Google發表了一個稱為多任務統一模型(Multitask Unified Model,MUM),能夠讓用戶以較少的查詢快速獲得想要的答案,對複雜任務提供如同專家的回應。

不少搜尋任務,需要用戶輸入許多查詢並且執行多次搜尋後,才能獲得所需要的答案,Google以登山者使用情境來說明查詢會遇到的問題,以及MUM能夠解決這個問題的原因。Google假設當用戶已經去過亞當斯山,計畫明年秋天要去富士山,想要在Google查詢該做的準備。

針對這樣的情境,現階段Google可以提供許多資訊,但是都必須要使用者經過深思熟慮後進行搜尋,像是分別搜尋每座山的海拔、秋天的平均氣溫、行走路徑的難度和正確的裝備等。整合經過多次搜尋的結果,用戶就可以得到需要的答案。但是詢問登山健行專家就會以不同的問題進行,用戶可以詢問「我應該做什麼準備」這種開放式的問題,並且獲得一個考慮周到的答案,包括兩座山的差異,以及許多需要考慮的事項。

爬山查詢僅是一個例子,官方提到,Google用戶每天都會需要查詢並解決各種任務,這些任務可能需要許多步驟,他們發現,用戶要解決複雜的任務,平均需要發出8個查詢,他們認為,現今的搜尋引擎都不夠完善,無法以專家的方式回答。

而Google發展出了MUM技術,試圖簡化這些複雜查詢任務,MUM如同語言模型BERT一樣,建立於Transformer架構之上,但功能更加強大,MUM不僅可以理解語言,還可以生成語言。MUM接受了75種語言和多種任務訓練,可以比過去模型更全面地了解資訊和世界知識,而且MUM具有多模態(Multimodal)特性,能夠理解文字和圖像中的資訊,並且在之後還可以擴展理解視訊或是音訊等更多形式的內容。

在上述用戶想要爬富士山的案例,MUM可以理解用戶正在比較兩座山,因此海拔和步道訊息是相關資訊,另外,MUM也可以理解在登山遠足的活動背景下,可能需要準備運動或是合適的裝備。由於MUM具有理解世界的知識,因此能夠告訴用戶,雖然兩座山海拔相似,但是秋天會是富士山的雨季,因此用戶可能需要防水手套。而MUM還會提供延伸主題,包括針對登山的頂級裝備和最佳訓練資訊,呈現網路中有用的文章、影片和圖像。

Google會針對MUM進行有關機器學習偏見的研究,避免將偏見引入到系統中,並且減少訓練MUM的碳足跡,確保搜尋能夠高效執行。目前MUM仍處於探索初期,但Google提到,在幾個月後他們會逐漸開始在產品中加入MUM,以提供更好的服務。

熱門新聞

Advertisement