وب باز هم هوشمندتر شد

ممکن است شما با مطالعه صفحه ویکی پدیای آن شخصیت، حتی اطلاعات بیشتری نیز به‌دست آورید. با این حال، گراف دانش گوگل یک رویکرد و تغییر مهم مهندسی برای بزرگ‌ترین شرکت موتور جستجوی جهان ارائه کرده است. شاید طی یکی دو دهه آینده، محققان و روزنامه‌نگاران به این لحظه به‌ عنوان مرز بین ماشین‌هایی ببینند که مقدار بسیاری از داده‌ها را پالایش می‌کنند و ماشین‌هایی که هرچند ناچیز، ولی همانند انسان فکر می‌کنند.

از زمان شکل‌گیری این ایده، گوگل خیلی تلاش کرد آن را به‌عنوان راهبرد اصلی سازماندهی دانش اینترنت به‌کار گیرد.

گوگل یکی از بزرگ‌ترین مجموعه‌های رایانه در سراسر جهان است که به‌صورت موازی به‌یکدیگر متصل هستند و میزبان یکی از بزرگ‌ترین پایگاه‌های داده جهان به شمار می‌روند.

کوئری‌های جستجوی شما می‌تواند بسرعت به پاسخ‌ برسد زیرا به منابع عظیمی از داده‌های از پیش تالیف‌شده ارجاع داده می‌شود که هر ثانیه توسط میلیون‌ها عنکبوت مجازی شناور در وب گوگل به تعداد آنها نیز افزوده می‌شود.

در موارد بسیاری عملیات گوگل یادآور ماشین شطرنج‌باز Deep Blue شرکت IBM است که تمام حریفان انسانی خود را نه به‌خاطر هوشمندانه‌تر بازی کردن بلکه به‌ دلیل محاسبات سریع‌ترشکست می‌داد.

این ماشین از طریق نیروی زیاد و نه به‌ سبب تفکر انسان‌گونه پیروز می‌شد. Deep Blue تماما قدرت بود نه زیرکی.

البته بعضی مواقع، قدرت زیاد، فواید خودش را دارد. منابع محاسباتی عظیم گوگل به آنها راه‌حل مسائلی را که در هوش مصنوعی وجود دارد، ارائه می‌کند.

نگاهی به فرآیند بررسی نوشتاری بیندازید؛ قابلیتی که نرم‌افزارهای پردازش متن را بسیار محبوب کرد.

مهندسان در مکان‌هایی مانند مایکروسافت، خطاهای معمول کاربران را از جمله حروفی که دو بار تکرار یا جابه‌جا نوشته می‌شود، فهرست کرده و از طریق آن الگویی را برای یادگیری جهت حدس‌زدن منظور کاربر طراحی کرده‌اند.

گوگل مساله تصحیح نوشتار را به‌وسیله جستجو در پایگاه داده‌ای که خود کاربران در آن اشتباهاتشان را تصحیح کرده‌اند، حل کرد.

الگوریتم گوگل چیزی درباره حرف‌های تکراری، جابه‌جا شده یا روان‌شناسی چگونگی تایپ یا نوشته انسان‌ها نمی‌داند و تنها چیزی که می‌شناسد، چیزی است که کاربران بعد از وقوع یک خطا تایپ می‌کنند. 

به‌ نظر می‌رسد با یک پایگاه داده بزرگ و رایانه های سریع، مشکلات انسان‌ها قابل حل باشد.

در دهه اخیر، بیشتر کارهایی که درزمینه هوش مصنوعی انجام شد، رویکردی نزدیک به گوگل داشت؛ طراحی ماشین‌های بزرگ و سریع‌تر با پایگاه‌های داده بزرگ و بزرگ‌تر. با این حال جهان پیچیده است و تنها پالایش داده‌ها کافی نیست.

ممکن است Deep Blue در دنیای شطرنج پیروز شد، ولی انسان‌ها هنوز هم در برخی بازی‌ها می‌توانند بر رایانه غلبه کنند. حتی در یک جستجوی وب، گوگل اغلب از کلمه‌های دوپهلو شکست می‌خورد. به‌عنوان مثال کلمه «پاریس» علاوه بر نام یک شهر، نام شخص نیز است.

به همین منظور جستجوی دانش گوگل، ایده شبکه‌های معنایی را که اولین بار در دهه 50 و 60 توسعه یافت، احیا ‌کرد.

این ایده حدس اولیه را برپایه این که چگونه ذهن انسان اطلاعات را در مغز رمزگذاری می‌کند، قرار می‌دهد. به ‌جای وابستگی ساده بین کلمات، این شبکه‌ها هستند که روابط بین موجودیت‌های یکتا را رمزگذاری می‌کنند.

پاریس شخص و پاریس شهر هرکدام شناسه‌ای خاص می‌گیرند و وابستگی‌های ساده جایگزین توضیحات طبقه‌بندی‌ می‌شود که روابط بین موجودیت‌ها را رمزگذاری می‌کند بنابراین پاریس شهر با برج ایفل به‌وسیله یک رابطه «وجود داشتن» ارتباط دارد و پاریس شخص مثلا به‌وسیله رابطه «پایان یافتن» با برنامه‌ها تلویزیونی. در واقع امروزه گوگل تلاش می‌کند به اینترنت شکلی دوباره دهد و وب هوشمندانه‌تری را ارائه کند.

اگرچه شبکه‌های معنایی در دهه 70 و اواسط دهه 80 کاملا محبوب بودند، ولی تحقیقات در زمینه آنها کمتر شد و در نهایت جای خود را به شبکه‌های عصبی داد.

شبکه‌های عصبی از یک قانون یادگیری بهره می‌گیرد و بر اساس آن تمام وابستگی‌ها را به‌طور مساوی تقسیم می‌کند.

گوگل اساسا یک ماشین تجربه‌گرا محسوب می‌شود که تقریبا هیچ دانش اولیه‌ای ندارد، ولی یک قابلیت عظیم در یادگیری وابستگی بین تکه‌های اطلاعات در آن قرار داده شده است.

امروزه گوگل به چیز دیگری تبدیل شده است؛ ماشینی با یک قدرت آماری فوق‌العاده. موتورهای جستجوی گوگل هنوز هم تمام میلیاردها رخداد مرتبط با کلمه پاریس را در کوئری‌های کاربر و اسناد ردگیری می‌کند و آن کلمات را نه‌تنها با یکدیگر بلکه به افراد، مکان‌ها و شرکت‌ها نیز ارتباط می‌دهد.

در اینجا یک دلیل بسیار خوب برای گوگل وجود دارد تا از این مسیر حرکت کند. همان طور که روان‌شناسان معتقدند اگر فرزندان ما قابلیت درک اشیا، افراد، مجموعه‌ها و مکان‌ها را دارند، پس ممکن است از تجربه ادراکی خود برای یادگیری ویژگی‌ها و رفتار آن موجودیت‌ها نیز استفاده کنند.

این تقریبا همان روشی است که کودکان می‌توانند هرچیزی را درباره مفاهیم موجود در اطرافشان یاد بگیرند.

همین مساله برای رایانه‌ها نیز وجود دارد. ماشین‌ها از زمانی که سریع‌تر و مطمئن‌تر از ما شدند بهتر می‌توانند در حساب و همچنین رمزگذاری و بازیابی در مخازن عظیم داده‌ای عمل کنند.

بسیاری افراد به گوگل و رقیب اصلی آن یعنی مایکروسافت بینگ به‌خاطر دراختیار داشتن این مقدار از اطلاعات حسادت می‌ورزند، ولی ما انسان‌ها هنوز هم برتری‌هایی داریم.(جام جم - ضمیمه کلیک)

محمدحسین کردونی