آیا گوگل کافی است ؟

در حالی که بسیاری عقیده دارند گوگل استاندارد فعلی را برای جستجو در وب تعیین می کند، برخی از اهالی فن اعتقاد دارند با استفاده از پیشرفت های هوش مصنوعی ابزار بهتری می توان به کار برد.
جستجو برای بسیاری از افراد مثل مصرف اکسیژن است. درک موفقیت هایی که گوگل در آنالیز مستندات وب، ابر محاسبات و تبلیغات اینترنتی کسب کرده است، بسیار ساده و در عین حال مفید است. این در حالی است که برخی از کارآفرینان عرصه هوش مصنوعی معتقدند گوگل پایان تاریخ نیست. بلکه تکنیک های آن می تواند راهی به سوی آینده را به ما نشان دهد.
کارشناسان تکنیک های هوش مصنوعی معتقدند روزی خواهد رسید که مردم می توانند طرح یک داستان یا فهرست تمام سیاستمدارانی که نظری مخالف با نظر شما در اطراف خود طی 5 سال گذشته داشته اند را جستجو کنند. تکنیک های هوش مصنوعی مثل پردازش زبان طبیعی، تشخیص اشیا و یادگیری آماری ماشین، بار دیگر ذهنیت جستجوگران وب را به آتش خواهد کشاند.
از نظر موتور جستجو، وب اساسا بدنه ای از واژگان در میلیاردها صفحه همراه با ابرلینک هایی است که آن واژگان را به هم وصل می کنند. یکی از موفقیت های بزرگ گوگل اتصال موثر آن کلمات، اندازه گیری ارتباط به وسیله ظاهر واژگان یک صفحه و تعداد ابرلینک هایی که به آن صفحه اشاره می کنند یا میزان محبوبیت آن است.

به عنوان یک قاعده باید گفت موتورهای جستجو کلمات را نمی فهمند، آنها تنها برای تطبیق دادن واژگان کلیدی یک صفحه، نزدیک بودن واژگان یا لینک شدن به صفحه های دیگر را بررسی می کنند.
در نتیجه موتورهای جستجو نکات زبان بشر را از دست می دهند. برای مثال گوگل برای جستجوی یک عبارت ساده مثل «کتاب های نوشته شده توسط کودکان» به دنبال صفحه هایی می گردد که کلمه های «کتاب ها» و «کودکان» را شامل می شوند و کلمات ربط را به این دلیل که در تمام صفحه ها به مقدار زیاد استفاده شده اند، در نظر نمی گیرد. البته این کلمات در برخی موارد کلا معنای عبارت را عوض می کنند. همان طور که عبارت «کتاب های نوشته شده توسط کودکان» با عبارت «کتاب هایی درباره کودکان» و «کتاب های کودکان» فرق می کند.
یکی از بزرگ ترین موانعی که سر راه ساخت هوش مصنوعی در موتور جستجو قرار دارد، این است که پیاده سازی آن در مقیاس بزرگ تقریبا غیرممکن است. برای این که نتایج کارآمدی محاسبه شود، نیازمند نیروی محاسباتی سخت افزاری و نرم افزاری بسیار است و این عمل فوق العاده گران تمام خواهد شد. ولی قانون مور هزینه ها را برای کامپیوترها، پردازنده ها و پهنای باند پایین می آورد و فرصت های زیادی را فراهم می کند. همچنین جستجو یک کسب وکار پرمنفعت است. گوگل سالانه تقریبا 6 میلیارد دلار از تبلیغاتی که به نتایج آن لینک شده اند، درآمد کسب می کند.

گرفتن نبض جستجو :

برای مثال سایت medstory تکنیک های هوش مصنوعی را برای یکی از نواحی دانش که همان بهداشت و سلامت است، به کار برده که صنعتی پر از تغییرات است و باعث می شود مردم نتوانند همیشه اطلاعات به روزی داشته باشند.
تمرکز روی یک بدنه بخصوص دانش بسیار اقتصادی تر و کارآمدتر است. روش هایی که medstory برای بیرون کشیدن دانش بیشتر از علم پزشکی برای مشتریان و پزشکان استفاده می کند، می تواند در صنایع دیگر مثل سرمایه گذاری یا سرگرمی نیز استفاده شود.
سطح تکنیک های medstory همانند گنجی از دانش است که به یکباره به کاربر داده می شود. در غیر این صورت کاربر وب برای به دست آوردن آنها باید ساعت ها یا روزها وقت صرف کند.
برای مثال بعد از جستجوی عبارت «کلسترول پایین» مجموعه ای از نتایج که به موضوعات دیگری مثل دارو، علائم و اطلاعات تغذیه تقسیم می شوند، بازگردانیده می شود. در داخل هر زیرموضوع فهرستی از موارد مربوط به کلسترول پایین یافت می شود. برای مثال در تغذیه بیشترین لینک های مرتبط با این موضوع، روغن زیتون است. اگر ماوس را روی آن ببرید صفحه ای حاوی اطلاعات روغن زیتون و فواید آن برای کلسترول بالا باز می شود! اگر به همین ترتیب جستجو کنید شاید روزها برای پیدا کردن یک مطلب مفید وقت نیاز داشته باشید!

طبیق عکس :

تصور کنید عکسی از یک مبل راحتی را آپلود می کنید و از موتور جستجو می خواهید یکی شبیه به آن را پیدا کند. این ابزار ممکن است هم مبل های شبیه را برای شما نمایش دهد و هم فروشگاه هایی که می توانید از آنها مبل بخرید.
در حال حاضر بیشتر موتورهای جستجوی تصویر به کلمات کلیدی یا توضیحات متنی که به تصویر پیوست شده اند، تکیه می کنند تا بتوانند فهرستی از نتایجی که با پرس وجو مطابقت دارند را برگردانند. اگر تصویر توضیحات کافی نداشته باشد این روش کاربرد ندارد. سایت riya که بنا به دلایلی در حال حاضر کار نمی کند، توسط هوش مصنوعی درون تصویر را نگاه می کرد تا اطلاعاتی درباره کیفیت آن استخراج کند. این سایت از یک سری الگوریتم برای محاسبه تراکم، الگوها و بافت های تصاویر استفاده می کرد و آنها را در یک نمایش ریاضی از تصویر قرار می داد که آن را امضای دیداری می نامند. هر تصویر از بیش از 6000 عدد تشکیل می شود و این موتور جستجو به وسیله هوش مصنوعی، وب را به دنبال امضاهای مشابه می گشت.