Apple переписала свою поисковую систему музыки, чтобы понять, что вы действительно имеете в виду

Ключевые моменты

• Новая поисковая модель Apple Music имеет 305 миллионов параметров и понимает запросы на нескольких языках одновременно.
• Система была создана для решения конкретной, измеримой проблемы: большинство поисков в Apple Music — это редкие или уникальные запросы, с которыми старые инструменты сопоставления ключевых слов справляются плохо.
• Apple отточила существующий многоязычный фундамент искусственного интеллекта под названием GTE-multilingual-base, а не создавала его с нуля.
• Apple ML Research опубликовала технические детали, что предполагает, что данный подход может повлиять на то, как другие потоковые платформы обрабатывают поиск.

Введите в Apple Music "Bohemian Rapsody" и вы, вероятно, все еще хотите Queen. Введите это смесью арабских и английских букв или фонетическое написание индийской кинопесни, которую вы частично помните, и до недавнего времени вам, скорее всего, не вернулось бы ничего полезного.

Apple теперь опубликовала подробности системы искусственного интеллекта, предназначенной для решения именно этой проблемы в огромном масштабе. Apple Music работает более чем в 150 странах, добавляет сотни тысяч композиций каждый день и обслуживает слушателей, ищущих на десятках языков. Подавляющее большинство этих поисков — это редкие или уникальные запросы, а это означает, что стандартное сопоставление ключевых слов, которое ищет точное или близкое совпадение слов, оставляет много слушателей без помощи.

Решение — это система семантического поиска. Семантический поиск означает, что поисковая система пытается понять значение или намерение, стоящие за запросом, а не просто букву введённого текста. Думайте об этом как о разнице между библиотекарем, который ищет только точное название, которое вы назвали, и тем, кто спрашивает, о чём книга, и всё равно находит три хороших варианта.

Модель искусственного интеллекта, питающая это, содержит 305 миллионов параметров. Параметры — это внутренние числа, которые модель искусственного интеллекта регулирует во время обучения; большее их количество обычно означает, что модель может обрабатывать более сложные схемы. Apple не создавала это с нуля. Она отточила, то есть взяла существующую многоязычную модель под названием GTE-multilingual-base и провела дополнительное обучение на конкретных проблемах поиска Apple Music. Отточение быстрее и дешевле, чем начинать с нуля, и обычно хорошо работает, когда уже существует сильный универсальный фундамент.

Процесс обучения использовал что-то под названием планирование учебной программы, где модель сначала изучает более простые примеры, прежде чем переходить к более сложным, запутанным запросам, точно так же, как студент повторяет основы перед экзаменом.

Что это действительно изменит для слушателей?

Для большинства людей видимых изменений нет. Вы всё ещё вводите текст в строку поиска. Что изменилось, так это коэффициент успеха поисков, которые раньше не срабатывали, особенно поисков с опечатками, транслитерированными словами (иностранные звуки, написанные латинскими буквами) или запросов, которые смешивают языки в середине фразы. Apple говорит, что эти «хвостовые запросы» составляют большинство уникальных поисков, которые получает платформа.

Проще говоря: если вы когда-нибудь искали трек на слух, а не с правильным написанием, или искали на своём родном языке в англоязычном интерфейсе, эта система предназначена для вас.

Apple ML Research опубликовала техническую статью, что необычно для Apple и свидетельствует о том, что компания комфортно позиционирует себя как серьёзное научное учреждение в области искусственного интеллекта наряду со своей продуктовой идентичностью. Детали были достаточно конкретными, и другие потоковые сервисы и инженеры по поиску, несомненно, будут изучать этот подход.

Apple не сообщила, когда система перешла в режим реального времени, и не опубликовала показатели точности, обращённые к пользователям, для широкой публики.