نوامبر 17، 2022

گوگل یک مدل هوش مصنوعی برای نشان دادن مقالات خبری معرفی کرد

تاریخ انتشار: 17 نوامبر 2022 ساعت 6:15 صبح بروزرسانی: 17 نوامبر 2022 ساعت 5:49 ق.ظ.

به طور خلاصه

گوگل مدل جدیدی از هوش مصنوعی را برای تولید خلاصه های تصویری با کیفیت بالا از مقالات خبری معرفی می کند

گوگل اعلام کرد یک مدل جدید هوش مصنوعی (AI) که می‌گوید می‌تواند به طور خودکار خلاصه‌های بصری «منسجم و روان» از مقالات خبری تولید کند. غول فناوری می گوید این مدل می تواند به دسترسی بیشتر به اطلاعات برای کاربران کمک کند مولد خلاصه بصری "با کیفیت بالا" از قطعات طولانی متن.

گوگل یک مدل هوش مصنوعی برای نشان دادن مقالات خبری معرفی کرد — تصویر ایجاد شده توسط Stable Diffusion

این مدل مبتنی بر یک الگوریتم یادگیری عمیق است که به عنوان ترانسفورماتور شناخته می شود، که برای "درک" متن یک جمله طراحی شده است و سپس تصویری ایجاد می کند که اطلاعات مهم متن اصلی را حفظ می کند.

Google وظیفه بسیار چالش برانگیزتر را برای درک متن کلی کل متن انجام می دهد، برخلاف آنچه در حال حاضر محبوب است. متن به تصویر سیستم‌هایی که مبتنی بر تصویری «جلو» از اصل «آنچه می‌بینم، درباره‌اش ترسیم می‌کنم» هستند. علاوه بر این، انتخاب تصاویر برای ایجاد یک "تصویر به عنوان یک کل" به جای عبارات و عبارات فردی (همانطور که عملاً همه در حال حاضر انجام می دهند) انجام می شود. به عبارت دیگر، تصاویر برای کل مقاله انتخاب می شوند و در عین حال زمینه ها و معانی را در ذهن دارند.

گوگل می‌گوید که این مدل می‌تواند خلاصه‌ای از چند جمله را از یک مقاله خبری تولید کند و همینطور بوده است بر روی یک مجموعه داده بزرگ آموزش داده شده است NewsStories که شامل تقریباً 31 میلیون مقاله، 22 میلیون عکس، و 1 میلیون ویدیو در میان بوته ها پنهان شده است.

در این پروژه، ما یک چالش کاملاً جدید را انجام می دهیم: ایجاد خلاصه های بصری، که متون طولانی تر همراه با مجموعه ای از تصاویر هستند. با تسلط بر دو کار فرعی MIL (Multiple Instance Learning)، هدف به حداکثر رساندن شباهت معنایی بین هر مقاله و عکس های ورودی است.

اولین قدم تطبیق تصویر با مقاله کامل پس از ترجمه آن به نمایش های مناسب با استفاده از زبان و رمزگذار تصویر است.

مرحله دوم مستلزم تقسیم یک مقاله متنی به جملات جداگانه و رمزگذاری هر جمله به یک نمایش متفاوت است. هدف بهینه سازی اطلاعات متقابل است، defiاز نظر توزیع احتمال، بین دنباله های تصویر و متن. در نتیجه بیشترین دقت به دست آمد.

در نتیجه، این مطالعه کمک‌های مختلفی می‌کند، از کاربردهایی مانند تصویرسازی روایت خودکار گرفته تا وظیفه چالش برانگیز تطبیق یک داستان و مجموعه‌ای از تصاویر. این شرکت می گوید مدل همچنین می‌تواند برای زبان‌های دیگر اعمال شود و در حال کار بر روی گسترش مجموعه داده‌ها برای گنجاندن مقالاتی از سایت‌های دیگر است.

مقالات مرتبط بیشتر را بخوانید:

برچسب ها:

سلب مسئولیت

در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.

درباره نویسنده

Damir رهبر تیم، مدیر محصول و سردبیر در است Metaverse Post، موضوعاتی مانند AI/ML، AGI، LLMs، Metaverse و Web3- زمینه های مرتبط مقالات او هر ماه مخاطبان زیادی از بیش از یک میلیون کاربر را جذب می کند. به نظر می رسد او یک متخصص با 10 سال تجربه در سئو و بازاریابی دیجیتال است. دمیر در Mashable, Wired, ذکر شده است. Cointelegraph، نیویورکر، Inside.com، Entrepreneur، BeInCrypto، و انتشارات دیگر. او بین امارات متحده عربی، ترکیه، روسیه و کشورهای مستقل مشترک المنافع به عنوان یک عشایر دیجیتال سفر می کند. دمیر مدرک لیسانس خود را در فیزیک گرفت که به اعتقاد او مهارت های تفکر انتقادی لازم برای موفقیت در چشم انداز دائماً در حال تغییر اینترنت را به او داده است.

مقالات بیشتر

دامیر یالالوف