دوشنبه ۱۷ ارديبهشت ۱۴۰۳ , 6 May 2024
جالب است ۰
گوگل در حال فاصله گرفتن از انطباق صرف واژه‌ها است و دارد به سمت تشخیص چیزهای موجود در دنیای واقعی و نیز روابط میان آنها می‌رود تا بتواند با ارائه آنها به کاربران، تجربهٔ جستجوی غنی‌تری را رقم بزند.
منبع : سايت خبری نارنجی
در ماه مِی، یعنی حدود دو ماه قبل، یک نوسازی جالب را در نتایج موتور جستجوی گوگل شاهد بودیم. نقشهٔ دانش (Knowledge Graph) که از آن پس نتایج اش در سمت راست صفحه نتایج جستجوی گوگل ظاهر می‌شود، اطلاعات و تصاویر مرتبط با سوژه را در کنار نتایج مرسوم -که همان لینک‌های منتهی به سایت‌های مختلف هستند- به نمایش در می‌آورد.

به گزارش افتانا (پایگاه خبری امنیت فناوری اطلات)، گوگل در حال فاصله گرفتن از انطباق صرف واژه‌ها است و دارد به سمت تشخیص چیزهای موجود در دنیای واقعی و نیز روابط میان آنها می‌رود تا بتواند با ارائه آنها به کاربران، تجربهٔ جستجوی غنی‌تری را رقم بزند. در ادامه، بعد از یک آشنایی کوتاه با نقشهٔ دانش، مصاحبه سایت readwriteweb با خانم «امیلی موکسلی» مدیر ارشد بخش «نقشهٔ دانش» را خواهید خواند.

نقشهٔ دانش، بازگشت گوگل به کاری که در آن شماره یک است: جستجو


با نقشه دانش، گوگل کارکرد موتور جستجو را یک بار دیگر دگرگون کرد. و این بار، موتور جستجوی جدید باعث افتخار نسل قبل از خود است. حالا دیگر نوار جستجو، کلمات را از شما تحویل می‌گیرد و چیزهای مختلف را تشخیص می‌دهد. دیگر جستجوی شما محدود به وب نیست. بلکه دارید دنیا واقعی را جستجو می‌کنید.

در گوگلِ قدیم، وقتی کلمه‌ای مثل Rumi را جستجو می‌کردید، گوگل تشخیص نمی‌داد که آیا منظورتان «مولانا جلال الدین رومی» است، یا چیز دیگر. بنابراین بهترین تلاش خود را به کار می‌بست تا نتایج جستجویی شامل همه موارد را نشان‌تان دهد که بیشتر شامل لینک‌های مختلف بود. ولی حالا، با تایپ کلمه Rumi شما کادری از مشخصات شاعر و عارف نامی «ایران» را در همان صفحه اول جستجو خواهید داشت.

همچنان نتایج قدیمی به صورت لینک‌ها ارائه می‌شوند، اما گوگل آنچه را گمان می‌کند به دردتان خواهد خورد نیز در کنارشان نمایش می‌دهد. اگر نیازی به وضوح بیشتر باشد، در کادر روی آنچه که دقیقاً دنبالش می‌گشته‌اید کلیک می‌کنید و سپس گوگل نتایج را بر اساسِ آن، مجدداً پالایش می‌کند.

وقتی دقیقاً گوگل بداند که دنبال چه چیزی هستید و آن را بدون مشکل تشخیص دهد، این کادر جدید خودش بدل به منبع می‌شود و با توضیحات خلاصه، معمولاً از جایی مثل ویکیپدیا، اطلاعاتی در باره آن چیزِ خاص را ردیف می‌کند. اگر هم مشکلی در اطلاعاتِ نمایش داده شده وجود داشته باشد، از طریق همان کادر می‌توان گزارش خرابی داد.

چطور گوگل دنیا را مرتب می‌کند: پرسش و پاسخ با مدیر بخش «نقشهٔ دانش» خانم امیلی موکسلی


گوگل چه هدفی را با پروژه «نقشه دانش» دنبال می‌کند؟
این پروژه‌ای است با هدف نقشه‌برداری از دنیای واقعی و تبدیل آن به چیزی که کامپیوترها قادر به فهمش باشند. هدف اصلی ثبت اشیاء و چیزهای دنیای واقعی است، و اینکه کامپیوتر بفهمد آنها چیستند و نکات مهم دربارهٔ آنها چیست، و در ضمن روابطشان با سایر چیزها چیست. جذاب‌ترین بخش برای من همین است: رابطهٔ بین تمام این چیزهای مختلفی که می‌بینیم چیست؟ 

چه شد که شما مشغول کار روی نقشهٔ دانش شدید؟ 
من سه سال اینجا بودم. شروعم با کار روی تجربهٔ کاربری بود، انجامِ پژوهش‌های زیاد و درک اینکه چطور کاربران یک صفحه وب را با چشم اسکن می‌کنند و اینکه واقعاً چطور از جستجو استفاده می‌کنند. این کارها تابستان گذشته در بازطراحی صفحات به نتیجه رسید. به عنوان بخشی از آن پرژه، ما به ایدهٔ طراحی نقشهٔ دانش رسیدیم.

آیا ایدهٔ نقشهٔ دانش واقعاً به تابستان قبل بر می‌گردد؟
نقشهٔ دانش بر اساس چیزهایی ساخته شده که چند وقتی بود توسعه یافته بودند. سایت Freebase و Metaweb (شرکت سازنده آن) حدود پنج سال بود که وجود داشتند. ما ۲ سال قبل آنها را خریدیم. نقشهٔ دانش با استفاده از آن امکانات ساخته شد. ایده‌ای را که آنها داشتند گرفتیم، آن را در قالب رابط کاربری خودمان گنجاندیم، و نتیجه‌اش را بر روی جستجوهایی به مراتب بیشتر از مقیاس قبلی نمایش دادیم.

چطور چیزهای مختلف به نقشهٔ دانش اضافه می‌شوند؟ آیا مفاهیم جدید را از کاربرانش یاد می‌گیرد؟
نقشهٔ دانش به طرز فعالانه‌ای توسط کارمندان گوگل پشتیبانی می‌شود. Metaweb پیش از خرید توسط گوگل، مخزنی از اطلاعات و حقایق مستقل بود و کارمندان کمپانی به شدت نگاه خود را معطوف کرده بودند به آن چیزهایی مردم به آن توجه می‌کردند و آن اطلاعاتی که کاربران به دنبال یافتنش بودند.

اما بعد از تصاحب توسط گوگل، از آنجایی که گوگل تعداد زیادی کاربرِ در جستجوی اطلاعات داشت، ما قادر به دیدن چیزهای مورد توجه آنها درباره جهان واقعی شدیم. و به این صورت توانستیم نقشهٔ دانش را در یک مسیر کارآمد، رشد دهیم. معمولاً می‌بینیم که علایق کاربران با دریافت‌های ما همپوشانی دارند، ولی گاهی هم چیزهای غیرمترقبه‌ای هست که لزوماً با دریافت ما یکی نیست. گوگل خوب می‌داند مردمی که در یک مورد جستجو می‌کنند، معمولاً در یک مورد دیگر هم جستجو می‌کنند. بنابراین وقتی به بازه‌های به هم پیوسته نگاه کنیم، روابط جالبی قابل مشاهده است.

یکی از گام‌های بعدی ما این است که این روابط غیرمترقبه را توضیح دهیم. مثلاً "چه چیزی بین یک عده بازیگر سینما هست که مشابهت به شمار می‌رود؟" یا "چه چیزی در مورد یک فیلم وجود دارد که علت جستجوی ۵ فیلم دیگر توسط کاربرانِ علاقمند به آن را برای ما شرح دهد؟"

چطور اخبار

و اطلاعات جدید وارد نقشه می‌شوند؟ وقتی چیزی تغییر کند، نقشهٔ دانش چطور تغییر می‌کند؟
در اینجا ما قادر به استفاده از سیگنال‌های مختلفی هستیم که برای‌مان مشخص می‌کنند که چه چیزهایی مورد توجه مردم واقع شده‌اند. نتایج جستجو یکی از این سیگنال‌ها است، موارد موجود در گوگل نیوز نیز سیگنال دیگر است. اینها به ما می‌گویند که اتفاقی در حال افتادن است، و ما نیاز داریم نگاهی به آن بیاندازیم و احتمالاً تغییری انجام دهیم.

راه دیگر، بازخوردهای دریافتی از خود مردم است. ما سعی کردیم یک مکانیسم بسیار ساده برای دریافت بازخورد از کاربران درست کنیم و از چیزهایی که آنها می‌دانند استفاده کنیم. این کار را در چنان مقیاس بزرگی می‌توان انجام داد که حتی امکان تصحیح تعداد قابل توجهی از اطلاعات را به ما می‌دهد. ما خودمان را مدام می‌سنجیم و کارمان تقریباً عالی است، ولی می‌دانیم که نمی‌شود کامل بود، بنابراین به مردم تکیه می‌کنیم تا به ما بگویند که چه موقع کار را اشتباه انجام داده‌ایم.

آیا کار با پایگاه‌های دادهٔ برون سازمانی، مثل CIA World Factbook یا Wikipedia چالش‌بر‌انگیزتر از کار با داده‌های Freebase است؟
فقط یک چالش بزرگ در کار با منابع بیرونی وجود دارد و آن هم تلفیق است. ما فقط دو سال است که Metaweb را خریده‌ایم و همان موقع هم حجم عظیمی از اطلاعات را در زمینه‌های گوناگون داشتیم، که کتاب‌ها و نقشه‌های محلی دو تا از موارد اصلی بودند. و هر دو نیز بزرگتر از Freebase در زمان تصاحب توسط گوگل بودند. اطلاعات و محتویات بسیار بیشتری در مقایسه با آن داشتند.

تلفیق آنها با مجموعه‌ای از اطلاعات جدید واقعاً یک چالش بزرگ بود. به طریق مشابه، تلفیق داده‌های برون‌سازمانی با نقشهٔ دانش هم یک چالش بوده و هست، ولی در عین حال کاری است که گوگل در انجامش مهارت دارد؛ یعنی حل کردن مشکلات مرتبط با داده‌های زیاد. کار با داده‌های بیرونی چندان سخت‌تر از کار با داده‌های درونی گوگل نیست.

آیا شده که مجبور به تصحیح برخی چیزها شده باشید؟ چطور اطمینان پیدا می‌کنید که در یک مورد، اطلاعاتِ CIA World Factbook صحیح است یا اطلاعات خودِ گوگل؟
همیشه سعی می‌کنیم چیزهایی را نمایش دهیم که -به لحاظ صحت و سقم- قطعاً درست هستند، و نه چیزهایی را که گمانه‌زنی‌اند. بیشتر مواقع هم جانب حقیقت را نگه داشته‌ایم. البته اگر چیزی بحث بر انگیز باشد، ممکن است تصمیم بگیریم آن را در نقشهٔ دانش نشان ندهیم.

ما یک فید خارجیِ باز برای به روز رسانی‌هایی که در Freebase انجام می‌شود داریم. مطالب این فید به درد دبیرانِ ویکیپدیا یا جاهای شبیهِ آن می‌خورد. چنین کاربرانی حق انتخاب دارند که بر اساس این اطلاعات جدید به روز رسانی را انجام بدهند یا ندهند. از زمان استفاده از منابع بیرونی تا کنون به هیچ مشکل بزرگی بر نخورده‌ایم.

به نظر می‌رسد نقشهٔ دانش یک تحول بزرگ برای مقوله جستجو باشد. به جای اینکه کاربران را به وب‌سایت‌ها ارجاع دهد، در همان صفحهٔ اولِ جستجو نتایج بیشتری را ارائه می‌کند. با این وصف، چه به سر وب خواهد آمد؟
به طور معمول، هدف ما این بوده که کاربران را با بالاترین سرعت ممکن از سایت گوگل به مقصدشان بفرستیم، اما الآن فکر می‌کنم با صفحاتِ دانش (که در صفحه اول جستجو ظاهر می‌شوند) هدف تغییر کرده. حالا هدف اصلی رساندن اطلاعات به آنها در کوتاه‌ترین زمان ممکن است، و البته همزمان، فراهم آوردن اطلاعاتی که حتی کاربر از وجودشان مطلع هم نبود تا بخواهد دنبالشان بگردد.

اگر شما دنبال اطلاعات دم‌دستی هستید و ما می‌توانیم از پسِ آن بر آییم، این عالی است. اگر هم دنبال اطلاعات عمیق‌تر می‌گردید، این چیزی است که الآن در آن عالی نیستیم، و برای همین هم هست که به دنبال طراحی روش‌هایی برای بهبود جستجوها و سپس هدایت شما به سمت نتایج موجود در گسترهٔ وب هستیم. فکر می‌کنم اگر ما (گوگل) قادر باشیم کاربران را به محتواهای خوبی که دنبالش هستند هدایت کنیم، وب‌مسترها و وب‌سایت‌ها هم بلافاصله از این کار سود خواهند برد.

چه انواعی از جستجو مانده که هنوز نیاز هست به مرحله اجرا در آید؟
امروزه ما چیزی را نمایش می‌دهیم که من اسمش را گذاشته‌ام «جستجوهای منفردِ مستقل.» در آینده، دوست داریم قادر به نمایش جستجوهایی باشیم که بیش از الآن محتوای فهرست‌ها و مجموعه‌ها را بکاوند. "بلندترین کوه‌های هندوستان کدامند؟" یا "بزرگترین شهرهای امریکا کدامند؟" به منظور شناخت یک چنین جستجویی، ما ابتدا باید شهرها را بشناسیم، بعد باید امریکا را بشناسیم، بعد باید درک کنیم که هدفِ جستجویی با موضوعِ "بزرگترین" هم می‌تواند جمعیت باشد و هم مساحت منطقه، و سپس یک فهرست فراگیر را بر اساس اینها به کاربر ارائه کنیم.

بعد از این مرحله، حتی می‌توانیم به مسائل جزئی‌تر هم بپردازیم، مثلاً "من به دنبال کنسرت‌هایی می‌گردم که در فاصله ۵۰ مایلی، در روزهای فراغتم که آب و هوا هم خوب است، برگزار می‌شوند." این نوع جستجو نیازمند بهره گرفتن بیشتر از اطلاعات خود کاربر، در کنار تمام اطلاعات موجود است. 

چه چیزی بیش از همه شما را مجذوب این پروژه کرده؟
جنبه‌های اکتشافی و غیرقابل پیش‌بینی همیشه برای من جذابند. یک روز، داشتم به نتایج جستجویی درباره سان‌فرانسیسکو نگاه می‌کردم، یکی از جاذبه‌های ذکر شده، جزیره اِنجل (Angel Island) بود. روی آن کلیک کردم و دیدم که بین پیشنهادات (موارد مرتبطی که افراد دیگر جستجو کرده بودند) جزیره اِلیس (Ellis Island) ظاهر شد. برای من معنایش این بود که «یک لحظه صبر کن. این مشابهت فقط مربوط به جزیره بودنِ این دو مکان نیست. حدس می‌زنم یک ایستگاه مهاجرت هم در جزیره اِنجل باشد.» و آنقدر مطمئن بودم که رفتم و آن را پیدا کردم.

برای من چیز جالب درباره نقشهٔ دانش، همین است. و اگر بتوانیم این ارتباطات را به طور کامل برای کاربران توضیح بدهیم، آن موقع است که انگیزه‌بخش بودنِ کار بیشتر هم می‌شود.

کد مطلب : 2552
https://aftana.ir/vdcf.td0iw6dt0giaw.html
ارسال نظر
نام شما
آدرس ايميل شما
کد امنيتی