Šta je Google-ov PaLM algoritam?

Google je u svetu search engine-a prisutan već više od 20 godina, ali po svemu sudeći njegov najnoviji projekat je spreman da promeni igru pretrage kakvu poznajemo. U ovom tekstu ćemo vam predstaviti Google PaLM, naprednu tehnologiju pretrage sledeće generacije.

Google-ov PaLM algoritam je tehnologija pretrage dizajnirana da pruži relevantnije i tačnije rezultate za upite korisnika na Google-u od onoga što je to trenutno moguće

U pitanju je Google algoritam koji je dizajniran da bude inteligentniji i efikasniji način upravljanja zahtevima za pretragu. To radi tako što uzima u obzir celokupnu istoriju pretrage korisnika, a ne samo ključne reči koje su uneli.

U ovom tekstu ćemo predstaviti kako funkcioniše Google-ov PaLM algoritam, kao i njegove potencijalne implikacije na budućnost pretrage.

Šta je Pathways Language Model (PaLM)?

Pathways Language Model je Google-ova self-taught tehnologija pretrage sledeće generacije. Google Pathways AI je napravljen da pomogne korisnicima da brzo i precizno pronađu izvor informacija.

Ipak ono što on radi je mnogo složenije. PaLM ima hiljade algoritama dizajniranih da obrađuju svaki korak procesa pretraživanja. Ovi algoritmi rade zajedno da analiziraju upit, sadržaj na stranici i obrasce ponašanja korisnika. Nakon ove analize, PaLM rangira stranice na osnovu njihove relevantnosti za određeni upit.

Algoritam je dizajniran da uzme u obzir celokupnu istoriju pretraživanja korisnika. Ne samo ključne reči koje su uneli. Ovo je urađeno da bi se obezbedili relevantniji i tačniji rezultati za korisnika.

Kako funkcioniše Google Pathways AI algoritam?

PaLM-ov algoritam je izvor tehnologije „Fully Informed Modeling” koja ga je učinila tako popularnom. Google je opisao model kao „white-box model“. To znači da se PaLM ne oslanja na ključne reči kao jedino sredstvo za rangiranje rezultata. Umesto toga, ova tehnologija uzima u obzir svaki upit koji će korisnik verovatno postaviti, a zatim koristi ove obrasce za poboljšanje rezultata pretrage.

Postoje dva glavna alata koje PaLM koristi da analizira svaki zahtev za pretragu i donese odluku o rangiranju.

To su:

• model zavisan od upita
• model nezavisan od upita.

Model zavisan od upita

Model koji zavisi od upita zasniva se na korisnikovom ranijem ponašanju. Analizira svaki zahtev za pretragu kako bi utvrdio kako korisnici žele da preciziraju ili prilagode svoje buduće zahteve.

Kada korisnik traži određene informacije, PaLM gleda ključne reči koje je tražio u prošlosti.

Ovo pomaže Google-u da razlikuje upite koji su već postavljeni. I novi upiti koji ranije nisu postavljani.

Takođe uključuje prethodne i buduće naslove i meta opise (description-e), da bi dalje odredio kako određene stranice treba da budu rangirane. PaLM zatim koristi ovu bazu znanja da predvidi kako će korisnici kasnije želeti da preciziraju svoju pretragu.

Model nezavisan od upita

Model nezavisan od upita je onaj koji se koristi za rangiranje stranica u rezultujućoj listi. Ovaj model pokušava da pronađe nove načine za identifikaciju relevantnih stranica na osnovu drugih faktora osim relevantnosti ključnih reči.

Na primer, ključne reči i naslovi se mogu koristiti kao reference, ali Google će takođe uključiti i druge faktore kao što su pozicija na stranici, SEO aktivnost i kašnjenje servera. Ukratko, Google gleda na celu stranicu, a ne samo na njene reči.

Ovo je noviji model od modela koji zavisi od upita i koristi više signala da odredi relevantnost stranice. Identifikujući relevantne stranice, PaLM ih zatim rangira na osnovu njihovog učinka u sledećim oblastima:

Položaj

Na osnovu toga gde se stranica pojavljuje na stranici rezultata pretrage, njen položaj se koristi da bi se utvrdila njena relevantnost. Na primer, prvi rezultat na stranici se obično smatra najrelevantnijim.

Aktivnost

PaLM određuje koliko se aktivnosti dogodilo na toj stranici. Na primer, što više linkova vodi ka toj stranici, to će izgledati relevantnije.

Kašnjenje servera

PaLM meri vreme stranice na Google-ovim serverima. Ono se meri u milisekundama i određuje koliko je ta stranica relevantna za zahtev za pretragu.

Zbog čega je zanimljiv few-shot learning model?

PaLM koristi kombinaciju modela zavisnih od upita i modela koji su nezavisni od upita. Model nezavisan od upita koristi informacije sa same stranice da bi odredio relevantnost njenog sadržaja.

Na primer, članak o matematičkim jednačinama smatra se relevantnijim od članka o modelu automobila. Ali ove informacije nisu dostupne PaLM-u kada su u pitanju rezultati rangiranja za ove stranice.

Google je kreirao novu metodu pod nazivom „Few-Shot learning“ za rešavanje ovog problema. Ovaj metod omogućava PaLM-u da nauči ove informacije u samo nekoliko upita. Nakon toga može razlikovati ove dve vrste stranica.

Šta čini Google PaLM značajnim?

Prema Google-u, PaLM je „samouk“. Za razliku od drugih AI, PaLM ne sledi unapred određeni skup instrukcija, već organizuje i tumači informacije prema svojim uslovima.

Na primer, ovaj algoritam je dobio kao input hiljade tekstova na engleskom jeziku. Jednom kada je uspeo da odredi koje su reči relevantne, a koje irelevantne za zadatak, bio je u mogućnosti i da analizira podatke sa ovim datim terminima.

Takođe, njegov učinak sa zadacima aritmetike i zaključivanja je vrlo visok. Ovo postaje još impresivnije s obzirom na to da PaLM nije bio unapred programiran sa matematičkim činjenicama. Umesto toga, bio je sposoban da ih nauči sam.

Kakva je budućnost Google PaLM-a?

PaLM je jedan od najsloženijih algoritama koje je Google do sada kreirao. Sa jedne strane ima potencijal da prilagodi rezultate pretrage, a sa druge ima i moć da ih izmeni. Budući search engine-i će morati da budu fleksibilni kao PaLM, ako uopšte uspeju da opstanu do tada. Činjenica je da nakon pojave PaLM-a oni mogu postati zastareli, ukoliko ne uspeju da uhvate korak sa trendom koji je nametnut od strane Google-a.

U tom smislu, PaLM predstavlja mogućnost novog načina traženja informacije i sticanje znanja onlajn.

Realni faktori rizika koje donosi PaLM

S obzirom da je u pitanju algoritam koji će vremenom postati sve sofisticiraniji, neki istraživači smatraju da postoji rizik da će ujedno postati i previše moćan. Po njima, ako se ne kontroliše, PaLM bi mogao imati dubok i opasan uticaj na društvo.

Postoje tri primarna rizika povezana sa Google-ovim PaLM algoritmom:

Manipulacija rezultatima pretrage

Google-ov PaLM algoritam može da manipuliše rezultatima pretrage da bi postigao željeni rezultat. Ovo bi moglo da bude zloupotrebljeno u različite svrhe (npr. u političke) Ili da pokrene cenzuru informacija za koje Google ne želi da ih korisnici vide.

Pristrasni rezultati

Ovaj algoritam se takođe može koristiti za dobijanje pristrasnih rezultata. Ovo bi se moglo uraditi tako što bi se određeni faktori učinili relevantnijim od drugih. Na primer, PaLM bi se mogao konfigurisati tako da daje veću prednost rezultatima iz Google-ovih proizvoda i usluga.

Narušavanje privatnosti

PaLM bi se mogao koristiti za prikupljanje osetljivih ličnih podataka o korisnicima. Ove informacije se mogu koristiti u marketinške svrhe ili za prodaju trećim licima. Kao što znamo, Google je već optužen da to radi sa svojim drugim proizvodima i uslugama.

Zaključak

Google-ov PaLM algoritam je moćan alat koji može duboko uticati na društvo. Iako ima potencijal da se koristi za dobro, postoji i rizik da se može zloupotrebiti. To znači da će Google morati da se ponaša odgovorno i da obezbedi da se ovaj algoritam koristi na način da obezbedi isključivo benefit svima koji i u budućnosti budu koristili Google pretragu.

Nenad Mihajlović