طرز کار یادگیری ماشین ارائه شده توسط گوگل

یکی از بزرگترین کلمات پر سر و صدا در سراسر گوگل و بازار کلی فناوری ، یادگیری ماشین است. گوگل از آن برای جستجو و روشهای دیگر با الگوریتم RankBrain استفاده می کند. ما در بخش دوم مصاحبه خود از گری ایلیس از گوگل پرسیدیم که Google چگونه از یادگیری ماشین با جستجو استفاده می کند.

ایلیس گفت که گوگل بیشتر از آن برای “ارائه سیگنالهای جدید و تجمع سیگنالها” استفاده می کند. بنابراین ممکن است آنها به دو یا چند سیگنال مختلف یادگیری غیر ماشینی نگاه کنند و ببینند که آیا افزودن یادگیری ماشین به جمع آنها می تواند به بهبود رتبه بندی و کیفیت جستجو کمک کند.

وی همچنین گفت ، “RankBrain ، جایی که براساس سیگنالهای تاریخی رتبه بندی مجدد می شود” ، روش دیگری است که آنها از یادگیری ماشین استفاده می کنند ، و بعداً نحوه کار RankBrain و اینکه الگوریتم پنگوئن در واقع از یادگیری ماشین استفاده نمی کند توضیح داد.

یادگیری ماشین در الگوریتم پنگوئن

در اینجا متن کاملی از پادکستی است که منتشر شده است:

دنی سالیوان: این روزها به نظر می رسد واقعاً جالب است که مردم فقط بگویند یادگیری ماشین در همه موارد استفاده می شود.

گری ایلیس: و سپس مردم فریاد می زنند.

دنی سالیوان: بله. این چیست ، با یادگیری ماشین چه می کنید؟ بنابراین وقتی می گویید در الگوریتم اصلی استفاده نمی شود. بنابراین هیچ کس اخراج نمی شود. ماشین ها الگوریتم را تحویل نگرفته اند ، شما هنوز هم از الگوریتم استفاده می کنید. شما هنوز هم افرادی را در تلاش برای یافتن بهترین روش پردازش سیگنال ها دارید و سپس با یادگیری ماشین چه می کنید.

Gary Illyes: آنها به طور معمول برای ارائه سیگنالهای جدید و تجمع سیگنالها استفاده می شوند. بنابراین اساساً ، بگذارید بگوییم این یک مثال تصادفی است و نمی داند این واقعی است ، اما بگذارید بگوییم که من می خواهم ببینم که آیا الگوریتم PageRank را با Panda و هر چیز دیگری ، که نمی دانم ، فرکانس رمز را ترکیب می کند.

اگر ترکیب این سه به نوعی منجر به رتبه بندی بهتر شود ، و به عنوان مثال ، ما به راحتی می توانیم از یادگیری ماشین استفاده کنیم. و سپس سیگنال ترکیبی جدید ایجاد کنید. این می تواند یک نمونه باشد.

مثال دیگر الگوریتم RankBrain است ، جایی که براساس سیگنالهای تاریخی رتبه بندی مجدد می کند.

اما این هم چنین است ، اگر شما ، اگر به آن فکر می کنید ، این نیز یک سیگنال ترکیبی است.

دنی سالیوان: وقتی اولین بار منتشر شد ، درک من این بود که [RankBrain] برای کوئری های طولانی استفاده می شود تا آنها را با پاسخ کوتاه کوتاه مطابقت دهد. گوگل هنگام برخورد با این موضوع احتمالاً اعتماد به نفس بیشتری در رتبه بندی خود دارد و درک من [این است که] RankBrain به Google کمک کرد تا بهتر بفهمد که این کوئری های طولانی تر اساساً با کوئری های کوتاه تر مطابقت دارد که در آن از اعتماد به نفس زیادی در مورد پاسخ ها برخوردار بود.

– این نوع رتبه بندی مجدد است که شما در مورد آن صحبت می کنید؟

-بله.

باری شوارتز: بسیار خوب. بنابراین ما نباید همه این موارد را به عنوان RankBrain طبقه بندی کنیم ، یا نه؟ مانند این می تواند یادگیری ماشینی دیگر باشد.

گری ایلیس: RankBrain یکی از اجزای سیستم رتبه بندی ماست. همانطور که در ابتدا گفتیم ، بیش از 200 سیگنال وجود دارد که ما از آنها استفاده می کنیم و اینکه هر یک از آنها ممکن است مانند یادگیری ماشین باشد.

اما وقتی شما یا من انتظار نداریم به زودی یا در آینده ای قابل پیش بینی همه آنها مبتنی بر یادگیری ماشین شوند. یا این همان چیزی است که ما آن را الگوریتم اصلی می نامیم ، مبتنی بر یادگیری ماشین می شود. دلیل اصلی آن این است که اشکال زدایی در تصمیم گیری های یادگیری ماشین یا تصمیمات هوش مصنوعی بسیار دشوار است ، به ویژه هنگامی که چندین لایه شبکه عصبی دارید. اشکال زدایی از تصمیم تقریباً غیرممکن می شود. و این برای ما بسیار بد است. و برای این منظور ما سعی می کنیم روش های جدیدی برای پیگیری تصمیمات ارائه دهیم.

باری شوارتز: بنابراین الگوریتم پنگوئن اکنون یک ماشین قدیمی مبتنی بر یادگیری است…

گری ایلیس: پنگوئن، یادگیری ماشین نیست.

باری شوارتز: خوب ، افراد زیادی می گویند که پنگوئن مبتنی بر یادگیری ماشین است.