imagazin arrow2-left arrow2-right arrow2-top arrow-up arrow-down arrow-left arrow-right cart close dossiers education fb instagram menu notification oander rss rss-footer search service shuffle speech-bubble star store stores tests twitter youtube

Pe viitor Spotlight ar putea folosi Machine Learning


Una dintre funcțiile mele preferate atunci când vreau să fiu cât mai productiv pe macOS este Spotlight. E deja foarte eficientă în forma sa actuală și dacă Apple va adăuga metodele sale brevetate recent…

Pe când învățam cum stau lucrurile cu Mac și macOS, primul sentiment din seria „trebuie să am asta” a apărut atunci când am folosit Spotlight. Căutarea profund integrată, care poate găsi orice, nu doar în fișiere, ci și în orice alt document, poate spori productivitatea, în special printr-o comandă rapidă personalizată. Să nu mai vorbim de opțiunile suplimentare cum sunt operațiile matematice încorporate sau schimbul valutar.

Singurul lucru care mă deranjează uneori este faptul că rezultatele căutării nu apar în ordinea cea mai eficientă. Acesta este într-adevăr un domeniu în care învățarea de tip Machine Learning ar putea fi utilă. Spotlight s-ar putea adapta astfel comportamentului tău și ți-ar putea oferi cele mai relevante rezultate pentru tine.

Apple a brevetat două lucruri foarte asemănătoare sub numerele 2018012803 și 018121435. Primul dintre acestea este „amestecarea modelelor de învățare pentru a oferi suport căutării”, iar cel de-al doilea este „re-clasarea rezultatelor căutării folosind modele mixte de învățare”. Ambele concepte sunt într-adevăr similare.

O căutare on-line simplă arată după cum urmează: clientul primește o interogare care este redirecționată către serverul de căutare. Serverul rulează prin indexuri și le compară cu interogarea, apoi adună toate rezultatele potrivite. Aceste rezultate se întorc la client și asta e tot. Opțional, această căutare ar putea funcționa offline, în fișiere locale. Toate acestea vor avea o valoare prioritară care ajută la enumerarea în ordine, în funcție de relevanță.

Problema tuturor utilizatorilor și a Apple cu acest sistem este faptul că rezultatele sunt într-adevăr unificate, nu există libertate personală. Se poate întâmpla ca un rezultat să aibă o prioritate scăzută, dar utilizatorul să aibă nevoie exact de acel rezultat. Această metodă duce la o experiență de căutare falsă.

Și aici vine amestecul de învățare artificială „socială” și personalizată. De cele mai multe ori, utilizatorii intră în contact cu rezultatele – dau clic pe acestea, le derulează, aruncă o privire, le ignoră. Aceste reacții ar putea fi indicatori perfecți ai nevoilor reale ale utilizatorilor. Dacă Apple ar putea aduna toate aceste date – nu doar online, pe plan local – și ar reproiecta lista de priorități în funcție de aceste comportamente, ar putea îmbunătăți cu adevărat rezultatele căutării și ar îmbunătăți acești algoritmi.

Ca întotdeauna, în cazul brevetelor, trebuie să ne amintim: Apple brevetează milioane de tehnologii săptămânal și nu este sigur că toate sau oricare dintre acestea vor apărea vreodată în oricare dintre sisteme. Dar cu siguranță au idei bune.

 

Sursa: AppleWorld.Today

iPhone XS unicredit
Apple Inc. (AAPL)

Ai citit asta?

“Fiecare Mac pe care îl cumpărăm permite IBM să economisească bani.”

Computerele care funcționează sub Windows ajung să fie, în final, de trei ori mai scumpe decât Mac-urile.