Днешните търсачки се развиха много тъй като те не се обслужват само чрез просто връщане на страниците след получаване на една или повече ключови думи, но те също се опитват да отговорят на въпроси, да предложат контекст и т.н. Потребителите дори имат възможност да търсят от други елементи, например изображения.
Разбира се, даСледните предпочитания за търсене на потребителите не са нови: От началото на търсенето в мрежата се води трудна борба.
Но сега е все по-трудно да се отговори на тези нужди непрекъснато променящи се, благодарение на напредъка в изкуствения интелект, включително тези, разработени от изследователския екип на Bing и изследователите в изследователската лаборатория на Microsoft.
"Изкуственият интелект прави продуктите, с които работим, все по-естествени", Ранган Маджумдер каза, Мениджър на групови програми за екипа на Bing Research и изкуствен интелект на Microsoft.
Използване на вектори за по-добро търсене
Лос Алгоритмите за машинно обучение на Bing се използват за създаване на вектори, (по същество цифрово представяне на дума, пиксел на изображението или друга точка от данни). Вектор помага да се улови какво всъщност означава дадена част от данните, било то текст на уеб страница, изображения, звук или видеоклипове.
След като числовата точка е присвоена на дадена информация решен, може да организира или да картографира вектори, с близки номера, поставени близо един до друг, за да представляват сходство. Тези близки резултати се показват на потребителите, подобрявайки резултатите от търсенето.
Microsoft започна да се фокусира върху технологията, на която се основава Bing векторни изследвания когато инженерите на компанията започнаха да забелязват необичайни модели в моделите на търсене на потребителите.
"Анализирайки нашите списания, екипът установи, че заявките за търсене стават все по-дълги и по-дълги", каза Majumder.
Това предполага, че потребителите задават повече въпроси, давайки твърде много подробности поради предишни резултати, които не са били задоволителни при търсене по ключови думи, или „опитвайки се да се държат като компютри“, когато описват абстрактни неща.
С Bing Search векторизацията се е разширила до над 150 милиарда индексирани данни търсачки за подобряване на сравнението с традиционните ключови думи.
Тези включват прости думи, знаци, фрагменти от уеб страници, пълни заявки и други медии. След като потребителят извърши търсене, Bing може да анализира индексираните вектори и да осигури най-доброто съвпадение.
Картографирането на вектори също се оформя с помощта на технология за дълбоко обучение за непрекъснато усъвършенстване.
Моделите вземат предвид входове като кликвания на крайния потребител след търсене, за да разберат по-добре значението на това търсене.
Space Partition Tree и Graph е издаден като отворен код
Всъщност, Microsoft използва алгоритъм, наречен Space Partition Tree and Graph (SPTAG). Входна заявка се преобразува във вектор и SPTAG се използва за бързо намиране на "най-близките съседи", тоест вектори, които са подобни на входа.
„Microsoft използва векторно търсене за своя собствена търсачка Bing, технология, която помага на Bing да разбере по-добре намерението зад милиарди уеб търсения и да намери най-подходящия резултат от милиарди уеб страници.“
Microsoft направи достъпна за всички като проект с отворен код в GitHub,
„Един от най-модерните и най-подходящи инструменти за изкуствен интелект, за да отговори на непрекъснато променящите се нужди на потребителите при търсене.“
В сряда издателят публикува също проби от потребителски техники и придружаващо видео за тези инструменти чрез лабораторията за изкуствен интелект на Microsoft.
Екипът на Bing заяви, че се надява предложението с отворен код да може да се използва от големи компании или приложения за идентифициране на говорим език въз основа на аудио фрагмент или за услуги, които включват много изображения, като приложение, което позволява на потребителите да съвпадат данни и търсения.