![Jarvis Rising - چگونه Google می تواند یک مدل یادگیری ماشینی «در حال پرواز» برای پیش بینی پاسخ در زمانی که جستجو نمی تواند ایجاد کند، و چگونه می تواند آن مدل ها را فهرست بندی کند تا پیش بینی هایی برای پرسش های آینده ارائه کند. [Patent]](https://www.gsqi.com/images/patent-ml-models-great-matches.jpg)
بروزرسانی: 17 آذر 1404
Jarvis Rising - چگونه Google می تواند یک مدل یادگیری ماشینی «در حال پرواز» برای پیش بینی پاسخ در زمانی که جستجو نمی تواند ایجاد کند، و چگونه می تواند آن مدل ها را فهرست بندی کند تا پیش بینی هایی برای پرسش های آینده ارائه کند. [Patent]
علاوه بر این، پتنت توضیح می دهد که گوگل می تواند آن را برگرداند رابط تعاملی به مدل یادگیری ماشینی در نتایج جستجو، که کاربران را قادر می سازد تا پارامترهایی را اضافه کنند که می توانند برای ایجاد پیش بینی برای پرس و جوها در زمانی که نتایج جستجو کافی نیستند، استفاده کنند. آن بخش از پتنت باعث شد که من در مورد آن فکر کنم پیامی که گوگل در SERP ها منتشر کرد در آوریل 2020، زمانی که نتایج جستجوی باکیفیتی برای پرس و جو برگردانده نمی شود. پیاده سازی فعلی فرمی برای تعامل کاربران ارائه نمی دهد، اما مطمئناً در برخی موارد می تواند. و شاید این رابط می تواند برای پرس و جوهای بیشتر در آینده در مقابل موارد مبهم تر در حال حاضر استفاده شود. در گلوله های زیر بیشتر در مورد این موضوع توضیح خواهم داد.
1. حق ثبت اختراع گوگل توضیح می دهد که اگر پاسخی را نتوان با قطعیت پیدا کرد و کاربر درخواستی را ارائه کرد که ماهیت پیش بینی دارد، می توان از یک مدل یادگیری ماشینی آموزش دیده برای ایجاد یک پیش بینی استفاده کرد.
3. همچنین، مدل یادگیری ماشینی را می توان "در حال پرواز" تولید کرد و گوگل ممکن است مدل های یادگیری ماشینی آموزش دیده را در فهرست جستجو ذخیره کند. بله، گوگل می تواند مدل های یادگیری ماشینی را فهرست بندی کند که فقط برای ارائه پیش بینی ها بر اساس انواع خاصی از جستارها آموزش دیده اند. به زودی در این مورد بیشتر توضیح خواهم داد.
7. پتنت در ادامه توضیح می دهد که مدل های یادگیری ماشینی را می توان با یک یا چند آیتم محتوا، مانند موجودیت ها در نمودار دانش، نام جدول، نام ستون، نام صفحه وب و موارد دیگر ذخیره کرد. علاوه بر این، کلمات مرتبط با پرس و جو مانند "چین" و "پزشکان" می توانند توسط مدل یادگیری ماشین برای ایجاد یک پیش بینی استفاده شوند.
8. پتنت در ادامه توضیح می دهد که این سیستم ممکن است یک رابط تعاملی برای کاربران فراهم کند تا پارامترهایی را انتخاب کنند که می توانند به مدل یادگیری ماشین منتقل شوند. این می تواند یک فیلد متنی، یک منوی کشویی و غیره باشد. همچنین، پاسخ می تواند شامل پیامی باشد که به کاربر ارائه می شود مبنی بر اینکه پاسخ یک پیش بینی بر اساس یک مدل یادگیری ماشینی آموزش دیده است. بنابراین گوگل می خواهد مطمئن شود که کاربران متوجه می شوند که این یک پیش بینی مبتنی بر یک مدل یادگیری ماشینی در مقابل پاسخ های ارائه شده بر اساس داده هایی است که ایندکس کرده است.
نکات کلیدی از ثبت اختراع:
مشابه آخرین پست من که یکی دیگر از پتنت های اخیر گوگل را پوشش می دهد، فکر می کنم بهترین راه برای پوشش جزئیات ارائه گلوله هایی حاوی نکات کلیدی است.
جی جی
منبع: https://www.gsqi.com/marketing-blog/jarvis-rising-google-machine-learning-models-for-predictions/
11. پتنت توضیح می دهد که سیستم می تواند ارائه دهد اعلان های فشار از یک "دستیار خودکار" در برخی موارد. و فقط با صدای بلند فکر می کنم، به این فکر می کنم که آیا می تواند از دستیار جارویس مانندی باشد که در پستم درباره Code Red گوگل توضیح دادم که هزاران Code Red را در ناشران ایجاد کرد.
ایجاد و/یا استفاده از یک مدل یادگیری ماشینی در پاسخ به درخواست جستجو
US 11645277 B2
تاریخ اعطا: 9 می 2023
تاریخ ثبت: 12 دسامبر 2017
نام گیرنده: Google LLC
اگرچه ما نمی دانیم که آیا از پتنت خاصی استفاده می شود یا خیر، قدرت و کارایی این فرآیند برای گوگل بسیار منطقی است. از تولید مدل های یادگیری ماشینی «در حال پرواز» تا نمایه سازی آن مدل ها برای استفاده در آینده تا استفاده از یک رابط تعاملی با اعلان های فشاری، به نظر می رسد گوگل در حال آماده سازی زمینه برای دستیارانی مانند جارویس است. بنابراین، دفعه بعد که از گوگل می خواهید پاسخی را پیش بینی کند، به این پتنت فکر کنید. و ممکن است زمانی از شما خواسته شود که اطلاعات بیشتری کسب کنید (تا زمانی که جارویس بتواند همه این کارها را در یک نانوثانیه انجام دهد). :)
4. این پتنت نمونه ای را بر اساس این پرسش ارائه کرد که "در سال 2050 چند پزشک در چین وجود خواهد داشت؟" اگر پاسخ معتبری از طریق نتایج جستجوی استاندارد ارائه نشود، می توان پرس و جو را به یک مدل یادگیری ماشینی آموزش دیده ارسال کرد تا یک پیش بینی ایجاد کند.
2. به عنوان مثال، گوگل ابتدا می تواند نتایج جستجو را بر اساس یک پرس و جو ایجاد کند، اما اگر نتایج از کیفیت کافی برخوردار نباشند، می توان از مدل یادگیری ماشینی برای ارائه پاسخ پیش بینی شده قوی تری استفاده کرد. بنابراین، سیستم می تواند پاسخ های پیش بینی شده ای را بر اساس یک مدل یادگیری ماشینی ارائه دهد، در صورتی که پاسخی توسط Google تأیید نشود.
مانند هر حق ثبت اختراعی، ما هرگز نمی دانیم که آیا گوگل واقعاً آنچه را که پتنت پوشش می دهد اجرا کرده است یا خیر، اما همیشه امکان پذیر است. و اگر اجرا می شد، نه تنها گوگل می توانست از یک مدل یادگیری ماشینی آموزش دیده برای کمک استفاده کند پیش بینی پاسخ به یک پرس و جو، اما می تواند فهرست مطالب آن مدل های یادگیری ماشینی، آنها را با موجودیت های مختلف، صفحات وب و غیره مرتبط کنید و سپس آن مدل ها را برای جستجوهای مرتبط بعدی بازیابی و استفاده کنید. به این فکر کنید که چقدر می تواند برای گوگل قدرتمند و مقیاس پذیر باشد.
10. فراتر از نتایج جستجوی عمومی، پتنت توضیح می دهد که این سیستم می تواند در یک پایگاه داده خصوصی برای کمک به شرکت ها در پیش بینی نتایج خاص استفاده شود. این پتنت توضیح می دهد که «خصوصی برای گروهی از کاربران، یک شرکت، و/یا سایر مجموعه های محدود». به عنوان مثال، یکی از کارمندان یک شهربازی ممکن است بپرسد، "فردا چند مخروط برفی خواهیم فروخت؟" سپس سیستم می تواند از یک پایگاه داده خصوصی برای درک میزان فروش روزهای گذشته، اطلاعات آب و هوا، داده های حضور و غیاب و غیره برای پیش بینی پاسخ برای کارمند پرس و جو کند.
5. پتنت در ادامه توضیح می دهد که این سیستم ممکن است سال های دیگری مانند 2010، 2015، 2020 و غیره طول بکشد و از آن ها برای ایجاد یک پیش بینی (از طریق یک مدل یادگیری ماشین آموزش دیده بر روی این پارامترها) استفاده کند.
