Retry
الگوریتم هوش mum چیست

وقتی پای سوالات سخت و پیچیده به میان می آید، برای دریافت اطلاعاتی که مستقیما به جستجوی ما مبدل می شوند، معمولا به سراغ افراد و اشخاص رفته و از یک عامل انسانی توقع پاسخی مناسب داریم. حال تصورش را بکنید که هیچکس در دسترس تان نیست تا در یافتن چیزی که بدنبال اش هستید، یاری تان کند. اینجاست که به شما فناوری مبتنی بر هوش ادراکی را معرفی می کنیم که در لحظه متوجه خواسته تان می شود و به نکاتی دقت دارد که تا قبل از آن حتی به ذهن تان خطور نکرده بود. همراه ما باشید تا به پیشواز گوگل، در آینده ای نزدیک برویم.

معرفی الگوریتم مام MUM

هوش MUM گوگل، به اختصار  Google Multitask Unified Model، آنطور که توسعه دهندگان این سازوکار قدرتمند توصیف کرده اند، ظهور کرده تا داده های مورد نیاز مخاطبین را از دِلِ میلیاردها صفحه محتوا به توان بیش از 75 نوع زبان مختلف پردازش کرده و با تحلیلی که مناسب آنهاست، در اختیارشان قرار دهد. اما این همه ماجرا نیست و داستان به جمله ی “در اختیارشان قرار دهد” ختم نمی شود. به نوعی می توانیم بگوییم این چرخه تبادل پرسش و پاسخ بقدری پویا و گسترده است، که نه شما و نه MUM، هیچ یک دست از سر هم بر نخواهید داشت.

انسان دائما در حال یادگیری است و این کار را با گشتن بدنبال هر چیزی فرا می گیرد. از کفشی که به پا می کند تا خودرویی که سوار می شود و کاری که انجام می دهد و حتی برای غذا خوردن، یاد میگیرد چطور از قاشق و چنگال استفاده نماید. پس می توانیم بگوییم، بدون آموختن، انسان یک ماشین طبیعی است. MUM  نیز در همین مسیر گام برداشته و اگر به او در قالب یک جسم، دست و پا بدهیم، برایش سنسور و لنز چشمی کار بگذاریم و همینطور یک بلندگو را در دهان مکانیکی اش جای دهیم، با همین چند آیتم خواهید دید که MUM با شما حرف می زند، با نگاهش ارتباط می گیرد و با دستانش بر روی نقشه، یک آخر هفته مفرح را در مکانی که شما دوست دارید، برنامه ریزی می نماید.

یادگیری، تحلیل و کشف در MUM تبدیل به واقعیتی به نام تولید اطلاعات یکتا و منحصر بفرد شده و پا به عرصه هایی گذاشته که دورنمای آن، پیش بینی و ارایه ی راهکار های متفکرانه است.

گوگل mum

ساختار الگوریتم MUM

هوش MUM از چندین نوآوری تشکیل شده است. در یک مقاله تحقیقاتی، گوگل به یک مدل چند وظیفه ای واحد، که توانایی انجام خوب همه ی کارها را داشته باشد اشاره کرده و آن را چالشی جذاب می پندارد.

هوش MUM اما قادر است در هر بخش از وظایفی که انجام می دهد، زبان طبیعی انسان را پردازش کند و با مطالعه و بررسی مستندات، تفاوت میان هر نوع زبان را تشخیص داده و در نتیجه، برای پرسشی که مطرح شده یا به زبان مبدا و یا به هر زبان دیگری، پاسخ و پاسخ هایی با پایان باز ارایه نماید. این شیوه از تبادل اطلاعات را در هوش لمدا LaMDA، سراغ داریم که گفتگویی با بی نهایت انتخاب را در مکالمه دو یا چند طرفه به ارمغان می آورد و قادر است هر لحظه با تغییر موضوع بحث، جواب مرتبطی داده و فضای تعاملی جذابی را رقم بزند.

بیایید به خودمان و زندگی انسان ها برگردیم، در زمان سفر کنیم و درست به محلی برسیم که دو انسان اولیه راهی برای ارتباط کلامی با یکدیگر پیدا کردند. ابتدا آوا و اصوات بود و بر مبنای نوع و شکل صدایی که بلند می شد، متوجه منظور هم شده و بعد یاد گرفتند آن را برنامه ریزی و نظم ببخشند. در سریال SEE می بینیم که چطور انسان نابینا می تواند با حواس و صدالبته صدایی که در اختیار دارد به جنگ برود، طبیعت را به زانو دراورده و کیلومترها زمین را بپیماید تا به اهدافی که می خواهد برسد. هوش MUM نیز امروز، گذشته انسان های اولیه است و می تواند در قبال چیزی که دنبال می کند، به هر زبانی بیابد و یا زبانی برای ارایه مناسب آن تولید کند. این هوش کارامد توانسته مشکلات و مسایل بسیاری را با ویژگی های “چند وظیفه ای” و “راه حل های یکپارچه” که همان دانشنامه ی داده های بدست آورده اش است، حل نماید.

اکنون که این مقاله را می خوانید، هوش MUM در حال یادگیری و جستجو در تمام زبان ها و فرهنگ ها است. مستندات و داده های در دسترس را یاد می گیرد و در چیزی که ما نام آن را “ذهن” می دانیم، با اسم سیستم ” راه حل های یکپارچه” نگهداری می کند تا بتواند در لحظه، به یک درخواست با چند روش همزمان، پاسخ دهد.

دیگر سوالات به یک جمله با علامت “؟” محدود نخواهند شد، بلکه MUM به یک پاراگراف از جانب کاربر جستجوگر به بیان اطلاعات می پردازد و این پاسخ ها، طبیعتا چیزی نیست که بخواهیم با یک لینک و یا Snippet، رفع رجوع شده بنامیم. MUM پاسخ هایی بصورت اسناد ارایه می کند و اگر بخواهیم کمی ساده تر تشریحش کنیم، سوالات و واژه هایی که بدنبال جواب هستند، بصورت مشاوره، پیشنهاد و یا راه حل پاسخ داده می شوند.

در سیستم MUM، با جستجوهای پیچیده و طولانی ( Long Form Question Answering )، پاسخی که دریافت می شود طولانی و چند وجهی است. ( paragraphs information, multiple subtopics ).

آیا ما داریم درباره گفتگو انسان با انسان صحبت می کنیم؟ فعلا نه، اما در مقابل شما، طبیعتا یک دانشمند با اطلاعاتی به وسعت تاریخ بشر، آن هم بصورت چند وظیفه ای قرار گرفته است.

پاسخی که MUM به ما می دهد صرفا یک جواب نهایی نیست و این بقدری جالب است که حتی نوع سوال شما را به چالش می کشد و اگر یک سوال نسبتا نامفهوم بپرسید یا MUM تشخیص دهد که می توان داده های بیشتری را نیز در نظر گرفت، آنگاه ببینید چه چیزی نصیب تان می شود :

گوگل می تواند در این زمینه به شما کمک کند، اما بر اساس جستجوهای متفکرانه ای که صورت می گیرد، لازم است ارتفاع کوه، میانگین دما در پاییز، دشواری مسیرهای پیاده روی و تجهیزات مناسب برای استفاده را جستجو کنید.

در این پاراگراف دیدیم که گوگل قبل از پاسخ به موضوع، عناوین دیگری را نیز پیشنهاد می دهد که بخش عمده آن مربوط به به روز بودن اطلاعات و کامل بودن تنوع داده ها است. زنگ خطری برای وب مستر و کارشناس سئو و همینطور تولید کننده محتوا، تا به جای ارایه یک مطلب پر پیچ و خم، با انبوهی از مقدمه چینی ها و کلمات کلیدی متعدد، نیازهای اساسی و پاسخ های متمرکز را برای مخاطب پیاده سازی نمایند.

حال بیایید سوالی از MUM بپرسیم که پاسخ آن بسیار سرنوشت ساز است و به نحوه شکل دهی به نوع محتوا نویسی و تولید آن اشاره دارد.

جستجوی هوشمند در گوگل

آشنایی با Long Form Question Answering وparagraphs information multiple subtopics

سوال: تفاوت بین آب های رودخانه ای، دریاچه و اقیانوس چیست؟

برای پاسخ به این سوال، باید محتوای ما به بحث در مورد کیفیت ( دریاچه ها، رودخانه ها و دریاها ) به علاوه مقایسه بین توده آب ها با یکدیگر بپردازد. یعنی یک جواب کافی نیست، بلکه پاسخ های تحلیلی با اطلاعات بیشتر و مرتبط به هم.

پاسخMUM

  • به طور کلی از یک دریاچه به عنوان آب ساکن یاد شده، اما رودخانه دارای آب جاری می باشد. آب دریاچه و رودخانه زلال است، اما گاهی اوقات ممکن است شور باشد. اقیانوس مایل ها عمق دارد و نمی توان عمدتا به عنوان آب شرب استفاده کرد.

حال شاید با خود بگویید می توانیم با در نظر گرفتن سوالات و پیچیدگی آنها، به ارایه پاسخ هایی اینچنین در قالب پاراگراف بپردازیم، اما سخت در اشتباه هستید، زیرا آنچه که به عنوان جواب در بالا خواندید را MUM  از سرتاسر محتوای شما یافته وسپس با دانش و تحلیل پیشرفته، تبدیل به یک پاسخ می نماید. در واقع اگر بخواهیم سوال مان را الان از گوگل بپرسیم، جواب اینگونه است:

  • آب دریاچه ساکن است.
  • رودخانه دارای آب جاری می باشد.
  • آب دریاچه و رودخانه زلال است و ممکن است شور باشد.
  • اقیانوس مایل ها عمق دارد و آب آن قابل شرب نیست.

مثال های الگوریتم MUM

در جریان کنفرانس گوگل I/O سال 2021، یک سوال پیچیده توسط آقای  Prabhakar Raghavant، معاون ارشد در گوگل مطرح شد که پاسخ آن هم اکنون موضوع بحث مقالات بی شماری شده است. در این پرسش و پاسخ دیگر خبری از جستجوی یک عبارت و جمله و همینطور پاسخی که به لینک و آدرس سایت ها و صفحات مربوط میشد، نبود.

آقای Raghavant پرسید: من قبلا به کوه های آدام رفته ام و قصد دارم در پاییز بعدی، برای پیاده روی به کوه فوجی بروم. چگونه می توانم آماده شوم و به چه چیزهای دیگری نیاز دارم؟

در حالت عادی همانطور که مرور کردیم، باید برای هر ابزار و نیازمندی جستجوی متفاوتی داشت و از جمع پاسخ ها یک چک لیست تهیه و سپس تحلیل مناسبی را بدست آورد. در واقع برنامه ریزی سفر و پیاده روی به کوه فوجی حتی به نتایج گوگل نیز محدود نمیشد، بلکه برای اطلاع از تجربیات سایر کوهنوردان نیز، نیازمند اخذ اطلاعاتی خواهیم بود.

اینجاست که MUM تمام این پروسه را حذف و به شما در نقش یک کوهنورد مجرب، اطلاعاتی از قبیل شرایط آب و هوایی و مسیر دسترسی و صعود را داده و سپس تجهیزات مورد نیاز و اقلام مصرفی را نیز در اختیارتان می گذارد. از آنجاییکه درباره گوگل صحبت می کنم، پس در خلال مشاهده پاسخ طولانی، قادر هستید که لباس گرم تان را خریداری، مدل کفش تان را انتخاب و اگر یک تیم کوهنوردی در آن بازه زمانی قصد پیمایش داشته باشند، با آنها در برنامه شان همراه شوید.

هوش MUM اطلاعات مختلفی را از منابع متنوع گرداوری و با فاکتورهای بی شماری تحلیل کرده و از سویی گریزی به آرشیو جستجوهایی می زند که در خصوص انواع واژه های مرتبط درباره شان اطلاعاتی به کاربران داده شده است و قطعا بازخورد آنها و نظراتی که به اشتراک گذاشته اند و از همه مهم تر بلاگ کوه نوردان و خاطرات شان نیز از شاخه ای دیگر پردازش می شود. پس وقتی با هشدار review or aggregateRating  در کنسول گوگل مواجه می شوید، خیلی زود باید به فکر جلب نظر مشتریان و مخاطبین تان باشید و اینجاست که کامنت های ساختگی و امتیازات خودی که توسط ادمین ثبت می شود، نه تنها هیچ تاثیری در نتایج جستجو نداشته، بلکه شامل شرایط Self-serving reviews گشته و چنین محتوایی یا محصولی برای پایش توسط MUM شانسی نخواهد داشت.

در سوالات پیچیده ای مانند کوه نوردی با آقای  Raghavant، همه چیز به ترکیب موجودیت ها و خواسته ها و همینطور تمایلات بستگی دارد و MUM قصد دارد معین یک امر را بفهمد. هرچند ماشین ها در درک زبان انسان مشکل دارند، اما الگوریتم ها و هوش هایی مانند BERT و MUM واقعا به معنایی نزدیک شده اند که بتوانیم بگوییم زبان انسان را کامل می فهمند.

استفاده از گوگل MUM

الگوریتم MUM و نتایج جستجوی مفهومی

پاسخ هایی که MUM به ما می دهد دارای عکس، ویدئو و حتی نقشه زنده هستند که به آن multi modal  می گوییم و دلیل آن هم ارایه اطلاعات کاربردی است که به واژه و مفهوم بسیار مهمی به نام نتایج غنی مربوط می شود. یک نتیجه غنی با ایجاد پاسخی متفاوت سعی در ارایه شکل جدیدی به نام راهنمایی و مشاوره می کند و با اتصال به سرویس لنز، با دوربین خود عکسی از دستکش، کفش و یا وسیله ای می گیرید تا MUM به شما بگوید آیا این تجهیزات مناسب هدف شما هست یا خیر و در ادامه به شما پیشنهاداتی می دهد که هم جنبه اطلاعاتی دارد و هم ارایه محصولاتی برای فروش. پس در بخش فروشگاه های اینترنتی، کامل بودن گالری عکس، ویژگی های محصول و محصولات مرتبط نقش پررنگ تری به خود می گیرند.

ارتباط الگوریتم MoSE با هوش مصنوعی

در اینجا الگوریتم MoSE را معرفی می کنیم که کلیک متوالی کاربران بر روی المان های مختلف و مرور داده ها توسط آنها را می آموزد. این اطلاعات به او اجازه می دهد تا مسیر جستجوی کاربر را تحلیل و برای تولید پاسخ های رضایت بخش، مدلسازی کند. اینکه چطور یک پاسخ پیچیده برای یک پرسش سخت آماده می شود، در درک رفتار کاربر از شروع جستجو، ورود به سایت، کلیک بر روی هرچیزی و سپس صفحاتی را ارزشمند تر می بیند که کاربر توانسته به نتیجه برسد. آنگاه با جمع اوری و پردازش انواع نتایج و صفحات، به درک سوالات و منظور از مطرح کردن شان نشسته، تلاش می کند پرسش های اصلی و اساسی بسازد که هزاران پرسش دیگر، همین منظور را می رسانند.

الگوریتمMultitask Mixture of Sequential Experts for User Activity Streams  یک فناوری مبتنی بر اطلاعات ماشین است که برای پیش بینی الگوهای پیچیده جستجوی چند مرحله ای، از چندین منبع داده از جمله لاگ جستجو، می آموزد. هرچند ویژگی های MoSE به شکل بسیار جالبی با الگوریتم MUM مطابقت دارد، اما به طور خاص این MUM است که می تواند به سوالات پیچیده، پاسخ دهد و 1000 برابر قدرتی بیشتر از فن آوری هایی مانند برت BERT دارد.

اطلاعات بیشتر، جستجوی کمتر؛ این یکی از اهداف اساسی MUM است که هدف نهایی همه اینها کمک به دریافت کامل ترین اطلاعات از متنوع ترین دسته بندی ها می باشد. وقتی نگاهی به فضای نتایج جستجو می اندازیم، شاهد آن هستیم که گوگل در حال ارایه اطلاعاتی از جانب خود و بدون اشاره مستقیم به لینک خاصی است و با پررنگ ترشدن پاسخ های سریع و اضافه شدن بخش های جدیدی که یک بار دیگر جایگاه نتایج غنی را پر اهمیت می کند، تصویری از موتور جستجویی را تداعی می کند که می خواهد پاسخ سوالات را خود ارایه نماید.

گوگل آزمایش و توسعه MUM را مدت ها پیش آغاز کرده است و تا زمانی که برای افزودن به سیستم جستجو اطمینان کامل حاصل نکند، پروسه ادامه خواهد داشت. هرچند زمان مشخصی برای پیاده شدن کامل MUM مشخص نشده است، اما در مورد BERT مدت زیادی طول نکشید.

چگونه برای MUM آماده شویم؟ بهینه سازی سایت برای الگوریتم  MUM

حضور هوش و الگوریتم MUM به سادگی به معنی نتایج جستجو بهتر برای مخاطب است، اما ممکن است شکل جدیدی از ظاهر جستجو و نحوه ارایه اطلاعات را نیز به همراه داشته باشد ومی تواند بر نحوه مدیریت و استراتژی شما درباره تولید محتوا تاثیر بگذارد. یک تحلیل کارشناسی این است که حل مشکلات کاربران بطور مستقیم بر روی سایت که بصورت پرسش و پاسخ ارایه می شود، می تواند از اهمیت کمتری برخوردار باشد، زیرا MUM پاسخ را از سراسر وب جمع اوری و پس از تحلیل و جمع بندی، در اختیار پرسشی می گذارد که در موتور جستجو عنوان شده. محصولات را باید دائما بروز رسانی کنید، داده های تجاری را در سایت تان کامل کرده و بر روی برند سازی و محبوبیت آن کار کنید، زیرا می دانیم که در فضای حضور MUM، کاربران با برند شما روبرو می شوند. اگر بگوییم از همین الان به فکر تبدیل ترافیک سایت به مشتری وفادار باشید، باز هم دیر است.

الگوریتم های گوگل در خواندن و درک نوشته ها و داده ها مانند یک انسان در حال ارتقا و توسعه هستند. بنابراین، برای رویارویی با شرایطی که درک و هوش حرف اول را می زنند، باید تمرکزمان را بر روی داده هایی بگذاریم که برای مخاطب و سلیقه و نیازهای او تولید می شود. اینکه بگوییم یک انسان به سایت مان سر میزند و عامل انسانی به نام MUM محتوای مان را می خواند، این واقعیت را تجلی می بخشد که مفهوم سئو را فقط با روش هایی برای ارایه یک مطلب غنی و روان با تمرکز بر اصل موضوع و دوری از هرگونه اطلاعات ساختگی، به عرصه ظهور جدیدی می رساند. استفاده از داده های ساختار یافته ( اسکیما )، به موتورهای جستجوگر مانند گوگل بینش قوی تر و تاثیر پذیری را در مورد محتوای موجود می دهد. اسکیما به گوگل کمک می کند تا بفهمد چه چیزی در یک صفحه است و شما را برای نتایج غنی واجد شرایط می کند.

علاوه بر این، باید مطالب خوبی داشته باشیم که به راحتی خوانده و بصورت طبیعی بهینه سازی شوند. برای صعود در رتبه های خوب، متن خود را با کلمه کلیدی اشباع نکنید، بلکه محتوایی بنویسید که مخاطب شما می خواهد بخواند. برای مشتری محتوا تولید کنید، نه برای موتور جستجو.

دسته بندی: سئو , گوگل , هوش مصنوعی

دیدگاه‌ها

Comments

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *