قدمت Google ابتكارات في أنظمة الذكاء الاصطناعي التي تغذي محرك البحث الخاص بها. تهدف هذه التحسينات إلى تحسين المحتوى الذي يصل إليه المستخدمون عند البحث عن معلومات حول الانتحار والاعتداء الجنسي وتعاطي المخدرات والعنف المنزلي.
مزيد من الدقة عند البحث عن المعلومات في المواقف الحرجة
سيتم الآن رؤية معلومات الاتصال الخاصة بالخطوط الساخنة الوطنية ذات الصلة بشكل أكثر بروزًا جنبًا إلى جنب مع أهم النتائج المتاحة وعالية الجودة.
لتحقيق دقة أكبر في النتائج، تم تحسين نظام التعلم الآلي لفهم لغة البحث، كما أوضحت الشركة في مؤتمر صحفي حضره Infobae.
«الآن، باستخدام أحدث طراز للذكاء الاصطناعي لدينا، MUM، يمكننا تلقائيًا وبشكل أكثر دقة اكتشاف مجموعة واسعة من عمليات البحث الشخصية عن الأزمات. MUM قادرة على فهم أفضل للنية الكامنة وراء أسئلة الناس لاكتشاف متى يكون الشخص في حاجة. يساعدنا هذا على عرض معلومات موثوقة وقابلة للتنفيذ بشكل أكثر موثوقية في الوقت المناسب. سنبدأ في استخدام MUM لإجراء هذه التحسينات في الأسابيع المقبلة»، وشددوا من الشركة.
تحسينات في البحث الآمن: ما هو الأمر
لبعض الوقت الآن، كان لدى محرك البحث أداة البحث الآمن، والتي توفر للمستخدمين القدرة على تصفية النتائج الصريحة. هذا هو الإعداد الافتراضي لحسابات Google للأطفال دون سن 18 عامًا. يمكنك اختيار تعطيل هذا الخيار، ولكن أنظمة الذكاء الاصطناعي لا تزال تقلل من ظهور محتوى غير متوقع في عمليات البحث.
لمزيد من الحد من هذا النوع من المحتوى غير المرغوب فيه، أعلنت الشركة عن تحديثات جديدة خلف BERT (اختصار باللغة الإنجليزية لـ Encoder). التمثيل) المحولات ثنائية الاتجاه)، وهي تقنية تستخدمها Google للتدريب المسبق في معالجة اللغة الطبيعية.
المساهمة الكبيرة لهذه التقنية هي أنها تسمح بتفسير ثنائي الاتجاه، أي لتفسير مصطلح في السياق، يتم أخذ كل من الكلمة التي تسبقه والكلمة التي تتبعه في الاعتبار.
الآن، حسنت BERT الفهم ويمكنها فهم نية البحث بشكل أفضل، مما يقلل من فرص مواجهة المستخدم لنتائج بحث غير متوقعة.
«هذا تحد معقد كنا نعالجه منذ سنوات، ولكن في العام الماضي وحده، أدى هذا التحسن في BERT إلى تقليل وجود نتائج غير متوقعة بنسبة 30٪. وقد كان لها تأثير خاص على الحد من المحتوى الصريح لعمليات البحث المتعلقة بالعرق والتوجه الجنسي والجنس، والتي قد تؤثر بشكل غير متناسب على النساء وخاصة النساء الملونات»، كما يؤكدون من الشركة.
يمكن لـ MUM نقل المعرفة عبر جميع اللغات الـ 75 التي تم تدريبها عليها، مما يسمح بتوسيع نطاق الحماية الأمنية في جميع أنحاء العالم بكفاءة أكبر. يستخدم الذكاء الاصطناعي للمساعدة في تقليل صفحات البريد العشوائي عديمة الفائدة والخطيرة في بعض الأحيان التي يمكن أن تظهر في نتائج البحث.
«في الأشهر المقبلة، سنستخدم MUM لتحسين جودة الحماية من البريد العشوائي والتوسع في اللغات حيث لدينا القليل جدًا من بيانات التدريب. كما سنتمكن من الكشف بشكل أفضل عن استفسارات الأزمات الشخصية حول العالم، والعمل مع شركاء محليين موثوقين لإظهار المعلومات العملية في العديد من البلدان الأخرى».
ميتا
أعلنت Meta عن تطوير نظام للذكاء الاصطناعي يمكنه البحث وكتابة المسودات الأولى لمنشورات السيرة الذاتية بأسلوب ويكيبيديا. الهدف من هذا النموذج هو حل نقص التمثيل الموجود على هذا الموقع وغيره من أمثله. فقط 20٪ من السير الذاتية على ويكيبيديا هي من النساء، أبلغوا من الشركة عند إصدار هذا الإعلان.
مطور هذا المشروع هو أنجيلا فان، الباحثة في Meta AI. وشدد العالم على أنه «لا يزال هناك عمل يتعين القيام به، لكننا نأمل أن يساعد هذا النظام الجديد محرري ويكيبيديا يومًا ما على إنشاء الآلاف من إدخالات السيرة الذاتية الدقيقة والآسرة حول الأشخاص المهمين غير الموجودين حاليًا في الموقع».
و المرأة ممثلة تمثيلا ناقصا في هذا المنبر, على الرغم من تأثيرها على العلوم و المجالات الأخرى. لتوضيح هذه الفكرة، يشارك فان حالة الفيزياء الكندية، دونا ستريكلاند. فازت بجائزة نوبل في الفيزياء في عام 2018، ومع ذلك، بمجرد فوزها بالجائزة لم يكن أحد ليتمكن من العثور على معلومات عنها على ويكيبيديا، لأنها ببساطة لم تفعل ذلك. تم نشر منشور على هذا الموقع فقط بعد أيام قليلة من تلك الجائزة، والأكثر أهمية في مجال دراسته.
«عملنا عبارة عن بحث بحت في هذه المرحلة، ونتوقع من مجتمع أبحاث الذكاء الاصطناعي الاستفادة من نموذجنا ومجموعة بياناتنا كنقطة انطلاق للتطور والمضي قدمًا. الفكرة هي أن تكون قادرًا يومًا ما على استخدام الذكاء الاصطناعي للتعويض عن الاختلالات بين الجنسين في محتوى السيرة الذاتية لويكيبيديا, أحد أبرز مراجع المعلومات على الويب. كانت المرأة ولا تعد أساسية في العديد من جوانب المجتمع, لكن مساهماتها لا تُعطى بقدر كبير من الوضوح كما لو كانت تُرى في المساهمات التي يقدمها الرجال. التمثيل مهم، ونريد المساهمة فيه من خلال هذا البحث «، قال فان عندما سأله Infobae عن نطاق هذا التطور.
كيف يعمل النموذج
يسترد النموذج الذي تم تطويره لأول مرة المعلومات ذات الصلة من الإنترنت لتقديم الموضوع. بعد ذلك، تقوم وحدة التوليد بإنشاء النص، بينما في الخطوة الثالثة، تقوم وحدة الاقتباس ببناء الببليوغرافيا مع روابط للمصادر المستخدمة. ثم تتكرر العملية، مع كل قسم لتغطية جميع العناصر الموجودة في سيرة ويكيبيديا الكاملة.
استمر في القراءة: