В настоящее время Google использует искусственный интеллект, но принцип работы поисковых систем не изменился с начала века. Новый автор проекта хочет изменить этот принцип, чтобы пользователи могли получать ответы на вопросы, а не список ве б-сайтов.
В новой статье исследователей Google «Эксперт ы-любители» предложили «экспертную» систему, которая может отвечать пользователям, не представив список результатов поиска. Поисковые системы следующего поколения должны основываться на нейронных сетях, таких как GPT-3.
Реализация поиска: превращение любителей в эксперта. «Эта статья считается« когнитивной бремя »для пользователей.
Другими словами, пользователи, которые ищут желаемые результаты публикации, должны ускорить свои умственные способности и дать ответ на запрос, чтобы облегчить его.
Google Research может использовать нейронную сеть для объединения тысяч возможных результатов. Благодаря этому пользователь может получить полный ответ на вопрос вместо поиска по нескольким ссылкам.
Предлагаемая система скрывает пользователя, эффективно собирая верхние результаты в один ответ, а не блокируя алгоритм поиска. В дополнение к самому тексту, нейронная сеть также изучит координацию с изображением.
Как сноска на самом деле работает с «умной» поисковой системой Google?
На изображении ниже показаны три подхода для удовлетворения запроса пользователя.
Слева находится обычная страница результатов поиска, а вершина — лучший ответ из выделения Google вверху. В середине показан ответ, образованный алгоритмом, таким как GPT-3. Правая сторона основана на новой «экспертной» системе, и из лучшего ответа создается короткий ответ и включен в связанный учебник.
Тем не менее, недостатки поиска на основе нейронной сети являются преимуществами пользователей, и существуют недостатки, что такие поисковые системы не могут быть легко разрешены.
Исследователи отмечают, что трудно полностью воспроизвести динамическое и непрерывное обновление индексов поиска с помощью модели машинного обучения. Например, если модель, используемая для идентификации источника как престижную вещь, но внезапно тот же источник больше не доверяет, новым поисковым системам будет трудно устранить влияние на пользователей. Для обычных поисковых систем команда Google удаляет URL только из результатов поиска.
Таким образом, некоторые ве б-мастера могут сначала приобретать доверие поисковых систем с высоким качественным контентом, а затем начать публиковать только коммерчески прибыльный контент. В этом сценарии азартные игры, знакомства и многие другие ниши могут получить второй ветер.
Для разработчиков проектов важно то, что эти модели должны быть непрерывно обучены предоставлять новые статьи и посты на том же уровне, что и Google в настоящее время. Кроме того, нейронные сети должны выражать различные взгляды на проблемы противоречий как сложную реакцию.
Обзор Алгоритм поисковой системы не изменился в течение последних 20 лет. В быстром развитии искусственного интеллекта принцип работы поисковой системы должен быть позже или позже, но он неизвестен в каком направлении.
Исследователи Google предлагают дорожную карту, но когда они это делают, только лучший поиск достигнет пользователя (вершина п о-прежнему остается большинством трафика). Может ли ве б-мастер быть готов к этому моменту?< pran> исследователи указывают, что трудно полностью воспроизвести динамическое и непрерывное обновление индексов поиска с помощью модели машинного обучения. Например, если модель, используемая для идентификации источника как престижную вещь, но внезапно тот же источник больше не доверяет, новым поисковым системам будет трудно устранить влияние на пользователей. Для обычных поисковых систем команда Google удаляет URL только из результатов поиска.
