Google Talk to Books ist ein maschinelles Lernen Modell bauen von Google, die aus einer Bibliothek mit über 100,000 Büchern trainiert wurde; wo Google Suche verwendet Qualität Signale, um die Relevanz einer Webseite zu verstehen. Google Talk to Books verwendet ein maschinelles Lernen Modell das jeden Satz in über 100,000 Büchern durchsucht, um die Antworten zu finden, die in einem Gespräch höchstwahrscheinlich als nächstes kommen würden. Kurz gesagt, dies ist eine Vorhersage Modell trainiert auf Milliarden Paaren Aussagen.
Unser Ansatz bestand darin, Milliarden von Dialogzeilen zu verwenden, um einer KI beizubringen, wie echte menschliche Gespräche ablaufen.
Sobald die KI aus diesen Daten gelernt hat, ist sie in der Lage, vorherzusagen, wie wahrscheinlich eine Aussage als Antwort auf eine andere folgen würde. In diesen Demos betrachtet die KI das, was Sie eingeben, einfach als Eröffnungsstatement und durchsucht einen Pool vieler möglicher Antworten, um diejenigen zu finden, die am wahrscheinlichsten folgen würden.
Die Technik, die wir verwenden, um Computern die Sprache beizubringen, heißt Maschinelles Lernen. GoogleGlossar zum maschinellen Lernen definiert maschinelles Lernen als:
„… ein Programm oder System, das eine Vorhersage erstellt (trainiert). Modell aus Eingabedaten.“
Warum ist das überhaupt besonders?
Keine traditionelle Suche: in der Tat, wenn verwendet korrekt, Google Talk to Books kann ein großartiges kreatives Tool für sein Brainstorming redaktionelle Ideen
Natürliche Sprache verwenden: das „Gespräch“. Google soll so sein. Tatsächlich können Sie jede Frage in menschlicher, sogenannter natürlicher Sprache formulieren
Kurz gesagt, ein maschinelles Lernen Modell umfasst drei Phasen:
Wenn Sie eine Frage in das Suchfeld eingeben, erhalten Sie eine Antwort aus einer Bibliothek von über 100,000 Bücher. Dies ist jedoch nicht der Fall Stichwort passend. Stattdessen, das maschinelle Lernen Modell schaut sich jeden Satz in über 100,000 Büchern an, um die Antworten zu finden, die am wahrscheinlichsten als nächstes in einem Gespräch kommen würden.
Der Antwortsatz ist in dargestellt fett, zusammen mit einem Teil des Textes, der neben dem Satz für den Kontext angezeigt wurde.
Auch dieser Ansatz unterscheidet sich grundlegend von der traditionellen Suche. Auch wenn ich den Begriff „Suchfeld“ verwendet habe, lassen Sie sich nicht täuschen. In der Tat, in der konventionellen Suche, Google betrachtet Signale auf einer Webseite, um die Relevanz dieser Seite im Vergleich zu bestimmten Schlüsselwörtern zu bewerten. Es gibt auch einen KI-Teil, der RankBrain nutzt, um die Absicht einer Abfrage zu verstehen. Doch seine ist keine Vorhersage Modell. Kurz gesagt, basierend auf dieser Einschätzung Google wird Ergebnisse zurückgeben.
In Google Sprich stattdessen mit Büchern, den Modell sagt die Antwort voraus, genau wie in einem menschlichen Gespräch. Allerdings hinein Google Sprechen Sie mit Büchern, es gibt keine Bewertung darüber, wie maßgebend das Buch sein könnte, aus dem die Antwort kommt (was stattdessen eine primäre Metrik in ist Google Suche). Stattdessen gibt es Ihnen einfach den Satz zurück, der am besten zu Ihrer Anfrage passt.
Die Frage ist also: Wofür kann ich das verwenden?
Sammeln Sie schnell Definitionen
Inhalt Marketing, wie vom Content Marketing Institute definiert, ist „a Marketing Technik zur Erstellung und Verbreitung wertvoller, relevanter und konsistenter Inhalte, um ein klar definiertes Publikum anzuziehen und zu gewinnen – mit dem Ziel, profitable Verbraucheraktionen voranzutreiben
Das Tool ist ziemlich gut darin, Definitionen zu sammeln. Es ist jedoch so gut wie die verfügbaren Bücher.
Optimieren Sie es für Ihre redaktionelle Strategie
Talk to Books ist ein spannendes Tool, für das es mehrere Anwendungen für Ihr Editorial geben könnte Strategie. Sie müssen ein wenig experimentieren und herausfinden, welche Antworten für Sie am nützlichsten sind, um sie dadurch zu entdecken.
Ich habe einige Fragen gestellt, um zu sehen, welche Art von Antworten ich bekomme:
Schlüssel zum Mitnehmen
Google Talk to Books ist ein Tool für maschinelles Lernen, das auf einer Vorhersage basiert Modell, das basierend auf einer Frage, die Sie möglicherweise haben, die Antwort vorhersagt, ziemlich genau wie in einem menschlichen Gespräch. Das Tolle ist, dass man mit ihm in menschlicher, natürlicher Sprache sprechen kann. Dieses Tool kann viele Anwendungen haben. Sie müssen es jedoch verfeinern, um zu verstehen, auf welche Weise es Ihnen helfen kann, Ihre Kreativität zu steigern und Ihr Editorial zu erstellen Strategie effektiver!
Gennaro ist der Schöpfer von FourWeekMBA, das allein im Jahr 2022 rund vier Millionen Geschäftsleute erreichte, darunter C-Level-Führungskräfte, Investoren, Analysten, Produktmanager und aufstrebende digitale Unternehmer | Er ist auch Director of Sales für ein Hightech-Scaleup in der KI-Industrie | Im Jahr 2012 erwarb Gennaro einen internationalen MBA mit Schwerpunkt auf Unternehmensfinanzierung und Geschäftsstrategie.
