ينضم Google Lambda إلى أمثال BERT و MUM في مساعدة الأجهزة على فهم نوايا المستخدم
ينضم Google Lambda إلى أمثال BERT و MUM في مساعدة الأجهزة على فهم نوايا المستخدم بشكل أفضل. انظر كيف يعمل والآثار المترتبة على تحسين محركات البحث SEO.
إن إنشاء Google لنموذج لغوي ليس شيئًا جديدًا؛ في الواقع، ينضم Google Lambda إلى أمثال BERT و MUM كطريقة للأجهزة لفهم نوايا المستخدم بشكل أفضل.
لقد بحثت Google في النماذج القائمة على اللغة لعدة سنوات على أمل تدريب نموذج يمكنه بشكل أساسي إجراء محادثة ثاقبة ومنطقية حول أي موضوع.
حتى الآن، يبدو أن Google Lambda هو الأقرب للوصول إلى هذا الإنجاز.
ما هو Google Lambda؟
تم إنشاء Lambda ، والتي تعني نماذج اللغة لتطبيق Dialog ، لتمكين البرنامج من المشاركة بشكل أفضل في محادثة سلسة وطبيعية.
يعتمد Lambda على نفس بنية المحولات مثل نماذج اللغات الأخرى مثل BERT و GPT-3.
ومع ذلك، نظرًا لتدريبها، يمكن لـ Lambda فهم الأسئلة والمحادثات الدقيقة التي تغطي العديد من الموضوعات المختلفة.
مع النماذج الأخرى، بسبب الطبيعة المفتوحة للمحادثات، قد ينتهي بك الأمر بالحديث عن شيء مختلف تمامًا، على الرغم من التركيز في البداية على موضوع واحد.
يمكن أن يؤدي هذا السلوك بسهولة إلى إرباك معظم نماذج المحادثة وروبوتات المحادثة.
خلال إعلان Google I / O العام الماضي ، رأينا أن Lambda قد تم تصميمه للتغلب على هذه المشكلات.
أثبت العرض التوضيحي كيف يمكن للنموذج إجراء محادثة بشكل طبيعي حول موضوع معين بشكل عشوائي.
على الرغم من تدفق الأسئلة غير المترابطة، ظلت المحادثة على المسار الصحيح، وكان من المذهل رؤيتها.
كيف يعمل لأمدا؟
تم بناء Lambda على شبكة Google العصبية مفتوحة المصدر، Transformer ، والتي تُستخدم لفهم اللغة الطبيعية.
يتم تدريب النموذج على إيجاد الأنماط في الجمل، والارتباطات بين الكلمات المفتاحية المختلفة المستخدمة في تلك الجمل، وحتى التنبؤ بالكلمة التي من المحتمل أن تأتي بعد ذلك.
يقوم بذلك من خلال دراسة مجموعات البيانات التي تتكون من الحوار وليس مجرد كلمات فردية.
بينما يشبه نظام AI للمحادثة برنامج chatbot ، إلا أن هناك بعض الاختلافات الرئيسية بين الاثنين.
على سبيل المثال، يتم تدريب روبوتات المحادثة على مجموعات بيانات محدودة ومحددة ويمكن أن تجري محادثة محدودة فقط بناءً على البيانات والأسئلة الدقيقة التي يتم تدريبها عليها.
من ناحية أخرى، نظرًا لأن Lambda يتم تدريبه على مجموعات بيانات مختلفة متعددة، يمكن أن يكون لديه محادثات مفتوحة.
أثناء عملية التدريب، تلتقط الفروق الدقيقة للحوار المفتوح وتتكيف.
يمكنه الإجابة على أسئلة حول العديد من الموضوعات المختلفة، اعتمادًا على تدفق المحادثة.
لذلك، فهي تتيح المحادثات التي تشبه التفاعل البشري بدرجة أكبر مما توفره روبوتات المحادثة في كثير من الأحيان.
كيف يتم تدريب Lambda؟
أوضحت Google أن Lambda لديها عملية تدريب من مرحلتين، بما في ذلك التدريب المسبق والضبط الدقيق.
في المجموع، تم تدريب النموذج على 1.56 تريليون كلمة مع 137 مليار معلمة.
التدريب قبل
بالنسبة لمرحلة ما قبل التدريب، أنشأ الفريق في Google مجموعة بيانات تتكون من 1.56T كلمة من مستندات ويب عامة متعددة.
ثم يتم تحويل مجموعة البيانات هذه إلى رموز مميزة (تتحول إلى سلسلة من الأحرف لتكوين الجمل) إلى 2.81T من الرموز المميزة، والتي يتم تدريب النموذج عليها في البداية.
أثناء التدريب المسبق، يستخدم النموذج موازاة عامة وقابلة للتطوير للتنبؤ بالجزء التالي من المحادثة بناءً على الرموز المميزة السابقة التي شاهدها.
الكون المثالي
يتم تدريب Lambda على أداء مهام التوليد والتصنيف خلال مرحلة الضبط الدقيق.
بشكل أساسي، مولد Lambda ، الذي يتنبأ بالجزء التالي من الحوار، يولد العديد من الاستجابات ذات الصلة بناءً على المحادثة ذهابًا وإيابًا.
ستتنبأ مصنّفات Lambda بعد ذلك بدرجات السلامة والجودة لكل استجابة ممكنة.
يتم تصفية أي رد بدرجة أمان منخفضة قبل تحديد الاستجابة الحاصلة على أعلى الدرجات لمواصلة المحادثة.
تستند الدرجات على السلامة، والحساسية، والنوعية، والنسب المئوية المثيرة للاهتمام.
والهدف من ذلك هو ضمان توفير الاستجابة الأكثر صلة، وعالية الجودة، والأكثر أمانًا في النهاية.
أهداف ومقاييس Lambda الرئيسية
تم تحديد ثلاثة أهداف رئيسية للنموذج لتوجيه تدريب النموذج.
هذه هي الجودة والسلامة والأرضية.
جودة
يعتمد هذا على ثلاثة أبعاد للمقيمين البشريين:
- عقلانية.
- النوعية
- تشويق.
تُستخدم نقاط الجودة للتأكد من أن الإجابة منطقية في سياق المستخدم، وأنها خاصة بالسؤال المطروح، وتعتبر ثاقبة بما يكفي لإنشاء حوار أفضل.
أمان
لضمان السلامة، يتبع النموذج معايير الذكاء الاصطناعي AI المسؤول. تُستخدم مجموعة من أهداف السلامة لالتقاط ومراجعة سلوك النموذج.
هذا يضمن أن المخرجات لا توفر أي استجابة غير مقصودة وتجنب أي تحيز.
الأرض
Groundedness is defined as النسبة المئوية للردود التي تحتوي على ادعاءات حول العالم الخارجي”.
يتم استخدام هذا لضمان أن تكون الردود “دقيقة من الناحية الواقعية قدر الإمكان، مما يسمح للمستخدمين بالحكم على صحة الرد بناءً على موثوقية مصدره”.
تقييم
من خلال عملية مستمرة لقياس التقدم، تتم مراجعة الاستجابات من النموذج المدرَّب مسبقًا والنموذج الدقيق والمقيِّمين البشريين لتقييم الاستجابات مقابل مقاييس الجودة والسلامة و Groundedness المذكورة أعلاه.
لقد تمكنوا حتى الآن من استنتاج ما يلي:
- تتحسن مقاييس الجودة مع عدد المعلمات.
- تتحسن السلامة مع الضبط الدقيق.
- يتحسن Groundedness مع زيادة حجم النموذج.
صورة من مدونة Google AI ، مارس 2022
كيف سيتم استخدام Lambda؟
بينما لا يزال العمل قيد التقدم بدون تاريخ إصدار نهائي، فمن المتوقع أن يتم استخدام Lambda في المستقبل لتحسين تجربة العملاء وتمكين روبوتات المحادثة من توفير محادثة أكثر شبهاً بالبشر.
بالإضافة إلى ذلك، يعد استخدام Lambda للتنقل في البحث داخل محرك بحث Google احتمالًا حقيقيًا.
آثار Lambda على تحسين محركات البحث
من خلال التركيز على نماذج اللغة والمحادثات، تقدم Google نظرة ثاقبة على رؤيتها لمستقبل البحث وتسلط الضوء على تحول في كيفية إعداد منتجاتها للتطور.
وهذا يعني في النهاية أنه قد يكون هناك تحول في سلوك البحث والطريقة التي يبحث بها المستخدمون عن المنتجات أو المعلومات.
تعمل Google باستمرار على تحسين فهم نية بحث المستخدمين لضمان حصولهم على النتائج الأكثر فائدة وذات الصلة في SERPs.
سيكون نموذج Lambda ، بلا شك، أداة رئيسية لفهم الأسئلة التي قد يطرحها الباحثون.
كل هذا يسلط الضوء أيضًا على الحاجة إلى ضمان تحسين المحتوى للبشر بدلاً من محركات البحث.
من الضروري أيضًا تحديث المحتوى دائم بانتظام لضمان تطوره مع مرور الوقت وظهوره ذا صلة.
في ورقة بعنوان إعادة التفكير في البحث: جعل الخبراء من Dilettantes ، شارك مهندسو الأبحاث من Google كيف يتصورون إنجازات الذكاء الاصطناعي مثل Lambda ستزيد من تعزيز “البحث كمحادثة مع الخبراء”.
شاركوا مثالاً حول سؤال البحث، “ما الفوائد الصحية ومخاطر النبيذ الأحمر؟”
حاليًا، ستعرض Google قائمة مربع إجابات تحتوي على نقاط كإجابات على هذا السؤال.
ومع ذلك، فإنهم يقترحون أنه في المستقبل، قد تكون الاستجابة فقرة تشرح فوائد ومخاطر النبيذ الأحمر، مع روابط إلى معلومات المصدر.
لذلك، فإن ضمان دعم كتابة المحتوى من قبل مصادر خبراء SEO سيكون أكثر أهمية من أي وقت مضى إذا كان Google Lambda يولد نتائج بحث في المستقبل.
التغلب على التحديات
كما هو الحال مع أي نموذج للذكاء الاصطناعي، هناك تحديات يجب معالجتها.
التحديان الرئيسيان اللذان يوجههما المهندسون مع Google Lambda هما السلامة و Groundedness.
السلامة – تجنب التحيز
نظرًا لأنه يمكنك الحصول على إجابات من أي مكان على الويب، فهناك احتمال أن يؤدي الإخراج إلى تضخيم التحيز، مما يعكس المفاهيم التي يتم مشاركتها عبر الإنترنت.
من المهم أن تأتي المسؤولية أولاً مع Google Lambda لضمان عدم توليد نتائج غير متوقعة أو ضارة.
للمساعدة في التغلب على هذا، قامت Google بفتح المصادر المستخدمة لتحليل البيانات وتدريبها.
يمكّن هذا مجموعات متنوعة من المشاركة في إنشاء مجموعات البيانات المستخدمة لتدريب النموذج، والمساعدة في تحديد التحيز الموجود، وتقليل أي معلومات ضارة أو مضللة من المشاركة.
أسس واقعية
ليس من السهل التحقق من موثوقية الإجابات التي تنتجها نماذج الذكاء الاصطناعي، حيث يتم جمع المصادر من جميع أنحاء الويب.
للتغلب على هذا التحدي، يمكّن الفريق النموذج من التشاور مع مصادر خارجية متعددة، بما في ذلك أنظمة استرجاع المعلومات وحتى الآلة الحاسبة، لتقديم نتائج دقيقة.
يضمن مقياس Grounded Ness الذي تمت مشاركته سابقًا أيضًا أن تستند الردود إلى مصادر معروفة. تتم مشاركة هذه المصادر للسماح للمستخدمين بالتحقق من صحة النتائج المقدمة ومنع انتشار المعلومات المضللة.
ما التالي لـ Google Lambda؟
يتضح من Google أن هناك فوائد ومخاطر لنماذج الحوار المفتوح مثل Lambda وهي ملتزمة بتحسين السلامة والأرضية لضمان تجربة أكثر موثوقية وغير متحيزة.
يعد تدريب نماذج Lambda على بيانات مختلفة، بما في ذلك الصور أو مقاطع الفيديو، شيئًا آخر قد نراه في المستقبل.
هذا يفتح القدرة على التنقل أكثر على الويب، باستخدام مطالبات المحادثة.
قال سوندار بيتشاي ، الرئيس التنفيذي لشركة Google ، عن LaMDA ، “نعتقد أن إمكانيات المحادثة في Lambda لديها القدرة على جعل المعلومات والحوسبة أكثر سهولة في الوصول إليها وسهولة في الاستخدام”.
على الرغم من عدم تأكيد تاريخ الطرح بعد، فلا شك أن نماذج مثل Lambda ستكون مستقبل Google.
المصدر: searchenginejournal
مقالات ذات صلة:
