گوگل توضیح می دهد که چگونه هوش مصنوعی از طریق MUM و BERT جستجو را ایمن نگه می دارد

یک پست وبلاگ جدید از Pandu Nayak، همکار Google و معاون جستجو، توضیح می دهد که چگونه جستجوی Google از MUM و BERT برای ارائه نتایج جستجوی ایمن تر استفاده می کند.

نکات برجسته:

  • Google از MUM برای تشخیص بهتر زمانی که جستجو نشان می دهد جستجوگر در بحران است استفاده می کند و در عرض چند هفته شروع به ارائه این بهبودها خواهد کرد.
  • گوگل از BERT برای بهبود درک خود از زمانی که جستجوگر به دنبال محتوای صریح است استفاده می کند.
  • به گفته گوگل، استفاده از BERT به این روش، “نتایج شوکه کننده غیرمنتظره” را برای جستجوگران در سال گذشته 30 درصد کاهش داده است.

گوگل از MUM برای ارائه خدمات بهتر به جستجوگران در بحران شخصی استفاده می کند

«…افراد در بحران‌های شخصی به انواع روش‌ها جستجو می‌کنند، و همیشه برای ما آشکار نیست که نیاز دارند. و اگر نتوانیم دقیقاً آن را تشخیص دهیم، نمی‌توانیم سیستم‌هایمان را برای نمایش مفیدترین نتایج جستجو کدگذاری کنیم.

استفاده از یادگیری ماشینی برای بهبود درک زبان به گوگل کمک می کند تا به طور دقیق تشخیص دهد که چه زمانی نتایج جستجو باید شامل شماره تلفن خطوط بحران مربوطه باشد.

نایاک توضیح داد: «MUM می‌تواند هدف پشت سؤالات افراد برای تشخیص اینکه چه زمانی یک فرد نیازمند است را بهتر درک کند» و افزود که این به Google کمک می‌کند «اطلاعات قابل اعتماد و قابل‌اعتمادتری را در زمان مناسب نشان دهد».

گوگل قصد دارد این پیشرفت ها را در هفته های آینده ارائه کند.

گوگل نتایج جستجوی تکان دهنده را در سال جاری 30 درصد کاهش داده است

نتایج جستجوی غیرمنتظره به ندرت تجربه خوبی هستند – و گاهی اوقات می توانند مضر باشند و باعث ناراحتی شوند.

به همین دلیل ضروری است که گوگل بتواند هدف هر جستجوگر را بهتر بخواند تا نتایج ارائه شده با انتظارات آنها مطابقت داشته باشد.

حالت SafeSearch به جستجوگران امکان می دهد تا نتایج صریح را فیلتر کنند. با این حال، مواردی وجود دارد که این دقیقاً همان چیزی است که شخص ممکن است به دنبال آن باشد.

نایاک نوشت: «BERT درک ما از اینکه آیا جستجوها واقعاً به دنبال محتوای صریح هستند یا خیر، بهبود بخشیده است، و به ما کمک می‌کند تا شانس شما برای مواجهه با نتایج جستجوی شگفت‌انگیز را کاهش دهیم.

او فاش کرد که در سال گذشته، استفاده از BERT به این روش، نتایج “غیر منتظره و تکان دهنده” را تا 30 درصد کاهش داده است.

به گفته نایاک، BERT «به ویژه در کاهش محتوای صریح برای جستجوهای مربوط به قومیت، گرایش جنسی و جنسیت مؤثر بوده است، که می تواند به طور نامتناسبی بر زنان و به ویژه زنان رنگین پوست تأثیر بگذارد».

Google از MUM برای مقیاس‌بندی مبارزه با هرزنامه‌ها در چند زبان استفاده می‌کند

گوگل از هوش مصنوعی برای کاهش هرزنامه و نتایج غیر مفید در مکان های مختلف استفاده می کند.

و در ماه‌های آینده، MUM را به کار خواهد برد تا این اقدامات ایمنی را حتی در جایی که داده‌های آموزشی بسیار کمی دارد، افزایش دهد.

این امکان پذیر است زیرا همانطور که نایاک توضیح داد، “وقتی یک مدل MUM را برای انجام یک کار آموزش می دهیم – مانند طبقه بندی ماهیت یک پرس و جو – می آموزد که آن را به تمام زبان هایی که می داند انجام دهد.”

گوگل به جستجوگران اطمینان داد که این آخرین تغییرات به شدت مورد آزمایش قرار گرفته و ادامه خواهد داشت، از جمله ارزیابی توسط ارزیاب های جستجوی دستی.

گوگل این پست را از طریق حساب @SearchLiaison خود تبلیغ کرد:


منبع تصویر: Shutterstock/Metamorworks