قام فريق Alexa AI من Amazon بتطوير طريقة تدريب جديدة للمساعد الافتراضي الذي يمكن أن يحسن قدرته بشكل كبير على التعامل مع الأسئلة الصعبة. في منشور مدونة يقوم فريق Abdalghani Abujabal بتفصيل الطريقة الجديدة التي تجمع بين كل من البحث المستند إلى النص ورسم بياني معارف مصمم خصيصًا وطريقتان تتنافس عادة.
Abujabal تقترح السيناريو التالي: أنت تسأل Alexa ما هي أفلام نولان التي فازت بجائزة الأوسكار لكنها غاب عن غولدن غلوب؟ إن الإجابة على هذا السؤال تسأل الكثير-تحتاج إلى تحديد أن نولان المشار إليه هو المخرج كريستوفر نولان واكتشف الأفلام التي وجهها (حتى دوره كمخرج في القائمة الناتجة يجب استنتاج) ثم المرجع المتقاطع التي فازت بجائزة الأوسكار مع قائمة من تلك التي فازت أيضًا بـ Golden Globe وتحديد تلك الموجودة في القائمة A ولكن ليس في القائمة B.
طريقة Amazon لتوفير إجابة أفضل على هذا السؤال الصعب اخترت لأول مرة جمع مجموعة البيانات الأكثر اكتمالا الممكنة ثم بناء رسم بياني معارف منسق تلقائيًا من مجموعة بيانات عالية الحجم في البداية ومجموعة بيانات صاخبة للغاية (أي مليئة بالبيانات غير الضرورية) باستخدام خوارزميات تم إنشاء فريق البحث المخصص للتعامل مع القطع القشر والوصول إلى نتائج ذات مغزى في الغالب.
النظام الذي ابتكرته Amazon هو في الواقع بسيط نسبيًا على وجهه - أو بالأحرى فهو يجمع بين طريقتين بسيطتين نسبيًا بما في ذلك البحث الأساسي على الويب فقط يزحف على الويب للحصول على نتائج باستخدام النص الكامل للسؤال المطروح - تمامًا كما لو كنت قد كتبت أفلام Nolan التي فازت بجائزة الأوسكار لكنها فاتتها غولدن غلوب؟ في Google على سبيل المثال (استخدم الباحثون محركات ويب متعددة في الواقع). ثم يمسك النظام بأفضل 10 صفحات في المرتبة ويقسمها إلى أسماء محددة ووحدات قواعد. جمل مهمة في النصوص العليا مثل نولان التي وجهت التأسيس وتخفيض الباقي. هذا يبني الرسم البياني للمعرفة المخصصة والذي يزورون بعد ذلك تحديد أحجار الزاوية داخل. إن حجر الزاوية هو في الأساس رينغرز ميت للكلمات في سلسلة البحث الأصلية (أي ما هي أفلام نولان التي فازت بجائزة الأوسكار لكنها فاتتها غولدن غلوب؟) وتركيزها بدلاً من النظر إلى المعلومات بين مصدر الإجابات الفعلية هذا السؤال.
مع بعض الترجيح النهائي والفرز للبيانات المتبقية تعيد الخوارزمية بداية بشكل صحيح كإجابة ووجد فريق Amazon أن هذه الطريقة تغلب بالفعل أكثر مشاركة ولكن هذا ركز على البحث عن النص فقط أو مجرد بناء رسم بياني المعرفة المنسق بمعزل. ومع ذلك يعتقدون أنهم يمكنهم تعديل مقاربتهم ليكونوا أفضل وهو خبر سار لمستخدمي Alexa على أمل أن يتمكن مكبرات الصوت الأذكياء من تسوية المناقشات الساخنة حول أسئلة المطاردة التافهة المتقدمة.
اخلاء مسؤولية! هذا المقال لا يعبر بالضرورة عن رأي جامعة الرازي
