نحوه فهمیدن زبان انسان توسط جستجوی گوگل
نحوه درک زبان انسان توسط سرچ گوگل به کمک چندین مدل هوش مصنوعی است که همه با هم برای یافتن مرتبطترین نتایج کار میکنند و قادر به درک زبان انسان است.
این مدلهای هوش مصنوعی ها را نام میبریم و اطلاعات مربوط به نحوه عملکرد آنهارا در این مقاله برای شما شرح میدهیم تا بهتر متوجه شوید آنچه مدل های هوش مصنوعی آن انجام می دهند و اینکه چگونه به نتایج بهتری برای جستجوگران تبدیل می شود، به چه صورت است.
- RankBrain
- Neural matching
- BERT
- MUM
هیچ کدام از این مدل ها به تنهایی کار نمی کنند. همهی آنها با انجام وظایف مختلف به یکدیگر کمک می کنند تا جستجوی کربر را بفهمند و آنها را برای تطابق بیشتر با نتایج سرچ گوگل به اشخاص ارائه دهند.
سوالی که گاهی ذهن افراد را مشغول می کند این است که چگونه جستجوی گوگل زبان انسان را درک می کند که ما در سلکتک به این سوال پاسخ می دهیم.
اگر در سئو و بهینه سازی سایت خود مشکل دارید به کمک بازدیدهای سلکتک این پارامتر موثر را میتوانید تامین کنید.
با افزایش بازدید رپورتاژ شما یک ترافیک هدفمند و با تنظیمات اختصاصی برای سایت خود از طرف سایت هایی که بک لینک و یا رپورتاژ دارید، می توانید خریداری و اقدام به افزایش بازدید کنید.
الگوریتم RankBrain (رنک برین)
اولین سیستم هوش مصنوعی گوگل، RankBrain، در سال 2015 راه اندازی شد.
همانطور که از نام آن پیداست، هدف رنک برین این است که با رتبهبندی نتایج جستجو، بهترین ترتیب را برای نتایج جستجو به کاربران ارائه کند.
RankBrain علیرغم اینکه اولین مدل یادگیری عمیق گوگل است، همچنان نقش مهمی در نتایج جستجو دارد.
الگوریتم رنک برین به گوگل کمک می کند تا بفهمد کلمات در یک عبارت جستجو چگونه با مفاهیم دنیای واقعی مرتبط هستند.
به عنوان مثال، اگر "عنوان مصرفکننده در بالاترین سطح زنجیره غذایی چیست" را جستجو کنید، الگوریتم های گوگل 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، هوش مصنوعی رنک برین متوجه میشود که شما به دنبال چیزی هستید که معمولاً به آن apex predator (شکارچی راس) میگویند.
الگوریتم Neural matching (تطبیق عصبی)
گوگل در سال 2018 هوش مصنوعی Neural matching 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، Neural matching کل سرچ ها 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 عبارت جستجو شده ایجاد کند.
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 الگوریتم تطابق عصبی، گوگل قادر به درک این عبارت هست.
با نگاه کردن به بازنمایی های گسترده تر مفاهیم در سرچ های مدیریت، رهبری، شخصیت ها و موارد دیگر، الگوریتم تطبیق عصبی می تواند رمزگشایی کند که این جستجوگر به دنبال نکات مدیریتی بر اساس یک راهنمای شخصیتی محبوب و مبتنی بر رنگ است.
الگوریتم BERT (برت)
الگوریتمBERT برای اولین بار در سال 2019 معرفی شد و اکنون در تمام جستجوها استفاده می شود.
هوش مصنوعی برت برای انجام دو کار طراحی شده است : بازیابی محتوای مرتبط و رتبه بندی آن.
هوش مصنوعیBERT 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.
اگر عبارت "آیا میتوانید برای یک داروخانه دارو تهیه کنید" را جستجو کنید، الگوریتم برت متوجه میشود که در تلاش هستید بفهمید که آیا میتوانید برای شخص دیگری دارو تهیه کنید یا خیر!
قبل از BERT، گوگل حروف اضافه کوتاه را بدیهی می دانست. به لطف الگوریتم BERT، عبارت های جستجو شده بهتر درک می شود و گوگل میداند که حتی کلمات کوچک نیز می توانند معانی بزرگی در یک عبارت داشته باشند.
الگوریتم MUM
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 میبیند.
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.
اکنون گوگل در مرحله های اولیه شناسایی پتانسیل MUM است، بنابراین استفاده از آن در جستجو هموز 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.
اهمیت الگوریتم های گوگل برای درک زبان انسان
الگوریتم ها و سیستم های اصلی هوش مصنوعی گوگل به کمک یکدیگر قادر به درک بهتر عبارت های جستجو شده میشوند که در نهایت، به کاربران نتایج مرتبط تر و بهتری ارائه میدهد.
- هوش مصنوعی RankBrain : با درک چگونگی ارتباط کلمات کلیدی با مفاهیم دنیای واقعی، محتوا را رتبه بندی می کند.
- هوش مصنوعیNeural matching : به گوگل درک وسیع تری از مفاهیم می دهد، که میزان محتوایی را که گوگل قادر به جستجو در آن است افزایش می دهد.
- هوش مصنوعی BERT : به Google اجازه میدهد بفهمد که کلمات چگونه میتوانند معنی پرسوجوها را هنگام استفاده در یک عبارت خاص تغییر دهند.
- هوش مصنوعی MUM : اطلاعات و دانش جهانی را در دهها زبان و روشهای مختلف، مانند متن و تصویر، درک میکند.
این سیستمهای هوش مصنوعی همگی با هم کار میکنند تا مرتبطترین محتوا را در سریعترین زمان ممکن پیدا، رتبهبندی و به کاربران ارائه کنند.