Когда Панду Наяк рассказывает людям, что работает над поиском Google, его часто спрашивают: «Осталась ли ещё работа»? Ответ всегда решительный и короткий — «Да»! Он и его команда пытаются решить бесчисленное множество проблем, чтобы поиск Google работал лучше. Сегодня мы расскажем вам, как они обращаются именно к тому, с чем многие из нас могут себя ассоциировать: о необходимости вводить и выполнять множество поисковых запросов, чтобы получить нужный ответ.
Возьмём следующий сценарий: вы поднялись на гору Адамс. Теперь вы решили покорить гору Фудзи следующей осенью, и хотите узнать об отличиях, чтобы заранее подготовиться. Google может помочь вам в этом, но для этого потребуется выполнить много тщательно продуманных запросов — придётся искать высоту горы, среднюю температуру осенью, сложность пешеходных троп, необходимое снаряжение и многое другое. И только спустя нескольких поисковых запросов вы всё же сможете получить нужный ответ.
Но если бы вы разговаривали с экспертом по туризму, достаточно было бы задать всего один вопрос: «Что мне сделать по-другому, чтобы подготовиться»? И получили бы продуманный ответ, который учитывает все нюансы задачи и направит на многие вещи, которые так же следует учитывать.
Этот пример не уникален — многие из нас ежедневно решают всевозможные задачи, требующие нескольких шагов поиска в Google. Специалисты выявили, что в среднем люди задают восемь запросов для решения сложных задач, подобных этой.
Поисковые системы ещё недостаточно совершенны, чтобы отвечать так, как это сделали бы эксперты. Но с новой технологией, называемой многозадачной унифицированной моделью или MUM, Google приближаемся к этому, и уже совсем скоро сможет помочь нам даже с такими типами сложных задач. В будущем вам потребуется выполнять гораздо меньше поисковых запросов.
MUM может изменить то, как Google помогает нам в решении сложных задач. Как и BERT, MUM построена на архитектуре трансформера, но в 1000 раз мощнее. MUM не только понимает язык, но и генерирует его. Она обучена 75 разным языкам и выполняет множество задач одновременно, что позволяет получать более полное понимание информации, чем в предыдущих нейросетях. MUM является мультимодальной нейросетью, поэтому она понимает информацию в текстах и изображениях, а в будущем может расшириться до большего количества, включая видео и аудио.
При ответе на вопрос о походе на гору Фудзи: MUM может понять, что вы сравниваете две горы, поэтому информация о высоте и маршруте может быть актуальной. Она также может понять, что в контексте туристических походов, подготовка может включать в себя такие вещи, как способы тренировки, а также поиск подходящего снаряжения.
MUM может получать информацию, основанную на глубоком знании мира, поэтому может отметить, что, хотя обе горы находятся примерно на одной высоте, осень — это сезон дождей на горе Фудзи, поэтому вам может понадобиться водонепроницаемая куртка. MUM также сможет отобразить полезные темы для более глубокого изучения — например, лучшее снаряжение или полезные упражнения для тренировки, указав на соответствующие статьи, видео и изображения.
Язык может быть серьезным препятствием для доступа к информации. MUM может разрушить эти границы, передавая знания на разных языках. Она обучается из источников, в том числе, написанных на отличном языке от того, на котором вы пишете поисковый запрос, и помогать донести эту информацию.
Скажем, есть полезная информация о горе Фудзи, написанная на японском языке. Сегодня вы, вероятно, не найдете её, если не будете искать на японском языке. Но MUM может передать знания из источников на других языках и использовать их для поиска наиболее релевантных результатов на вашем языке. Поэтому в будущем при поиске информации о посещении горы Фудзи, вы можете увидеть такие результаты, как место с лучшим видом на гору, горячие источники и сувенирные магазины вокруг — эта информация чаще всего встречается при поиске на японском языке.
MUM является мультимодальной нейросетью, это означает, что она может одновременно понимать информацию различных форматов, таких как веб-страницы, изображения и многие другие. В конце концов, вы сможете сфотографировать свои ботинки и спросить: «Могу ли я использовать их для похода на гору Фудзи»? MUM поймёт изображение и свяжет его с вопросом, чтобы дать ответ, подходят они или нет, а затем направит вас на список рекомендованного снаряжения.
Всякий раз, когда специалисты поиска Google делают шаг вперёд с помощью искусственного интеллекта, чтобы сделать информацию в мире более доступной, делается это ответственно. Каждое улучшение проходит тщательное тестирование и оценку, гарантируя, что результаты будет более релевантные и полезные. Люди, которые делятся качеством поиска, помогают понять, насколько хорошо результаты помогают находить информацию.
Так же, как тщательно тестировались все возможности BERT, запущенные в 2019 году, MUM пройдёт тот же путь перед применением этой модели в поиске. В частности, будут искаться шаблоны, которые могут указывать на погрешности в машинном обучении, чтобы избежать их в конечном итоге. Также будут применены уроки из последних исследований, чтобы обеспечить максимальную эффективность работы поиска.
В ближайшие месяцы и годы Google добавит в продукты функции и улучшения на базе MUM. Хотя только начинается изучение всех возможностей MUM, это важный этап на пути к будущему, в котором поисковая система сможет понимать все способы передачи и интерпретации информации людьми.
Оригинал статьи: https://blog.google (Панду Наяк, сотрудник и вице-президент поиска Google).
