هوش مصنوعی و گوگل

هوش مصنوعی و گوگل از همان سالهای ابتدایی که این کمپانی شروع به کار کرد همراه بوده اند، بزرگترین موتور جستجوی جهان، دیروز ۵ مهرماه ۲۵ سالگی خود را جشن گرفت. برای بزرگداشت این روز، گوگل یک لوگوی ویژه با ترکیبی از نوشتار گوگل به همراه عدد ۲۵ در صفحه اصلی خود قرار داد. این لوگو شامل یک نسخه ویژه از لوگوی گوگل با ۲۵ عدد کوچک در اطراف آن است. گوگل همچنین یک وبلاگ ویژه را برای این مناسبت منتشر کرد که در آن به تاریخچه و دستاوردهای خود پرداخته که در این مقاله به آنها اشاره می‌کنیم.

هوش مصنوعی یا AI، اخیراً خیلی محبوب شده اما گوگل از همان اول هم به این موضوع مهم اهمیت می‌داد و دلیل خوبی هم داشت. هوش مصنوعی می‌تواند کارهای روزمره ما را آسان‌تر کند و به حل مشکلات بزرگ جامعه کمک کند.

این کمپانی در طول 25 سال گذشته کارهای زیادی در زمینه هوش مصنوعی انجام داده است. مثلاً موتور جستجوی هوش مصنوعی گوگل، سیستم تشخیص گفتار و سیستم ترجمه خودکار آن همگی از هوش مصنوعی استفاده می‌کنند.این شرکت همچنان در این زمینه سرمایه‌گذاری می‌کند و انتظار می‌رود که این فناوری در آینده نقش مهم‌تری در زندگی ما ایفا کند.

2001: یادگیری ماشینی به کاربران هوش مصنوعی گوگل کمک می کرد تا املای خود را تصحیح کنند

لری پیج، یکی از بنیانگذاران گوگل، معتقد بود که موتور جستجوی عالی باید بتواند منظور کاربر را درک کند و نتایج مرتبط را ارائه دهد. در سال 2001، گوگل از یادگیری ماشین برای پیشنهاد املای بهتر برای جستجوهای وب استفاده کرد. این فناوری به کاربران کمک کرد تا حتی اگر املای کلمات را به درستی تایپ نکنند، نتایج مرتبط را دریافت کنند.

این فناوری یک گام مهم در پیشبرد دیدگاه پیج بود. این امر به گوگل امکان داد تا جستجو را برای افراد بیشتری در سراسر جهان، صرف نظر از مهارت های نوشتاری آنها، آسان تر کند.

2006: مترجم گوگل راه اندازی شد

پنج سال پس از استفاده از یادگیری ماشین برای بهبود جستجو،این کمپانی گوگل ترنسلیت را راه اندازی کرد. این فناوری از یادگیری ماشین برای ترجمه خودکار زبان ها استفاده می کند.

گوگل ترنسلیت ابتدا از ترجمه عربی به انگلیسی و انگلیسی به عربی پشتیبانی می کرد، اما امروزه از بیش از 133 زبانی که میلیون ها نفر در سراسر جهان به آنها صحبت می کنند پشتیبانی می کند. این فناوری می تواند متن، تصاویر یا حتی یک مکالمه را در زمان واقعی ترجمه کند.

گوگل ترنسلیت یک ابزار قدرتمند برای غلبه بر موانع زبانی است. این فناوری به مردم کمک می کند تا با یکدیگر ارتباط برقرار کنند، اطلاعات را به اشتراک بگذارند و فرهنگ های جدید را کشف کنند.

2015: TensorFlowو هوش مصنوعی برای عموم

TensorFlow، یک چارچوب یادگیری ماشین منبع باز، هوش مصنوعی را در دسترس‌تر، مقیاس‌پذیرتر و کارآمدتر کرد. این چارچوب به توسعه‌دهندگان امکان می‌دهد مدل‌های هوش مصنوعی و گوگل که در این زمینه پیشتاز است عملیات پیچیده‌ای را بدون نیاز به دانش عمیق از یادگیری ماشین ایجاد کنند.

TensorFlow به سرعت محبوبیت زیادی پیدا کرد و اکنون یکی از محبوب‌ترین چارچوب‌های یادگیری ماشینی در جهان است. این چارچوب برای توسعه طیف گسترده‌ای از برنامه‌های هوش مصنوعی، از تشخیص تصویر گرفته تا پردازش زبان طبیعی و ترجمه ماشینی استفاده شده است.

2016: AlphaGo قهرمان جهان در بازی Go را شکست داد

در سال 2016، AlphaGo، یک برنامه هوش مصنوعی توسعه‌یافته توسط Google DeepMind، لی سدول، قهرمان جهان Go را شکست داد. این پیروزی نقطه عطفی در تاریخ هوش مصنوعی بود و نشان داد که سیستم‌های هوش مصنوعی اکنون می‌توانند بر بازی‌های پیچیده‌ای که نیاز به تفکر استراتژیک و خلاقیت دارند، مسلط شوند.

Go یک بازی تخته‌ای چینی باستانی است که بیش از 3000 سال قدمت دارد. این بازی به دلیل پیچیدگی و عمق استراتژیک خود شناخته شده است. پیش از پیروزی AlphaGo، هیچ برنامه هوش مصنوعی نتوانسته بود یک بازیکن Go را شکست دهد.

AlphaGo از یادگیری عمیق برای یادگیری قوانین و استراتژی های بازی Go استفاده کرد. این برنامه از روی مجموعه‌ای عظیم از بازی‌های Go که توسط انسان‌ها انجام شده بود، آموزش دیده بود.

پیروزی AlphaGo بر لی سدول شگفتی جهانی را برانگیخت. این پیروزی نشان داد که هوش مصنوعی اکنون می‌تواند به سطحی از مهارت دست یابد که قبلاً تصور می‌شد فقط در دسترس انسان‌ها است.

پیروزی AlphaGo پیامدهای مهمی برای آینده هوش مصنوعی داشت. این پیروزی نشان داد که سیستم‌های هوش مصنوعی اکنون می‌توانند در زمینه‌های پیچیده‌ای که قبلاً برای ماشین‌ها دور از دسترس در نظر گرفته می‌شد، رقابت کنند.

2016: TPU ها هوش مصنوعی سریعتر و کارآمدتر را امکان پذیر کردند

TPU ها تراشه‌های سیلیکونی اختصاصی هستند که برای یادگیری ماشین طراحی شده‌اند. آنها برای TensorFlow بهینه‌سازی شده‌اند و می‌توانند مدل‌های هوش مصنوعی را بسیار سریع‌تر از تراشه‌های سنتی آموزش و اجرا کنند.

TPU ها برای کاربردهای هوش مصنوعی در مقیاس بزرگ ایده‌آل هستند. آنها می‌توانند مدل‌های هوش مصنوعی را در زمان‌های کوتاه‌تری آموزش دهند و آنها را به سرعت اجرا کنند.

TPU v5e جدیدترین نسخه TPU است که در ماه آگوست معرفی شد. این نسخه مقرون به صرفه‌تر، همه‌کاره‌تر و مقیاس‌پذیرتر از نسخه‌های قبلی است.

2017: Google Research معماری انقلابی ترانسفورماتور را معرفی کرد

در سال 2017، مقاله تحقیقاتی هوش مصنوعی و گوگل «توجه همه آن چیزی است که نیاز دارید»، ترانسفورماتور، یک معماری شبکه عصبی جدید را معرفی کرد که درک زبان را بهبود بخشید.

قبل از ترانسفورمر، ماشین‌ها در درک معنای جملات طولانی مشکل داشتند. آنها نمی‌توانستند روابط بین کلماتی را که از هم دور بودند ببینند.

ترانسفورمر این مشکل را با استفاده از یک مکانیسم توجه جدید برطرف کرد. این مکانیسم به ماشین‌ها اجازه می‌داد تا به طور همزمان به تمام کلمات در یک جمله توجه کنند.

ترانسفورمر به سرعت محبوبیت زیادی پیدا کرد و به زیربنای بسیاری از سیستم‌های هوش مصنوعی درک زبان و مولد تبدیل شد. این سیستم‌ها شامل ترجمه ماشینی، خلاصه‌سازی متن، پاسخ‌گویی به سؤالات و حتی تولید تصویر و روباتیک هستند.

2019: BERT و انقلاب در جستوجو ها 

تحقیقات گوگل در مورد ترانسفورماتورها منجر به معرفی BERT، یک مدل زبانی بزرگ شد که به موتورهای جستجو کمک می کند تا پرس و جوهای کاربران را بهتر از همیشه درک کنند.

BERT از یک مکانیسم توجه جدید استفاده می کند که به آن اجازه می دهد تا کلمات را در متن درک کند، نه به عنوان کلمات جداگانه. این امر منجر به بهبود کیفیت جستجو در سراسر جهان شده است.

قبل از BERT، موتورهای جستجو به طور کلی پرس و جوها را با توجه به کلمات کلیدی آنها درک می کردند. این می تواند منجر به نتایج نامناسب شود، به خصوص برای پرس و جوهای پیچیده یا مبهم.

BERT این مشکل را با درک معنای کلمات و نحوه ارتباط آنها با یکدیگر برطرف می کند. این به موتورهای جستجو کمک می کند تا نتایج مرتبط تر و دقیق تری را برای کاربران ارائه دهند.

به عنوان مثال، قبل از BERT، یک جستجو برای “چگونه یک کیک درست کنم” ممکن است نتایجی را برای “کیک” یا “طرز تهیه کیک” به همراه داشته باشد. BERT می تواند معنای کلمات “چگونه” و “درست کنم” را درک کند و نتایجی را برای “طرز تهیه کیک” ارائه دهد.