پشت دیوارهای گوگل‌سرا

بیایید برچسب‌بازی کنیم

اخیرا گوگل یک بازی جالب و اعتیادآور به نام «برچسب‌زنی گوگل» یا Google Image Labeler در سایت خود قرار داده است. در این بازی دو نفره شما و یک کاربر دیگر دو دقیقه وقت دارید تا کلماتی را در وصف یک تصویر بنویسید.

برای مثال گوگل به شما تصویری از یک «پرنده دریایی» را نشان می‌دهد. شما و آن کاربر کلماتی چون «دریا»، «پرنده»، «پرواز» و ... را به آن نسبت می‌دهید. اگر این دو بازیکن، کلماتی یکسان را به تصویری یکسان اختصاص دهند، امتیاز می‌گیرند.

اما در پشت پرده چیزی فراتر از یک بازی سرگرم‌کننده پنهان شده است. شما در واقع دارید به بهینه‌سازی جست‌وجوی گوگل کمک می‌کنید. شما بازی می‌کنید اما گوگل در حین بازی از قوه تشخیص شما به نفع جست‌وجویی بهتر بهره‌برداری می‌کند و کلید واژه‌هایش برای تصاویر مختلف را گسترش می‌دهد.

پشت دیوارهای گوگل‌سرا

گوگل که لقب «غول جست‌وجوی اینترنت» را یدک می‌کشد، سعی می‌کند با انواع و اقسام روش‌ها نتایجی دقیق‌تر برای جست‌وجوها عرضه کند.

اما نقطه ضعف همه موتورهای جست‌وجو در جست‌وجوی تصاویر است. موتورهای جستجو در ارائه نتایج دقیق‌تر در جست‌وجوی تصاویر با هم رقابت تنگاتنگی دارند. اساساً روبات‌های جست‌وجوگر این موتورها مشکل چندانی با یافتن و فهرست کردن متون ندارند اما برای فهرست کردن تصاویر تنها به «برچسب‌»ها و تکنیک‌های «هوش مصنوعی» در تشخیص تصاویر متکی هستند.

این وصله‌ها به کی می‌چسبد؟

اصطلاحی که این روزها با نام «برچسب» یا label باب شده در حقیقت یک همکاری دسته جمعی، برای رسیدن به آینده‌ای بهتر در جست‌وجوی اینترنتی است.

با ایجاد مفهومی به نام وب ۲، برچسب‌ها نیز پای خود را به وبلاگ‌ها، فتوبلاگ‌ها و سایت‌های مدیریت محتوا باز کردند. این روزها تولیدکنندگان محتوا با قرار دادن کلماتی کلیدی به عنوان برچسب در پای هر نوشته یا عکس به تدریج نوعی دسته‌بندی موضوعی ایجاد می‌کنند که در حقیقت به نفع کاربران است.

کاربر چنین سایتی می‌تواند با مشاهده یک متن یا عکس، متن‌ها و عکس‌های مرتبط با آن را به سادگی بیابد. موتورهای جست‌وجو هم با تغییراتی در روش خود به این برچسب‌ها حساس شده‌اند و روبات‌های جست‌وجوگر ارتباطی منطقی با این برچسب‌ها پیدا کرده‌اند. نکته اینجاست که این وصله‌ها به هر کسی اگر نچسبد، به گوگل حسابی می‌چسبد.

هوش از نوع ماشینی

تکنیک OCR در هوش مصنوعی در واقع استفاده از روش‌هایی است که شامل پردازش محتوای تصاویر می‌شود. بگذارید برایتان مثالی بزنم. شما دو عکس دیجیتالی دارید که یکی از آنها منظره‌ای از جنگل است و دیگری صفحه‌ای اسکن شده از یک کتاب.

برای کامپیوتر به عنوان یک ماشین هر دوی آنها تصاویری هستند متشکل از نقاط رنگی (پیکسل) و هیچ مفهومی ندارند. در حقیقت این شما هستید که تشخیص می‌دهید کدام یک منظره است و کدام یک متن و کامپیوتر از این تشخیص عاجز است.

شاخه‌ای از هوش مصنوعی (به عنوان یکی از علوم انفورماتیک) OCR نامیده می‌شود که تلاشی است برای پردازش تصاویر تا کامپیوتر را واجد چنین تشخیصی کند. اما در بسیاری از موارد ماشین باز هم در این شناخت ناموفق است. این‌جا است که کاربران به عنوان کارگران تعلیم‌دهنده وارد عمل می‌شوند.

تلاش‌های اخیر بر تعلیم کامپیوترها استوار است و این چیزی نیست به جز واداشتن کامپیوترها به فکرکردن مانند انسان. این شیوه را «تشدید هوش» یا AugmentationIntelligence نام داده‌اند. اما پشت این عنوان پرهیبت چیزی نیست جز یک ترفند زیرکانه!

در این روش انسان به حل بخش‌هایی خاص از یک مسأله وادار می‌شود. حل چنین مسأله‌ای برای کامپیوتر مشکل یا ناممکن اما برای انسان پیش پا افتاده است. همزمان، با این کار کامپیوتر تعلیم می‌بیند تا بیشتر شبیه به انسان عمل کند.

خلاصه آن که شما با «برچسب‌زنی گوگل» در حال بازی هستید اما کلمه‌ای را که به عنوان برچسب به یک عکس اختصاص می‌دهید و با برچسب هم‌بازی شما منطبق می‌شود به عکس مورد نظر وابسته می‌شود.

از آن ‌به بعد آن تصویر در نتایجی ظاهر خواهد شد که با آن کلمه جست‌وجو شده‌اند. شما در ظاهر بازی می‌کنید اما در باطن روبات‌های گوگل را آموزش می‌دهید که این عکس «پرنده»ای «دریا»یی است در حال «پرواز». روش تشدید هوش، دایره گسترده‌ای را در بر می‌گیرد و گوگل تنها بازیگر این عرصه نیست.

منبع: همشهری آنلاین