجام می دهند آورده شده است:
این سیستم‌های هوش مصنوعی همگی با هم کار می‌کنند تا مرتبط‌ترین محتوا را در سریع‌ترین زمان ممکن پیدا کرده و رتبه‌بندی کنند.
منبع : گوگل
تصویر ویژه: IgorGolovniov/Shutterstock
خبرنامه روزانه ما را از لورن بیکر بنیانگذار SEJ در مورد آخرین اخبار در صنعت دریافت کنید!
مت ساترن از سال 2013 نویسنده اصلی اخبار در Search Engine Journal بوده است. مت … [بیو کامل را بخوانید]
برای دریافت آخرین اخبار صنعت در خبرنامه روزانه ما مشترک شوید.
برای دریافت آخرین اخبار صنعت در خبرنامه روزانه ما مشترک شوید.

source
سئو سایت