Η Google βασίζεται στην τεχνητή νοημοσύνη για πολύπλοκα ερωτήματα αναζήτησης

[Perambulator]

Εδώ και καιρό, η Google χρησιμοποιεί το PageRank για την οργάνωση των αποτελεσμάτων αναζήτησης με ταχύτητα και ακρίβεια. Το τελευταίο διάστημα όμως υπάρχει το RankBrain, μια τεχνολογία αναζήτησης που διαθέτει τεχνητή νοημοσύνη και είναι ιδιαίτερα σημαντική για την Google.

Συγκεκριμένα, το RankBrain χρησιμοποιείται για την ερμηνεία του 15% των ημερήσιων αναζητήσεων, τις οποίες συναντά για πρώτη φορά η μηχανή αναζήτησης της Google. Το Rankbrain μεταμορφώνει τις λέξεις σε διανύσματα, τα οποία στη συνέχεια χρησιμοποιούνται από τη μηχανή αναζήτησης για να εντοπιστούν παρόμοιες λέξεις ή φράσεις. Με τον τρόπο αυτό, καθίσταται δυνατή η συντακτική ανάλυση ασυνήθιστων αναζητήσεων όπως λόγου χάρη «Ποιά είναι η ονομασία του ετερότροφου οργανισμού που βρίσκεται στο υψηλότερο επίπεδο της τροφικής αλυσίδας;»

 

Άλλωστε, σύμφωνα με δήλωση του Greg Corrado, επιστημονικού συνεργάτη της Google, στο Bloomberg, τους τελευταίους μήνες το Rankbrain είναι το τρίτο σημαντικότερο εργαλείο εμφάνισης αποτελεσμάτων αναζήτησης ανάμεσα σε εκατοντάδες άλλα εργαλεία που χρησιμοποιεί η Google. Μάλιστα, όσον αφορά την ταξινόμηση των σχετικών αποτελεσμάτων αναζήτησης, είναι καλύτερο από τους ίδιους τους μηχανικούς της Google.

 

Σύμφωνα με τον Corrado, όλα τα υπόλοιπα εργαλεία βασίζονται σε ευρήματα και συμπεράσματα ατόμων του κλάδου της ανάκτησης πληροφορίας, χωρίς να περιλαμβάνεται κάποια μορφή μάθησης. Άλλωστε, αυτό είναι το βασικό στοιχείο των τεχνολογιών που βασίζονται στην τεχνητή νοημοσύνη, γεγονός που οδηγεί και τον ανταγωνισμό να υιοθετεί παρόμοιες τεχνολογίες.

 

Όπως υποστηρίζει το Bloomberg, το Facebook ήδη χρησιμοποιεί σύστημα τεχνητής νοημοσύνης για την ταξινόμηση των άρθρων στην κεντρική σελίδα και η Microsoft χρησιμοποιεί τέτοιου είδους συστήματα για να βελτιώσει το Bing.

 

Site: Engadget

[damoclesword]

Η τεχνητή νοημοσύνη δεν θα ξεπεράσει ποτέ τη φυσική ηλιθιότητα.

[aliakas]

ήρθε η ώρα μερικοί να ξαναδούν τα terminator 

πλάκα πλάκα το skynet είναι πιο κοντά από ποτέ

[flogerakos]

Ex Machina......

[Επισκέπτης]

Ex Machina......

Skynet

[Επισκέπτης]

Όταν λέει τεχνητή νοημοσύνη εννοεί σημασιολογική επεξεργασία σε δίκτυα, νευρωνικά δίκτυα και στατιστική μάθηση. Χαλαρώστε περί Skynet

[Rage_unseen]

Η Google βασίζεται στην τεχνητή νοημοσύνη για αποδοτικότερο data mining προσωπικών δεδομένων

 

fixed 

[badweed]

θα ηθελα να το δω σε καρτοον , 

το γκουγκλ οπως αρχισε , να του ζητας κατι και να σου φερνει κατι παρεμφερες , και το γκουγκλ της αει (ΑΙ) εποχης που σκεφτεσαι κατι , πατας μια ελαχιστη περιγραφη , και σου βρισκει ακριβως αυτο που σκεφτηκες και ας ξεχασες να συμπεριλαβεις καποιες λεπτομεριες στην αναζητηση . 

[suffocater]

ήρθε η ώρα μερικοί να ξαναδούν τα terminator 

πλάκα πλάκα το skynet είναι πιο κοντά από ποτέ

 

 

Όταν λέει τεχνητή νοημοσύνη εννοεί σημασιολογική επεξεργασία σε δίκτυα, νευρωνικά δίκτυα και στατιστική μάθηση. Χαλαρώστε περί Skynet

Βασικά,και οι 2 έχετε δίκιο.

Και ειναι πιο κοντά απο ποτέ,και ειναι ακόμα χιλιομετρα μακρια.

Αλλα γιατι το λες ετσι περι νευρωνικών δικτυων και μαθησης?Δεν ειναι κ αυτά αλληλενδετα της A.I και του machine learning?

 

[>>Morpheus>>]

"αγαπη μου ποιο φορεμα μου ταιριαζει καλυτερα  για αποψε το βραδυ?" ...

 

... και καπου εκει, ο κωδικας της Google βαρεσε tilt.

[Επισκέπτης]

Βασικά,και οι 2 έχετε δίκιο.

Και ειναι πιο κοντά απο ποτέ,και ειναι ακόμα χιλιομετρα μακρια.

Αλλα γιατι το λες ετσι περι νευρωνικών δικτυων και μαθησης?Δεν ειναι κ αυτά αλληλενδετα της A.I και του machine learning?

 

 

 

Πράγματι, το machine-statistical learning αποτελεί κλάδο της τεχνητής νοημοσύνης. Ο σκοπός του ωστόσο είναι η εξαγωγή επαρκών συμπερασμάτων(με το ελάχιστο δυνατό σφάλμα) για την μελλοντική αυτονομη λετουργία του συστήματος (αφού δωθούν πειραματικά δεδομένα ώστε το σύστημα να γίνει κατα κάποιο τρόπο αυτόνομο). Όλα αυτά καθαρά με πιθανότητες και στατιστική.

 

Το κλασσικό παράδειγμα είναι ένα ρομπότ με όραση σε μια γραμμή παραγωγής φρούτων που πρέπει να διαχωρίσει, ας πούμε για λόγους απλότητας, 2 είδη φρούτων σε τελάρα αναλογα με κάποια χαρακτηριστικά(πχ χρώμα, διάμετρος). Αυτά αποτελούν τυχαιες μεταβλητές και καλείται να προβλέψει την συνάρτηση(σχέση) που συνδέει αυτές τις 2 μεταβλητές με την εξαρτημένη, το είδος. Αφού δωσεις ας πούμε μια ποσότητα 1000 γνωστών δεδομένων στο σύστημα(γνωστό χρώμα διαμετρος και ειδος φρούτου) βρίσκει την σχέση και κανει κατηγοριοποιηση. Φυσικά υπαρχει περιθώριο σφάλματος.

 

Σε αυτή τη κατηγορία ανήκουν και τα τεχνητά νευρωνικά δίκτυα, τα κυτταρικά αυτόματα και τους γενετικούς αλγορίθμους(λειτουργούν με βάση την αρχή της επιλογής των ειδών).

 

Σαφώς λιγότερο αποδοτικός και "μηχανικός" τρόπος υλοποιησης τεχνητής νοημοσύνης από αυτή της καθαρά αλγοριθμικης προσσέγισης και της μαθηματικής λογικής.(βλέπε turing test, chinese room κτλ).

 

 

Πράγματι όπως ειπες η κατηγορια της στατιστικης μάθησης είναι ένας ιδιαιτερα δυνατός κλάδος που μπορει να δωσει απαντησεις στα ερωτηματα της τεχνητής νοημοσυνης. Αυτο ομως το οποίο λειπει είναι ο "ανθρωπινος" τρόπος επεξεργασίας των δεδομένων, δηλαδή η σημασιολογική επεξεργασια(hot θέμα) και η δημιουργια ενος συστήματος με ανθρωπινα υλικά και όχι με τις μαθηματικές προσσεγίσεις (νευρώνες(όχι τεχνητοί),dna computing κτλ).

 

Έναν τέτοιο διαχωρισμό έκανε ο Lighthill αν θυμάμαι καλά.

 

Φιλικά

[21century]

Τουλάχιστον είναι ένα βήμα για αρτιότερα αποτελέσματα