Le géant de la recherche, lors de la conférence des développeurs Google I/O le mois dernier, avait présenté son dernier modèle d’intelligence artificielle appelé Modèle unifié multitâche (MUM) qui vise à simplifier la façon dont les gens utilisent son moteur de recherche pour les requêtes complexes et les tâches basées sur la recherche.
La société avait affirmé que ce modèle était 1 000 fois plus puissant que le modèle BERT (Bidirectionnel Encoder Representations from Transformers), qui est actuellement utilisé pour analyser presque toutes les requêtes en anglais sur son moteur de recherche.
Le modèle comprend non seulement les informations dans plusieurs formats, y compris le texte, les images et les vidéos, mais génère également des informations dans ces langues et formats. Il a également la capacité d’effectuer de nombreuses tâches différentes à la fois.
« Nous avons formé MUM sur un sous-ensemble de haute qualité du corpus Web, où nous avons supprimé le contenu de mauvaise qualité et le contenu explicite pour adultes. Il est important de noter qu’il est formé sur 75 langues en même temps », a déclaré le vice-président de la recherche de Google, Pandu Nayak.
ETtechEssentiellement, l’objectif à long terme avec MUM est que les utilisateurs devraient pouvoir poser une requête sophistiquée pour obtenir une réponse complète reconstituée à partir de diverses sources au lieu d’avoir besoin d’utiliser plusieurs requêtes sur différents aspects de la même tâche, ressemblant ainsi à parler à un expert en matière humaine.
« Cela dit, il n’y a aucune intention de fournir des réponses directes non attribuées à des questions complexes. Il est important d’orienter nos utilisateurs vers des sources sur le Web, qui fournissent une discussion approfondie du problème afin qu’ils puissent décider par eux-mêmes qu’ils veulent résoudre les questions qu’ils se posent », a déclaré Nayak.
Alors que le modèle est encore en développement, Google a détaillé mardi sa première application publique dans le domaine des vaccins Covid-19.
Amélioration de l’expérience de recherche Covid-19
Plus tôt cette année, Google avait élargi son expérience de recherche Covid-19 pour offrir une variété d’informations faisant autorité sur les vaccins Covid.
« Lorsque nous avons lancé cela, nous avions besoin de savoir sur quelles requêtes nous devrions déclencher cette expérience vaccinale spéciale, car nous voulions les montrer sur les requêtes faisant référence aux vaccins Covid. Mais, les gens se réfèrent au vaccin Covid de plusieurs manières « , a déclaré Nayak.
Les vaccins largement distribués tels que ceux fabriqués par AstraZeneca, Moderna et Pfizer ont plusieurs noms différents dans le monde entier, en raison desquels il devient essentiel d’identifier correctement les noms des vaccins afin de fournir les dernières informations fiables sur le vaccin, a-t-il noté. « Mais identifier les différentes manières dont les gens se réfèrent aux vaccins dans le monde entier prend énormément de temps, prenant des centaines d’heures humaines. »
L’année dernière, Google avait été confronté à un problème similaire au début de la pandémie, car l’entreprise devait comprendre toutes les façons dont les gens se réfèrent à Covid-19 pour déclencher l’expérience de recherche spéciale. « Cette fois, nous avions passé des centaines d’heures à parcourir soigneusement toutes nos données pour identifier la myriade de façons dont les gens se réfèrent à Covid », a déclaré Nayak.
Cette année, il a affirmé qu’ils ont pu identifier plus de 800 variantes de noms de vaccins dans plus de 50 langues en quelques secondes, en utilisant MUM, avec un petit échantillon initial de noms de vaccins officiels. Après avoir validé ces résultats, l’entreprise a pu déployer des améliorations pour Recherche Google à travers le monde plus rapidement.
« Au cours des prochains mois, nous allons assister à toute une série de lancements de ce type où MUM est utilisé pour améliorer différents aspects de la recherche Google », a déclaré Nayak.
Le mois dernier, Nayak avait noté dans un article de blog officiel que Google testerait soigneusement ces applications, en recherchant spécifiquement des modèles susceptibles d’introduire des biais dans leurs systèmes.
« Nous appliquerons également les enseignements de nos dernières recherches sur la manière de réduire l’empreinte carbone des systèmes de formation comme MUM, pour nous assurer que la recherche continue de fonctionner aussi efficacement que possible », avait-il déclaré.
.
