В октябре 2018 года Google анонсировала свою новейшую модель обработки естественного языка, BERT, и приняла ее в своей поисковой системе в октябре следующего года. Обработка естественного языка стала широко использоваться в домах с появлением интеллектуальных колонок, таких как Amazon Echo и LINE Clova, а также высокоточных инструментов перевода, таких как DeepL. Среди них BERT – модель, привлекающая внимание как инновационная технология. В этой статье мы объясним характеристики и механизм BERT, а также его связь с генерацией ИИ.

Ссылка :[ChatGPT et SEO]Эффективна ли автоматическая генерация статей? Можете ли вы написать резюме с помощью AI-копирайтинга: 8 SEO-методов с использованием экспериментальных результатов и ChatGPT (подсказки)

Что такое БЕРТ?

BERT — это модель обработки естественного языка, опубликованная в статье Джейкоба Девлина и его коллег из Google в октябре 2018 года. Название происходит от инициалов «Двунаправленные представления преобразователей кодировщиков» и на японском языке переводится как «представления, двунаправленно кодируемые преобразователями».

Самая большая особенность BERT заключается в том, что он позволяет вам читать текст. В предыдущей обработке естественного языка преобладали модели, обучающиеся в прямом и обратном направлении, что затрудняло понимание связей между прямым и обратным направлением в предложениях. Однако, поскольку BERT — это модель, которая изучает предложения как спереди, так и сзади, теперь она может читать контекст языка.

Что такое обработка естественного языка?

Обработка естественного языка — это технология, которая позволяет компьютерам изучать и понимать язык, используемый людьми (естественный язык). Цель состоит в том, чтобы ИИ выучил двусмысленные выражения, возникающие в разговорах между людьми, и правильно понял их смысл.

Например, если мы посмотрим только на фразу «люди, которые любят больших кошек», мы можем интерпретировать их как «люди, которые любят больших кошек» и «высокие люди, которые любят кошек». Даже если эта фраза появляется в разговоре между людьми, можно вывести ее значение из хода разговора до этого момента, но заставить компьютер вынести такое же суждение все равно сложно. Обработка естественного языка — это технология анализа и понимания таких неоднозначных выражений, и многие инженеры все еще ее исследуют.

ЧИТАТЬ  Лучшие маркетинговые инструменты LinkedIn для развития бизнеса в 2023 году — TWH

Что такое технология искусственного интеллекта Natural Language Processing (NLP), что можно делать и примеры использования

Контекст внедрения BERT поисковой системой Google

Говорят, что принятие BERT в качестве поисковой системы Google связано с распространением голосового поиска и диверсификацией поисковых запросов.

Когда пользователи ищут текст с помощью Google, они используют такие словосочетания, как «Как пользоваться компьютером» и «Рекомендуемые инвестиционные фонды». Алгоритм поиска Google Rankbrain анализирует слова и генерирует результаты поиска, соответствующие цели поиска. Однако в последние годы появились признаки изменения в способах поиска людей.

Инструкции для ИИ-помощников, установленных в мобильных устройствах и умных колонках, представляют собой не комбинации слов, как те, которые используются в традиционном поиске, а скорее естественные запросы, такие как «Скажи мне, какая сегодня погода» или «Включи свет на кухне». .'' Команды теперь подаются на языке. Кроме того, поисковые запросы быстро становятся более разнообразными по мере расширения интересов людей и распространения культуры мгновенного поиска на смартфонах.

Поскольку характер самого поиска меняется, считается, что BERT был принят в качестве алгоритма поиска для более гибкого и точного реагирования.

Характеристики БЕРТ

В последние годы были исследованы и разработаны различные модели обработки естественного языка, и BERT привлек большое внимание. Почему BERT считается превосходной моделью обработки естественного языка? Мы представим функции BERT, которых нет в других моделях обработки естественного языка.

Контекстуальное понимание

Особенностью BERT является то, что он использует глубокую двунаправленную модель. Традиционная обработка естественного языка фокусируется на однонаправленных моделях, которые предсказывают слова только в одном направлении (будущем), или на двунаправленных моделях, но с неглубокими предсказаниями. Из-за этого было сложно прочитать весь контекст, но теперь BERT может выполнять глубокую двунаправленную обработку, принимая во внимание уровни внимания при анализе слов, что позволяет понимать контекст с высокой точностью.

В своей статье Google использует следующий пример предложения, чтобы проиллюстрировать влияние BERT на поиск Google.

«Бразильским путешественникам в США в 2019 году нужна виза»

До появления BERT Google не мог этого сделать, поэтому выдавал результаты поиска по запросу «путешественники из США в Бразилию». Однако благодаря BERT появилась возможность обработки, поэтому теперь можно возвращать результаты поиска, которые правильно интерпретируют смысл предложения.

ЧИТАТЬ  Новые приложения для Android Auto и автомобилей с интегрированной Google

Большая универсальность

Обычные модели обработки задач были специализированы для конкретных задач, поэтому необходимо было изменить структуру модели, чтобы применить ее к другим задачам.

Подключив BERT к существующей модели обработки и выполнив трансферное обучение, теперь можно решать множество задач, не привязанных к конкретной задаче.

Может обрабатывать немаркированные данные

Традиционные модели требуют размеченных наборов данных для обработки естественного языка. Однако в последние годы стало трудно получать маркированные наборы данных, поскольку немногие наборы данных уже маркированы, а добавление меток обходится дорого.

BERT может обрабатывать немаркированные наборы данных. BERT не страдает от нехватки данных, поскольку в Интернете доступен большой объем немаркированных данных.

Как работает БЕРТ

BERT — это предварительно обученная модель, которая предсказывает другую последовательность из последовательности (последовательности слов). Трансформатор обрабатывает и изучает распределенные представления, которым не присвоены никакие метки. Transformer обеспечивает быстрое и высокоточное обучение, одновременно запуская два метода обучения: «Скрытая языковая модель» и «Прогнозирование следующего предложения».

Что такое трансформер? Революционная эволюция генерации и обобщения текста

Модель замаскированного языка

Модель языка в масках — это метод, который изучает контекст посредством вероятностного предсказания слов. Он выбирает слова, соответствующие 15% введенных предложений, и предсказывает слова из контекста, вероятностно заменяя их другими словами.

80% из 15% выбрано[MASK], преобразуйте 10% в другое случайное слово. Остальные 10% остаются прежними. Обучение продолжается повторением задачи по извлечению заменяемого слова из окружающего контекста.

Предсказание следующего предложения

Модель замаскированного языка — это метод, подходящий для изучения слов, но он не подходит для изучения предложений как единиц, поэтому для его завершения используется прогнозирование следующего предложения.

Прогнозирование следующего предложения изучает отношения между предложениями. Из двух введенных предложений одно предложение заменяется другим с вероятностью 50%, а затем определяется, являются ли эти два предложения соседними друг с другом. Повторяя этот процесс, вы сможете изучить связи между предложениями и с большей точностью прочитать контекст.

Связь между BERT и генеративным ИИ

Поскольку BERT способен превосходно обрабатывать естественный язык, считается, что в будущем его использование для генеративного искусственного интеллекта будет расширяться. Уже начались приложения к веб-сервисам, таким как FAQ и чат-боты, и созданы сервисы, которые не только понимают текст и голос, вводимые пользователями в пользовательском интерфейсе, но и автоматически генерируют ответы. Кроме того, продолжается разработка специализированных BERT в конкретных областях, таких как «финансовая версия BERT», и использование BERT во всех областях, вероятно, ускорится в будущем.

ЧИТАТЬ  Google Analytics 4 представляет новый экспорт пользовательских данных в BigQuery

С другой стороны, в последние годы внимание также привлек генеративный ИИ, который использует модели обработки естественного языка, отличные от BERT. ChatGPT, появившийся в декабре 2022 года, объединяет в себе интерфейс чата на основе LLM (Large Language Models). Признание быстро распространяется до такой степени, что теперь его называют Генеративный ИИ = ChatGPT, и все больше и больше компаний внедряют его в свою бизнес-среду.

Хотя это разные модели обработки естественного языка, чем BERT, их объединяет то, что расширенный анализ языка возможен с помощью разных подходов, и мы можем ожидать, что каждый из них будет продолжать развиваться в своем направлении.

Что такое LLM (крупномасштабная языковая модель), как она работает, что вы можете сделать и примеры использования SEO

Что такое ChatGPT: обзор мер предосторожности при использовании и как эффективно использовать его для SEO.

краткое содержание

Модели, обученные с помощью BERT, предоставляются Google бесплатно, и компании сосредоточены на разработке новых сервисов с использованием BERT. Существует множество вариантов обработки естественного языка, а не только BERT и ChatGPT, и исследования и разработки каждого из них все еще активизируются. Кроме того, по мере дальнейшего развития обработки естественного языка будут появляться инновационные услуги, которые еще больше сокращают расстояние между пользователями и бизнесом. Нам не терпится увидеть, как модели обработки естественного языка будут использоваться в повседневных продуктах.

Уделяя внимание развитию технологий искусственного интеллекта, включая BERT, также важно следить за будущими тенденциями, такими как внедрение новых алгоритмов поисковых систем. Если у вас есть какие-либо вопросы относительно SEO, оставьте их нам, которые являются экспертами в этой области. На протяжении многих лет мы помогаем различным предприятиям привлекать клиентов на свои сайты и оказываем им маркетинговую поддержку. Мы оказываем поддержку в поддерживающей форме, предлагая меры, адаптированные к проблемам клиента. Не стесняйтесь обращаться к нам.

Source