Bereits im Jahr 2006 gab es einiges Interesse bei der Umsetzung von künstlicher Intelligenz im Google-Suchmaschinen-Algorithmus. Ein paar Jahre später im Jahr 2014, wurde GoogleBrain nach dem Erwerb von DeepMind gegründet, einem britischen KI-Unternehmen, das im Jahr 2010 gegründet wurde. Dieses untersuchte wie Videospiele mit maschinellem Lernen und künstlichen Neuronalen Netze (KNN) gespielt werden können. Die smarte künstliche Intelligenz Revolution kann Muster in der digitalen representation von Tönen, Bildern und Daten erkennen.
Was ist deep learning? Es geht um iterative Algorithmus zum lernen auf verschiedenen Abstraktionsebenen, nicht-linearen Transformatio nen und typischerweise neuronale Netze.
Iterative Algorithmen sind eine einfache Möglichkeit, ein Problem zu lösen. Es wird hier nicht erklärt, wie iterative Algorithmen funktionieren, da es Gegenstand von Datenstrukturen und Algorithmen ist.
Big-Data besteht aus dem Internet, Meta-Daten: Tags, Übersetzungen, mechanical Turk. Big-Data an sich ist nicht besonders nützlich. Es ist nur ein Bündel von Informationen, es sei denn Sie wenden eine Methode an um diese zu nutzen.
Sie können Big-Data nicht verstehen. Keiner von uns würde ein Telefonbuch lesen. Es ist sinnlos. Big-Data macht Sinn, wenn Sie davon Gebrauch machen. Algorithmische Fortschritte sind nicht markierten Daten, unüberwachtes lernen, strukturierte NN (Merkmalsdetektoren ) und der aufeinanderfolgendes Lernen. Heute versucht man verschiedene Möglichkeiten, um auf unmarkierten Daten zu arbeiten.
Vorher hatte GoogleBrain 1 Milliarde Synapsen, während ein erwachsenes Menschenhirn über 100 Trillionen Synapsen verfügt und ein Säugling 1/4 von einer Billionen Synapsen hat. Die Zahl der Synapsen pro Neuron wächst als Potenzgesetz (ein Begriff aus der Biologie) mit der Gehirnmasse . Es sollte eine bessere Verbesserung für das strukturieren des deep learning geben.
Google behauptet, seine D-wave Computer 10 Mal schneller ist.
D-Wave natives sampling für vertieftes Lernen:
Im Folgenden sieht man D-Waves Stelle in dem Prozess.
Eingabedaten–> D Wave –>Klassifikation
Wenn ein Algorithmus geschrieben wird, gibt es Tags mit Ähnlichkeiten, die in 80 Millisekunden abgerufen werden können: Auto, BMW, Porsche etc. Oder Schlüsselwörter wie: Kids, Kinder, Clown, Spaß und Farbe mit ähnlichen Bildern.
Maschinelles Lernen ist ein besonderer Ansatz für eine Rechenaufgabe. Wenn ein Algorithmus Designer einen Algorithmus schreibt, dann ist seine Arbeit noch nicht abgeschlossen. Er/Sie muss die Daten durch unterschiedliche Prozesse erhalten, damit es richtig arbeitet.
Zum Beispiel, um Daten über „Lamborghini“ zu holen, wenn die Maschine aber “Ente“ produziert, muss der Suchmaschinen.Programmierer diese bestrafen, weile eine falsche Ausgabe gesendet wurde. Beim maschinellen Lernen geht es als darum den Algorithmus zu trainieren.
Die Jahre von den 1980er – 2009 waren die dunklen Zeiten. Nach IMAGEnet lag die Rate der Berechnungsfehler beim erkennen von Bilder zwischen 2010 – 2014, lag bei 79%, aber es wurde immer weniger bis 2014 es nur noch 20% warn, dadurch wurde der Maschine ein neuer primärer Sinn hinzugefügt.
Das menschliche Gehirn nutzt 20 W Energie, während Ihr Laptop 50 W verwendet. Ihr Gehirn Hat aber mehr Rechenleistung als Ihren Laptop.
Also, was fehlt? Er sollte viele Operationen gleichzeitig durchgeführt können um mit der Änderung zurecht zu kommen. Einige von euch werden vielleicht schon erraten haben, wie ich mit dieser Aussage bei Google RankBrain ende.
Google hat Algorithmen und Daten die den Algorithmus zum laufen bringen, um erfolgreich zu sein. Google muss wirklich die Dinge so skalieren wie es die Biologie durch jahrelange Evolution getan hat. Google RankBrain ist noch nicht fertig, Sie sollten sich keine Sorgen machen Ihre Website zu ranken und über den SEO-Prozess. Google hat Algorithmen damit das funktioniert und Maschinen um es zu verarbeiten. Google-Ingenieure können neue Hardware zu bauen und Computerverabeitung in eine ganz neue Richtung lenken, aber das braucht Zeit.
Warum brauchen wir Big-Data?
Wir brauchen Daten, damit es funktioniert. Die Frage ist, wie dieser Algorithmus Geschäften und großen Unternehmen helfen wird, ihrer Probleme zu lösen? Die Wahrheit ist, die meisten Unternehmen scheren sich nicht um deep learning.
Künstliche Intelligenz (KI im NN Kontext) ist die Fähigkeiten auf Fähigkeiten aufzubauen. Die Fähigkeit, Sprachen und Bilder zu verstehen. Die Möglichkeit, Fragen zu stellen oder wird gesagt zu bekommen, welche Frage man sich hätte stellen sollen.
Organisationen sollten Technologie demokratisieren, um sich das Vertrauen der Nutzer zu verdienen, das Kundenkapital ihres Unternehmen zu erhöhen und um eine gute Nutzererfahrung zu bieten.
In Bezug auf Suchmaschinenotimierung ist Google RankBrain in den Kinderschuhen. Hier ist der Grund. Wir sehen einen Trend sich auf durch menschen markierte Trainingsdaten zu fokussieren, wenn es um unüberwachte Verfahren geht. Es ist ein Muster, in allem; Menschen brauchen keine Lehrer die ihnen die ganze Zeit Dinge beibringen. Die Abhängigkeit von Humandaten ist für diese Technologie eine Skalierbarkeits-Herausforderung. Wenn wir diesen Prozess lösen und alle Daten da draußen verwenden, wird sich eine neue Welt eröffnen.
Unüberwachtes Lernen ist eine Art von Lernalgorithmus, bei der Zusammenhänge aus Datensätzen gewonnen werden, bestehend aus Eingangsdaten ohne markierten Antworten. Cluster-Analyse beinhaltet ein oder mehrere Clustering-Algorithmen mit dem Ziel, in dem Datensatz versteckte Muster oder Gruppierungen zu finden. Clustering-Algorithmen bilden Gruppierungen bzw. Cluster derart, dass die Daten innerhalb eines Clusters ein höheres Maß an Ähnlichkeit haben, als Daten in jedem anderen Cluster.
Wenn wir und Neuronalen-Netzwerke ansehen enthalten diese zwei Teile. Neuronale-Netzwerk selbst und das Lernprinzip. Wenn wir mehr allgemeine Computer bauen, die Neuronale-Netzwerke verarbeiten, dann müssen wir sie überwachen, um Fortschritte zu machen.
Es gab nicht genügend Fortschritte beim unbeaufsichtigten Lernen deshalb brauchen Sie sich nicht über RankBrain’s Auswirkungen auf das Ranking Ihrer Website kümmern. Google hat keinen unbeaufsichtigten Algorithmus entwickeln um einen überwachten Algorithmus auszuhebeln. Google hat sie noch nicht gebaut. Sie haben Algorithmen und Maschinen die Informationen verarbeiten aber Google sollte mit Lernprinzipien kommen.
Die Unternehmen sollten den Nutzen sehen. Man kann wohl sagen, dass, solange Google den RankBrain Algorithmus noch nicht vollendet hat, sollten Sie dem gleichen digitalen Marketing folgen: Suchmaschinenoptimierung, Mobile Marketing, PPC Prozesse den es wird einige Zeit dauern einen unüberwachten Algorithmus zu bauen. Ihre Aufgabe ist es zu prüfen, was für Ihr Unternehmen funktioniert und sich nicht auf Annahmen verlassen.
Wie man im SEO-Geschäft wettbewerbsfähig bleibt