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 دارند، ابهام می‌کند:
- RankBrain
- تطابق عصبی
- برت
- مامان
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 محتوای مورد نظر 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.
مدل های هوش مصنوعی گوگل توضیح داده شد
RankBrain
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:
به عنوان مثال، اگر «عنوان مصرف‌کننده در بالاترین سطح 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 می‌فهمد که شما به دنبال چیزی هستید که معمولاً به آن «شنده‌گر راس» می‌گویند.
عکس صفحه از blog.google/products/search/، فوریه ۲۰۲۲تطبیق عصبی
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 استفاده از این مدل هوش مصنوعی، گوگل می‌تواند شبکه گسترده‌تری را هنگام بررسی فهرست خود برای محتوای مرتبط با یک پرس و جو 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.
عکس صفحه از blog.google/products/search/، فوریه ۲۰۲۲برت
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 می دهد تا محتوای وب را برای ارتباط سریعتر از سایر مدل های هوش مصنوعی رتبه بندی کند.
نایاک نحوه عملکرد BERT را در عمل نشان می دهد:
به عنوان 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 می دانستیم، و عمدتاً نتایجی را در مورد نحوه پر کردن نسخه به اشتراک می گذاشتیم. به لطف BERT، ما درک می کنیم که حتی کلمات کوچک نیز می توانند معانی بزرگی داشته باشند.
عکس صفحه از blog.google/products/search/، فوریه ۲۰۲۲مامان
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 کووید-۱۹ 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.
خلاصه
در اینجا خلاصه ای از سیستم های اصلی هوش مصنوعی گوگل و کارهایی که انجام می دهند آورده شده است:
- RankBrain: با درک چگونگی ارتباط کلمات کلیدی با مفاهیم دنیای واقعی، محتوا را رتبه بندی می کند.
- تطابق عصبی: به گوگل درک وسیع تری از مفاهیم می دهد که میزان محتوایی را که گوگل قادر به جستجو در آن است افزایش می دهد.
- برت: به Google اجازه می‌دهد بفهمد که چگونه کلمات می‌توانند معنی جستارها را هنگام استفاده در یک دنباله خاص تغییر دهند.
- مامان: اطلاعات و دانش جهانی را در ده‌ها زبان و روش‌های مختلف مانند متن و تصویر درک می‌کند.
این سیستم‌های هوش مصنوعی همه با هم کار می‌کنند تا مرتبط‌ترین محتوا را برای یک جستجو در سریع‌ترین زمان ممکن پیدا کرده و رتبه‌بندی کنند.
منبع: گوگل
تصویر ویژه: IgorGolovniov/Shutterstock