Google은 검색 엔진에 영양을 공급하는 인공 지능 시스템의 혁신을 선보였습니다.이러한 개선 사항은 사용자가 자살, 성폭력, 약물 남용 및 가정 폭력에 대한 정보를 검색 할 때 액세스하는 콘텐츠를 최적화하는 것을 목표로합니다.
중요한 상황에서 정보를 찾을 때 더 높은 정밀도
관련 국가 핫라인에 대한 연락처 정보는 이제 가장 중요하고 고품질의 결과와 함께 더욱 두드러지게 표시됩니다.
결과의 정확성을 높이기 위해 bInfobae가 참석 한 기자 회견에서 회사가 설명했듯이 검색 언어를 이해하도록 기계 학습 시스템이 개선되었습니다.
“이제 최신 AI 모델 인 MUM을 사용하여 더 광범위한 개인 위기 검색을 자동으로 더 정확하게 감지 할 수 있습니다.MUM은 도움이 필요한 사람을 감지하기 위해 사람들의 질문 뒤에있는 의도를 더 잘 이해할 수 있습니다.이를 통해 신뢰할 수 있고 실행 가능한 정보를 적시에 보다 안정적으로 표시할 수 있습니다.앞으로 몇 주 안에 MUM을 사용하여 이러한 개선을 시작할 것입니다.” 라고 회사에서 강조했습니다.
안전 검색의 개선 사항: 무엇에 관한 것인가
한동안 a href="https://www.infobae.com/america/tecno/2018/09/13/12-secretos-de-google-que-quizas-desconocias/" rel="noopener noreferrer" target="_blank"b검색 엔진에는 사용자에게 명시적인 결과를 필터링하는 기능을 제공하는 안전 검색 도구가 있습니다.이 설정은 18세 미만 어린이의 Google 계정에 대한 기본 설정입니다.이 옵션을 사용하지 않도록 선택할 수 있지만 인공 지능 시스템은 여전히 검색에서 예기치 않은 콘텐츠의 모양을 줄입니다.
이러한 유형의 원치 않는 콘텐츠를 추가로 제한하기 위해 회사는 BERT (Encoder의 영어 약어) 에 대한 새로운 업데이트를 발표했습니다 .표현) 양방향 변압기) 는 Google에서 자연어 처리의 사전 교육을 위해 사용하는 기술입니다.
이 기법의 가장 큰 공헌은 양방향 해석, 즉 문맥에서 용어를 해석 할 수 있다는 것입니다. 그 앞의 단어와 그 뒤에 오는 단어가 모두 고려됩니다.
이제 BERT는 이해도가 향상되어 검색 의도를 더 잘 이해할 수 있으므로 사용자가 예기치 않은 검색 결과를 접할 가능성을 더욱 줄일 수 있습니다.
“이것은 우리가 수년 동안 해결해 온 복잡한 과제이지만 작년에만 BERT의 이러한 개선으로 예상치 못한 결과가 30% 감소했습니다.인종, 성적 취향 및 성별과 관련된 검색에 대한 노골적인 콘텐츠를 줄이는 데 특별한 영향을 미쳤으며, 이는 여성, 특히 유색 인종 여성에게 불균형하게 영향을 미칠 수 있습니다.” 라고 회사에서 강조합니다.
MUM은 교육받은 75 개 언어 모두에 지식을 전달할 수 있으므로 보안 보호를보다 효율적으로 전 세계로 확장 할 수 있습니다.AI는 검색 결과에 나타날 수 있는 쓸모없고 때로는 위험한 스팸 페이지를 줄이는 데 사용됩니다.
“앞으로 몇 달 안에 MUM을 사용하여 스팸 보호의 품질을 개선하고 교육 데이터가 거의없는 언어로 확장 할 것입니다.또한 신뢰할 수 있는 현지 파트너와 협력하여 다른 여러 국가에서 실질적인 정보를 보여줌으로써 전 세계의 개인 위기 문제를 더 잘 감지할 수 있을 것입니다.” 라고 발표했습니다.
메타
Meta는 다음과 같은 스타일로 전기 출판물의 첫 초안을 연구하고 작성할 수있는 AI 시스템 개발을 발표했습니다.위키백과.이 모델의 목적은이 사이트 및 이와 유사한 다른 사이트에 존재하는 표현의 부족을 해결하는 것입니다.Wikipedia의 전기 중 20% 만이 여성이며, 이 발표를 할 때 회사에서 보도했습니다.
이 프로젝트의 개발자는 메타 AI의 연구원 안젤라 팬입니다.과학자는 “아직 해야 할 일이 남아 있지만, 이 새로운 시스템이 언젠가 위키백과 편집자들이 현재 사이트에 있지 않은 중요한 사람들에 대해 수천 개의 정확하고 매혹적인 전기 항목을 만드는 데 도움이되기를 바랍니다.” 라고 강조했습니다.
여성은 과학 및 기타 분야에 미친 영향에도 불구하고 해당 플랫폼에서 과소 평가되고 있습니다.이 아이디어를 설명하기 위해 팬은 캐나다 물리학의 사례인 도나 스트릭랜드를 공유합니다.그녀는 2018년에 노벨 물리학상을 수상했지만, 상을 받자마자 아무도 위키백과에서 그녀에 대한 정보를 찾을 수 없었을 것입니다.연구 분야에서 가장 중요한 상을 수상한 지 며칠 후에 만 해당 사이트에 출판되었습니다.
“이 시점에서 우리의 작업은 순전히 연구이며 인공 지능 연구 커뮤니티가 모델과 데이터 세트를 개발하고 발전하기위한 출발점으로 활용할 것으로 기대합니다.아이디어는 언젠가 AI를 사용하여 웹에서 가장 주목할만한 정보 참조 중 하나 인 Wikipedia의 전기 내용에서 성별 불균형을 보완 할 수 있다는 것입니다.여성은 사회의 여러 측면에서 근본적이었고 근본적이지만, 그들의 기여는 남성의 공헌에서 볼 수있는 것처럼 많은 가시성이 주어지지 않습니다.대표가 중요하며, 우리는 이 연구를 통해 이에 기여하고 싶습니다.” 라고 Infobae가 이 개발의 범위에 대해 물었을 때 Fan은 말했습니다.
모델 작동 방식
처음 개발된 모델은 인터넷에서 관련 정보를 검색하여 주제를 소개합니다.다음으로 생성 모듈에서 텍스트를 만들고 세 번째 단계에서는 인용 모듈이 사용된 출처에 대한 링크를 사용하여 참고 문헌을 작성합니다.그런 다음 전체 Wikipedia 전기에 존재하는 모든 요소를 다루기 위해 각 섹션과 함께 프로세스가 반복됩니다.
계속 읽으세요: