Jarvis Rising – 검색이 불가능할 때 답변을 예측하기 위해 Google이 기계 학습 모델을 "즉석에서" 생성하는 방법과 이러한 모델을 인덱싱하여 향후 쿼리에 대한 답변을 예측하는 방법 [특허]
게시 됨: 2023-07-13
PAA 및 PASF와 관련된 Google 특허를 분석한 후 최근 등록된 다른 특허를 검토하기 시작했습니다. 머지 않아 기계 학습 모델 사용에 관한 또 다른 매우 흥미로운 사실을 알게 되었습니다. 방금 분석한 특허는 쿼리에 응답하여 기계 학습 모델을 사용 및/또는 생성하는 데 중점을 둡니다(표준 검색 결과가 적절한 답변을 제공할 수 없기 때문에 Google이 답변을 예측해야 하는 경우). 특허를 여러 번 읽은 후 사용자에게 양질의 답변(또는 예측)을 제공해야 할 때 Google 시스템이 얼마나 정교할 수 있는지 강조했습니다.
다른 특허와 마찬가지로 Google이 특허가 다루는 내용을 실제로 구현했는지는 알 수 없지만 항상 가능합니다. 구현된 경우 Google은 훈련된 기계 학습 모델을 활용하여 쿼리에 대한 답변을 예측할 수 있을 뿐만 아니라 이러한 기계 학습 모델을 인덱싱 하고 다양한 엔터티, 웹 페이지 등과 연결한 다음 검색 및 검색할 수 있습니다. 후속 관련 검색에 해당 모델을 사용하십시오. 이것이 Google에 얼마나 강력하고 확장 가능한지 생각해 보십시오.
또한 이 특허는 Google이 검색 결과의 기계 학습 모델에 대화형 인터페이스를 반환할 수 있다고 설명합니다. 이를 통해 사용자는 검색 결과가 충분하지 않을 때 쿼리에 대한 예측을 생성하는 데 사용할 수 있는 매개변수를 추가할 수 있습니다. 특허의 그 부분은 쿼리에 대해 반환되는 양질의 검색 결과가 없을 때 Google이 2020년 4월 SERP에서 롤아웃한 메시지에 대해 생각하게 했습니다. 현재 구현은 사용자가 상호 작용할 수 있는 양식을 제공하지 않지만 언젠가는 가능할 것입니다. 그리고 아마도 그 인터페이스는 현재 표면에 있는 더 모호한 쿼리에 비해 향후 더 많은 쿼리에 사용될 수 있습니다. 이에 대한 자세한 내용은 아래 글머리 기호에서 다루겠습니다.
특허의 요점:
최근 Google 특허를 다루는 지난 게시물과 유사하게 세부 사항을 다루는 가장 좋은 방법은 핵심 사항에 대한 글머리 기호를 제공하는 것입니다.
검색 요청에 대한 응답으로 기계 학습 모델 생성 및/또는 활용
미국 11645277 B2
부여일자: 2023년 5월 9일
제출일: 2017년 12월 12일
양수인 이름: Google LLC
1. Google의 특허는 답변을 확실하게 찾을 수 없고 사용자가 본질적으로 예측 가능한 요청을 제출하는 경우 훈련된 기계 학습 모델을 사용하여 예측을 생성할 수 있다고 설명합니다.
2. 예를 들어 Google은 먼저 쿼리를 기반으로 검색 결과를 생성할 수 있지만 결과의 품질이 충분하지 않은 경우 기계 학습 모델을 사용하여 더 강력한 예측 답변을 제공할 수 있습니다. 따라서 시스템은 Google에서 답변을 검증할 수 없는 경우 기계 학습 모델을 기반으로 예측된 답변을 제공할 수 있습니다.
3. 또한 기계 학습 모델은 "즉시" 생성될 수 있으며 Google은 훈련된 기계 학습 모델을 검색 색인에 저장할 수 있습니다. 예, Google은 특정 유형의 쿼리를 기반으로 예측을 제공하도록 방금 훈련된 기계 학습 모델을 색인화할 수 있습니다. 이에 대해 곧 자세히 다루겠습니다.
4. 이 특허는 "2050년에 중국에 의사가 몇 명이나 될까요?"라는 질문을 기반으로 한 예를 제공했습니다. 표준 검색 결과를 통해 신뢰할 수 있는 답변을 제공할 수 없는 경우 쿼리를 학습된 기계 학습 모델에 전달하여 예측을 생성할 수 있습니다.
5. 특허는 계속해서 시스템이 2010년, 2015년, 2020년 등과 같은 다른 해가 걸릴 수 있으며 이를 사용하여 예측을 생성할 수 있다고 설명합니다(해당 매개변수에 대해 훈련된 기계 학습 모델을 통해).
6. 특허는 훈련된 기계 학습 모델이 "모델 훈련에 활용되는 리소스"에서 하나 이상의 콘텐츠 항목으로 인덱싱될 수 있다고 설명합니다. 그리고 향후 쿼리의 경우 시스템이 기계 학습 모델과 관련된 매개변수를 식별할 때(예: 후속 사용자가 " 2040년 에 중국에 의사가 몇 명이나 있습니까?"와 같은 관련 질문을 하는 경우) 기계 학습 모델은 예측을 생성하는 데 사용됩니다.
7. 이 특허는 기계 학습 모델이 지식 그래프의 엔터티, 테이블 이름, 열 이름, 웹 페이지 이름 등과 같은 하나 이상의 콘텐츠 항목과 함께 저장될 수 있다고 설명합니다. 또한 "중국" 및 "의사"와 같은 쿼리와 관련된 단어는 기계 학습 모델에서 예측을 생성하는 데 사용할 수 있습니다.
8. 특허는 계속해서 시스템이 기계 학습 모델에 전달할 수 있는 매개변수를 선택할 수 있는 대화형 인터페이스를 사용자에게 제공할 수 있다고 설명합니다. 텍스트 필드, 드롭다운 메뉴 등이 될 수 있습니다. 또한 응답에는 훈련된 기계 학습 모델을 기반으로 한 예측이라는 응답이 사용자에게 표시되는 메시지가 포함될 수 있습니다. 따라서 Google은 색인을 생성한 데이터를 기반으로 제공된 답변이 아니라 기계 학습 모델을 기반으로 한 예측이라는 것을 사용자가 이해하기를 원합니다.
9. 훈련된 모델은 예측이 최소한 "임계값 품질"인지 확인하기 위해 검증될 수 있습니다. 특정 임계값 미만의 항목은 억제되어 사용자에게 제공되지 않을 수 있습니다. 이 경우 표준 검색 결과가 대신 표시될 수 있습니다.
10. 공개 검색 결과 외에도 이 특허는 회사가 특정 결과를 예측하는 데 도움이 되도록 개인 데이터베이스에서 시스템을 사용할 수 있다고 설명합니다. 특허는 "사용자 그룹, 기업 및/또는 기타 제한된 집합에 대한 개인 정보"라고 설명합니다. 예를 들어 놀이공원 직원이 "내일 스노우콘을 몇 개나 팔까요?"라고 물을 수 있습니다. 그런 다음 시스템은 개인 데이터베이스를 쿼리하여 전날 매출, 날씨 정보, 출석 데이터 등을 이해하고 직원에 대한 답변을 예측할 수 있습니다.
11. 이 특허는 시스템이 어느 시점에서 "자동 비서"의 푸시 알림을 제공할 수 있다고 설명합니다. 그리고 소리내어 생각해 보면 게시자에게 수천 개의 Code Red를 유발한 Google의 Code Red에 대한 내 게시물에서 설명한 것처럼 Jarvis와 같은 비서에서 나온 것일 수 있는지 궁금합니다.
12. 대기 시간 관점에서 특허는 사용자가 쿼리를 제출한 후 지연이 있을 수 있다고 설명합니다. 이 경우 표준 검색 결과가 쿼리에 대해 "좋은" 결과를 사용할 수 없으며 기계 학습 모델을 사용하여 예측을 생성하고 있다는 메시지와 함께 초기에 표시될 수 있습니다. 이러한 상황에서 시스템은 나중에 해당 예측을 사용자에게 푸시하거나 사용자가 기계 학습 출력을 보기 위해 클릭할 수 있는 하이퍼링크를 제공할 수 있습니다.
13. 또한 특허는 일부 상황에서 프로세스를 계속하려면 사용자가 프롬프트를 확인해야 한다고 말합니다. 예를 들어, 시스템은 “올바른 답변을 사용할 수 없습니다. 내가 당신을 위해 대답을 예측하기를 원하십니까?” 그런 다음 기계 학습 모델은 프롬프트에 대한 응답으로 긍정적인 사용자 입력이 수신되는 경우에만 훈련됩니다. 앞서 설명한 것처럼 2020년 4월에 나온 "검색어와 일치하는 항목이 없습니다.
요약: Google은 (인덱싱된) 기계 학습 모델을 통해 강력하고 매우 효율적인 방식으로 양질의 답변을 예측할 수 있습니다.
특정 특허가 사용되고 있는지 여부는 알 수 없지만 이 프로세스의 강력함과 효율성은 Google에 큰 의미가 있습니다. 기계 학습 모델을 "즉석에서" 생성하는 것부터 향후 사용을 위해 해당 모델을 인덱싱하는 것, 푸시 알림이 있는 대화형 인터페이스 활용에 이르기까지 Google은 Jarvis와 같은 조수를 위한 무대를 마련하고 있는 것 같습니다. 따라서 다음에 Google에 답을 예측하도록 요청할 때 이 특허에 대해 생각해 보십시오. 그리고 어느 시점에서 더 많은 정보를 입력하라는 메시지가 표시될 수 있습니다(Jarvis가 나노초 안에 이 모든 작업을 수행할 수 있을 때까지). :)
GG