Rumah >Peranti teknologi >AI >Sejauh manakah kuasa carian dan pengesyoran dipacu AI?
Pengarang | Yunzhao
Antara pengguna dan maklumat, terdapat sama ada carian atau pengesyoran A papan itu. Seperti yang dikatakan oleh Naib Presiden Eksekutif Baidu Shen Dou pada persidangan: Orang ramai sudah biasa dengan carian sehingga mereka tidak dapat merasakan perubahan teknologi.
Hari ini, carian ada di mana-mana, daripada penyemak imbas, WeChat, Alipay, ke aplikasi lain yang kami log masuk setiap hari Kami sudah biasa menggunakan carian untuk menapis maklumat yang kami perlukan. "Cari" telah menjadi teknologi asas dalam era Internet Ia tidak lagi mempunyai "rasa kehadiran" dalam pandangan kami seperti teknologi baharu seperti blockchain dan Web3.
Apa yang benar-benar penting selalunya perkara yang kita ambil mudah tetapi tidak dapat dirasakan.
Dalam era data besar di mana jumlah maklumat semakin meletup, carian tradisional juga telah berkembang menjadi era carian pintar. Dengan enjin carian yang dikuasakan oleh AI, mesin itu bukan sahaja boleh membaca teks, tetapi juga memahami pertuturan dan gambar. Teknologi AI menyediakan daya penggerak untuk evolusi carian berterusan.
Jadi, untuk membuat carian lebih pantas, lebih tepat, lebih diperibadikan dan lebih bijak dalam memahami keperluan pengguna, apakah inovasi dan penerokaan aktif yang telah dibuat oleh Internet? Berikut ialah beberapa:
Pada 2016, Google melancarkan algoritma RankBrain berdasarkan teknologi perambatan belakang, yang boleh membantu pengguna mencari hasil carian yang tidak popular dengan lebih pantas berdasarkan analisis semantik dan perkaitan perbendaharaan kata.
Pada tahun 2021, Google akan menggunakan BERT, model bahasa pra-latihan yang popular dalam medan NLP, ke dalam carian Google Walaupun anda memasukkan perenggan teks yang besar, enjin carian boleh mendapatkan apa yang pengguna ingin mencari. Pengenalan BERT telah meningkatkan sekurang-kurangnya 10% hasil carian.
Bagi carian domestik, aplikasi AI dalam pencarian juga sedang giat dijalankan.
Pada tahun 2015, Baidu mencadangkan konsep carian berbilang modal, meneroka evolusi daripada carian teks kepada carian berbilang modal seperti suara, visual dan video Tencent; dalam menegak Medan carian terus berkembang, dan teknologi seperti pengambilan semula vektor, pengkomputeran heterogen, graf pengetahuan dan pemahaman video telah berjaya digunakan dalam Tencent Video dan Tencent Kandian Search telah berubah menjadi enjin carian AI selepas pengumpulan teknologi selama bertahun-tahun . , yang meningkatkan prestasi penunjuk perniagaan dalam senario carian teras seperti pedagang, bawa pulang dan kandungan.
Jika carian bertujuan membantu orang ramai mencari kandungan yang tepat, maka syor adalah untuk menolak kandungan dengan tepat kepada orang yang betul. Pada tahun 2021, Kuaishou dan Universiti Tsinghua mencadangkan rangka kerja pengesyoran jujukan baharu SURGE berdasarkan rangkaian saraf graf, yang banyak mengurangkan kesukaran untuk menangkap minat sebenar pengguna pada tahun 2021, pasukan kejuruteraan algoritma Alimama dan pasukan algoritma pengiklanan luaran Alimama sumber terbuka Elastic-Federated; - Projek Penyelesaian Pembelajaran (penyelesaian pembelajaran bersekutu elastik) memperkenalkan teori pembelajaran bersekutu ke dalam senario perniagaan Alimama, mengambil kesempatan daripada perlindungan privasi dan teori algoritmanya.
Dengan pembangunan berterusan teknologi AI, syarikat Internet utama meningkatkan pelaburan mereka dalam carian dan pengesyoran pintar, trek berteknologi tinggi yang berkait rapat dengan pengguna! Jika anda ingin membuka kunci lebih banyak teknologi canggih yang berkaitan dengan carian dan pengesyoran pintar terlebih dahulu, saya percaya sesi khas AISummit "Carian dan Pengesyoran Dipacu AI" boleh memberi anda jawapannya!
Gelombang transformasi digital telah menimbulkan evolusi baharu dalam teknologi pengesyoran carian, seperti: enjin carian tradisional dinaik taraf kepada enjin AI, Tumpuan carian juga telah beralih daripada carian umum kepada carian menegak yang diperhalusi, dan teknologi pengesyoran telah meneruskan lagi peringkat penyepaduan yang mendalam dengan algoritma pintar.
Dari 6 hingga 7 Ogos 2022, Persidangan Teknologi Kecerdasan Buatan Global AISummit akan diadakan seperti yang dijadualkan sebagai siaran langsung dalam talian di laman web rasmi persidangan itu. Dijangkakan 100,000 orang akan menghadiri persidangan tersebut. Dengan tema "Drive·Innovation·Digital Intelligence", persidangan ini ditujukan terutamanya kepada pengurus teknologi pertengahan hingga tinggi dan pengamal teknikal syarikat teknologi, pengurus perniagaan yang merancang/sedang menjalani transformasi digital dan orang yang berminat dalam bidang tersebut. kecerdasan buatan dan usahawan. Persidangan itu juga akan menjemput hampir seratus elit teknikal daripada syarikat teknologi Internet terkenal, pengurus syarikat tradisional dalam tempoh transformasi digital, dan pakar serta cendekiawan dari institusi akademik yang canggih untuk bersama-sama membincangkan kuasa penggerak industri kecerdasan buatan dan membincangkan inovasi canggih dalam teknologi kecerdasan buatan, mari kita bercakap tentang gelombang "kecerdasan digital" dalam era kecerdasan buatan.
Pada persidangan AISummit ini, dalam sesi khas "pencarian dan pengesyoran dipacu AI", pemimpin teknikal kanan dan pakar algoritma dari Alibaba, Tencent, Meituan, Kuaishou dan industri lain akan Daripada perspektif amalan perniagaan, berkongsi pemikiran yang berpandangan ke hadapan dalam bidang pencarian dan pengesyoran pintar.
Dengan perkembangan berterusan perniagaan kategori runcit Meituan, teknologi berkaitan Meituan Search dalam perniagaan barangan juga sentiasa berubah, dan modul pengisihan berfungsi sebagai komponen penting dalam keseluruhan sistem carian. bahagian, yang sangat mempengaruhi pengalaman carian terakhir pengguna. Dalam beberapa tahun kebelakangan ini, pembelajaran mendalam telah digunakan secara meluas dalam bidang ranking.
Dalam topik ini, Chen Sheng, orang yang bertanggungjawab dalam Carian dan Isih Meituan, akan memperkenalkan seni bina teknikal dan platform pengisihan Meituan Search secara terperinci dengan tema "Pembinaan dan Amalan Platform Carian dan Isih Meituan" Setiap perincian pembinaan pelaksanaan dan pengoptimuman algoritma pengisihan dibincangkan, dan pengalaman teknikal yang berkaitan dikongsi melalui kes praktikal.
Enjin carian menegak, tidak seperti carian tradisional, tidak menyediakan pengguna dengan ratusan malah berpuluh-puluh juta hasil carian, tetapi maklumat khusus yang sangat sempit dan tepat. Oleh itu, pengguna dalam senario tertentu lebih suka enjin carian menegak, yang merupakan trend yang tidak dapat dielakkan dalam pembahagian industri enjin carian. Bagaimana untuk mencari keperluan sebenar pengguna daripada maklumat yang besar dan minat pengguna, dan cara memadankan pengguna dengan produk dan perkhidmatan yang sesuai.
Dalam topik ini, Ma Jianqiang, penyelidik kanan Tencent dan ketua graf pengetahuan video dalam talian, akan memberikan ucaptama mengenai carian menegak dengan carian video Tencent sebagai latar belakang, termasuk: Yang utama aspek carian video Senario teknologi, seni bina algoritma dan kemajuan, ingatan semula vektor video pendek, aplikasi graf pengetahuan IP video panjang, carian hujung-ke-hujung dan trend teknologi canggih yang lain.
Dengan peningkatan mendadak trafik video pendek, peniaga telah melihat peluang perniagaan dalam trafik media luaran, tetapi pelaburan langsung mempunyai masalah seperti kos pautan belakang yang tinggi analisis kesan. Untuk memberi perkhidmatan yang lebih baik kepada peniaga, pasukan algoritma pengiklanan Alimama telah melaksanakan kaedah pembelajaran mesin ke dalam senario aplikasi data berskala besar platform pengiklanan carian Alibaba untuk meningkatkan keberkesanan dan kecekapan sistem. Rangka kerja rangkaian saraf dalam graf Euler sumber terbuka pasukan dan rangka kerja rangkaian saraf dalam ruang hiperbolik kini digunakan oleh sebilangan besar rakan kongsi dan penyelidik industri. Dalam topik ini, Wang Liang, pakar teknikal kanan di Jabatan Teknologi Produk Pengiklanan Alimama dan ketua teknologi pengiklanan luar, akan memberi anda penjelasan mendalam tentang aplikasi pembelajaran bersekutu dalam pengiklanan Alibaba, dan menganalisis laluan seni bina Alibaba bersekutu. rangka kerja pembelajaran EFLS lapisan demi lapisan.
Sistem yang disyorkan secara beransur-ansur Ia telah menjadi cara utama untuk membantu orang menapis maklumat dan menemui minat. Pengesyoran jujukan bertujuan untuk menggunakan gelagat sejarah pengguna untuk meramalkan interaksi seterusnya, tetapi terdapat isyarat keutamaan yang tersirat dan bising dalam gelagat sejarah jangka panjang pengguna, yang akan mengurangkan kesan pemodelan minat sebenar pengguna. Untuk menyelesaikan cabaran ini, Kuaishou dan Universiti Tsinghua mencadangkan rangka kerja pengesyoran jujukan SURGE berdasarkan rangkaian saraf graf Model ini memberikan perspektif baharu untuk menangani masalah pengesyoran jujukan dan juga telah mencapai keuntungan besar dalam talian. Selain itu, Kuaishou dan Universiti Renmin China mencadangkan rangka kerja pembelajaran kausal bebas model IV4Rec, dengan itu meningkatkan kesan model pengesyoran.
Dalam perkongsian ini, Zang Xiaoxue, pakar algoritma pengesyoran kanan di Kuaishou, akan membawa penyelidikan terkini Kuaishou tentang inferens sebab dan algoritma rangkaian saraf graf Kajian ini telah diterbitkan di persidangan akademik antarabangsa yang terkemuka, dan algoritma berkaitan telah juga telah diterbitkan dalam senario cadangan sebenar Kuaishou, faedah perniagaan dalam talian yang ketara telah dicapai.
KlikLaman Web Rasmi AIsummit Global Artificial Intelligence Technology Conference Atau imbas kod QR di bawah dan ikut arahan untuk mengisi sepenuhnya dan menyerahkan maklumat untuk melengkapkan pendaftaran.
Atas ialah kandungan terperinci Sejauh manakah kuasa carian dan pengesyoran dipacu AI?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!