ثبت اختراع Google در مورد استفاده از سیگنال های متنی فراتر از معناشناسی پرس و جو
حق ثبت اختراع که اخیراً توسط Google ثبت شده است ، تشریح می کند که چگونه یک دستیار هوش مصنوعی ممکن است حداقل از پنج سیگنال متنی در دنیای واقعی ، از جمله شناسایی اهداف مرتبط ، برای تأثیرگذاری در پاسخ ها و ایجاد گفتگوی طبیعی استفاده کند. این نمونه ای از چگونگی اصلاح جستجوی AI است که پاسخ ها را برای درگیر کردن کاربران با سؤالات و گفتگوهای متنی مرتبط می کند و فراتر از سیستم های مبتنی بر کلمات کلیدی گسترش می یابد.
ثبت اختراع سیستمی را توصیف می کند که گفتگوی مربوطه و پاسخ های مربوطه را با استفاده از سیگنالهایی مانند زمینه محیطی ، هدف گفتگو ، داده های کاربر و تاریخ مکالمه ایجاد می کند. این عوامل فراتر از استفاده از داده های معنایی در پرس و جو کاربر است و نشان می دهد که چگونه جستجوی با کمک هوش مصنوعی به سمت تعامل طبیعی تر و انسانی مانند حرکت می کند.
به طور کلی ، هدف از ثبت اختراع ، بدست آوردن حمایت قانونی و انحصاری برای یک اختراع است و عمل تشکیل پرونده نشان نمی دهد که گوگل در واقع از آن استفاده می کند.
حق ثبت اختراع از نمونه هایی از گفتگوی گفتاری استفاده می کند اما همچنین می گوید اختراع محدود به ورودی صوتی نیست:
“نکته قابل توجه ، در طی یک جلسه گفتگوی معین ، یک کاربر می تواند با دستیار خودکار با استفاده از روشهای مختلف ورودی ، از جمله ، اما محدود به ورودی گفتار ، ورودی تایپ شده و/یا ورودی لمسی ، در تعامل باشد.”
نام ثبت اختراع است ، استفاده از مدل (های) زبان بزرگ در تولید پاسخ (های) دستیار خودکاربشر این حق ثبت اختراع مربوط به طیف گسترده ای از دستیاران هوش مصنوعی است که از طریق متن تایپ شده ، لمس و گفتار ورودی دریافت می کنند.
پنج عامل وجود دارد که بر پاسخ های اصلاح شده LLM تأثیر می گذارد:
- زمان ، مکان و زمینه محیطی
- زمینه خاص کاربر
- قصد گفتگو و تعامل قبلی
- ورودی ها (متن ، لمس و گفتار)
- زمینه سیستم و دستگاه
چهار عامل اول بر پاسخ هایی که دستیار خودکار ارائه می دهد تأثیر می گذارد و پنجم تعیین می کند که آیا قسمت LLM را به کمک LLM خاموش کرده و به پاسخ های استاندارد AI برگردد.
زمان ، مکان و محیط زیست
سه عامل متنی وجود دارد: زمان ، مکان و محیط زیست که زمینه هایی را ارائه می دهند که در کلمات کلیدی وجود ندارند و بر نحوه پاسخ دادن به دستیار هوش مصنوعی تأثیر می گذارد. در حالی که این عوامل متنی ، همانطور که در حق ثبت اختراع توضیح داده شده است ، کاملاً مربوط به نمای کلی AI یا حالت AI نیست ، اما آنها نشان می دهند که چگونه تعامل AI با داده ها می تواند تغییر کند.
حق ثبت اختراع از نمونه شخصی که به دستیار خود می گوید در حال گشت و گذار هستند ، استفاده می کند. یک پاسخ استاندارد هوش مصنوعی می تواند یک اظهار نظر دیگ بخار برای تفریح یا لذت بردن از روز باشد. پاسخ LLM که در این حق ثبت اختراع شرح داده شده است ، پاسخی را بر اساس موقعیت جغرافیایی و زمان ایجاد اظهار نظر در مورد آب و هوا مانند پتانسیل باران ایجاد می کند. این خروجی های دستیار اصلاح شده نامیده می شود.
حق ثبت اختراع آن را اینگونه توصیف می کند:
“… خروجی های دستیار موجود در مجموعه خروجی های دستیار اصلاح شده شامل خروجی های دستیار است که جلسه گفتگو را به شکلی هدایت می کند که کاربر دستگاه مشتری را در جلسه گفتگو با پرسیدن سوالات مرتبط با متن درگیر می کند (به عنوان مثال ،” چه مدت زمان دیگری در حال گشت و گذار است؟ “) ، این اطلاعات متنی مرتبط را ارائه می دهید (به عنوان مثال ،” اما اگر دوباره به عنوان مثال می خواهید برای برخی از ساکنان نور آماده شوید) ، برای برخی از ساکنان) آماده شوید ، برای برخی از ساکنان) آماده باشید. در متن جلسه گفتگو. “
زمینه خاص کاربر
حق ثبت اختراع چندین زمینه خاص کاربر را توصیف می کند که LLM ممکن است برای تولید یک خروجی اصلاح شده از آن استفاده کند:
- داده های پروفایل کاربر ، مانند تنظیمات برگزیده (مانند غذا یا انواع فعالیت).
- داده های نرم افزار برنامه (مانند برنامه هایی که در حال حاضر یا اخیراً در حال استفاده هستند).
- تاریخچه گفتگوی جلسات دستیار در حال انجام و/یا قبلی.
در اینجا یک قطعه وجود دارد که در مورد سیگنال های متنی مرتبط با مشخصات کاربر مختلف صحبت می کند:
“علاوه بر این ، زمینه جلسه گفتگو می تواند بر اساس یک یا چند سیگنال متنی تعیین شود که به عنوان مثال ، سر و صدای محیط که در محیطی از دستگاه مشتری ، داده های پروفایل کاربر ، داده های برنامه نرم افزاری ، داده های برنامه نرم افزاری ، … تاریخچه جلسه گفتگو بین کاربر و دستیار خودکار و/یا سایر سیگنال های متنی مشاهده می شود.”
اهداف مرتبط
بخش جالبی از حق ثبت اختراع توضیح می دهد که چگونه می توان از اولویت غذایی کاربر برای تعیین هدف مرتبط با یک پرس و جو استفاده کرد.
“به عنوان مثال ، … یک یا چند مورد از LLM ها می توانند قصد مرتبط با دستیار دستیار داده شده را تعیین کنند … علاوه بر این ، یک یا چند نفر از LLM ها می توانند بر اساس قصد مرتبط با دستیار دستیار داده شده ، حداقل یک هدف مرتبط با هدف مرتبط با دستیار دستیار داده شده را شناسایی کنند … علاوه بر
حق ثبت اختراع این موضوع را با مثال کاربر نشان می دهد که گرسنه است. LLM سپس زمینه های مرتبط مانند نوع غذاهایی را که کاربر از آن لذت می برد و از خوردن غذا در یک رستوران استفاده می کند ، شناسایی می کند.
حق ثبت اختراع توضیح می دهد:
“در این مثال ، پرس و جو دستیار اضافی می تواند با ، به عنوان مثال ،” چه نوع غذاهایی را داشته باشد که کاربر نشان داده است که او را ترجیح می دهد؟ ” (به عنوان مثال ، منعکس کننده یک نوع غذای مرتبط با هدف مرتبط با هدف کاربر که نشان می دهد دوست دارد غذا بخورد) ، “چه رستوران هایی در این نزدیکی باز هستند؟” (به عنوان مثال ، منعکس کردن یک جستجوی رستوران مرتبط با هدف مرتبط با هدف کاربر که نشان می دهد او می خواهد غذا بخورد) … در این پیاده سازی ها ، دستیار اضافی می تواند بر اساس پردازش پرس و جو دستیار اضافی تعیین شود. “
زمینه سیستم و دستگاه
بخش سیستم و دستگاه از ثبت اختراع جالب است زیرا هوش مصنوعی را قادر می سازد که زمینه دستگاه را تشخیص دهد که از نظر باتری کم است ، و اگر چنین است ، پاسخ های اصلاح شده LLM را خاموش می کند. عوامل دیگری مانند اینکه کاربر از دستگاه دور می شود ، هزینه های محاسباتی و غیره در حال دور شدن است.
پیشخدمت
- پاسخهای پرس و جو AI از سیگنال های متنی استفاده می کنند
ثبت اختراع Google توضیح می دهد که چگونه دستیاران خودکار می توانند از زمینه واقعی در دنیای واقعی برای تولید پاسخ ها و گفتگوهای مرتبط تر و انسانی تر استفاده کنند. - عوامل متنی بر پاسخ ها تأثیر می گذارد
اینها شامل زمان/مکان/محیط ، داده های خاص کاربر ، تاریخ گفتگو و قصد ، شرایط سیستم/دستگاه و نوع ورودی (متن ، گفتار یا لمس) است. - پاسخ های اصلاح شده LLM باعث افزایش تعامل می شود
مدل های بزرگ زبان (LLMS) از این زمینه ها برای ایجاد پاسخ های شخصی یا سؤالات پیگیری مانند مراجعه به آب و هوا یا تعامل گذشته استفاده می کنند. - مثالها تأثیر عملی را نشان می دهد
سناریوهایی مانند توصیه غذا بر اساس ترجیحات کاربر یا اظهار نظر در مورد آب و هوای محلی در برنامه های فضای باز نشان می دهد که چگونه زمینه های دنیای واقعی می توانند بر نحوه پاسخ AI به پرس و جوهای کاربر تأثیر بگذارند.
این حق ثبت اختراع مهم است زیرا میلیون ها نفر به طور فزاینده ای با دستیاران هوش مصنوعی درگیر هستند ، بنابراین مربوط به ناشران ، فروشگاه های تجارت الکترونیک ، مشاغل محلی و SEO است.
این تشریح می کند که چگونه سیستم های AII Google می توانند با استفاده از سیگنال های دنیای واقعی ، پاسخ های شخصی و آگاه از متن ایجاد کنند. این امر دستیاران را قادر می سازد تا از پاسخ های مبتنی بر کلمات کلیدی فراتر رفته و با اطلاعات مربوطه یا سؤالات پیگیری پاسخ دهند ، مانند پیشنهاد رستوران هایی که ممکن است کاربر قبل از یک فعالیت برنامه ریزی شده در مورد شرایط آب و هوایی اظهار نظر کند یا اظهار نظر کند.
ثبت اختراع را اینجا بخوانید:
با استفاده از مدل (های) زبان بزرگ در تولید پاسخ (های) دستیار خودکار.
تصویر برجسته توسط واحد Shutterstock/Visual
