Apple переписала свою музичну пошукову систему, щоб зрозуміти, що ви насправді маєте на увазі

Ключові моменти

• Нова модель пошуку Apple Music має 305 мільйонів параметрів і розуміє запити одночасно на кількох мовах.
• Система була розроблена для вирішення конкретної, вимірюваної проблеми: більшість пошукових запитів на Apple Music — це рідкісні або унікальні запити, які старі інструменти відповідності ключових слів обробляють погано.
• Apple тонко налаштовувала існуючу багатомовну основу штучного інтелекту під назвою GTE-multilingual-base, а не будувала її з нуля.
• Apple ML Research опублікувала технічні деталі, що свідчить про те, що цей підхід може вплинути на те, як інші потокові платформи обробляють пошук.

Якщо ви введете «Bohemian Rapsody» у Apple Music, ви, мабуть, все одно шукаєте Queen. Якщо ви введете це мішаниною арабських і англійських букв або фонетичним написанням пісні індійського кіно, яку ви напівпам'ятаєте, до недавнього часу ви, ймовірно, не отримали б нічого корисного.

Тепер Apple опублікувала деталі системи штучного інтелекту, розробленої для вирішення саме цієї проблеми у величезному масштабі. Apple Music працює більш ніж у 150 країнах, додає сотні тисяч треків щодня і обслуговує слухачів, які шукають контент десятками мов. Абсолютна більшість цих пошуків — це рідкісні або унікальні запити, а це означає, що стандартне відповідність ключових слів, яка шукає точне або майже точне збігання слів, залишає багатьох слухачів без результатів.

Рішення — це система семантичного пошуку. Семантичний пошук означає, що пошукова система намагається розуміти значення або намір, що стоїть за запитом, а не просто літери, які були введені. Подумайте про це як про різницю між бібліотекарем, який шукає лише точну назву, яку ви назвали, і тим, хто запитує, про що книга, і в будь-якому випадку знаходить три хороші варіанти.

Модель штучного інтелекту, яка це підживлює, складається з 305 мільйонів параметрів. Параметри — це внутрішні числа, які модель штучного інтелекту коригує під час навчання; більше їх, як правило, означає, що модель може обробляти складніші закономірності. Apple не будувала це з нуля. Вона точно налаштовувала, а це означає, що вона взяла існуючу багатомовну модель під назвою GTE-multilingual-base і продовжила навчання на конкретних проблемах пошуку Apple Music. Тонке налаштування швидше та дешевше, ніж починати з нуля, і зазвичай дає хороші результати, коли вже існує міцна база загального призначення.

Процес навчання використовував так звану методику розкладу навчальної програми, де модель спочатку вивчає простіші приклади перед тим, як розбиратися у складніших, брудніших запитах, так само, як студент повторює основи перед іспитом.

Що це насправді змінює для слухачів?

Для більшості людей видимих змін немає. Ви все ще вводите у рядок пошуку. Те, що змінюється, — це успішність пошуків, які раніше не дали результатів, особливо пошуків з опечатками, транслітерованими словами (звуки іноземної мови, написані латинськими літерами) або запитами, які змішують мови в одній фразі. Apple говорить, що ці «хвостові запити» складають більшість унікальних пошуків, які платформа отримує.

Чистими словами: якщо ви коли-небудь шукали трек за звучанням, а не за правильним написанням, або шукали рідною мовою на англомовному інтерфейсі, ця система спрямована на вас.

Apple ML Research опублікувала технічний документ, що є незвичайним для Apple і сигналізує, що компанія комфортно себе почуває, розглядаючись серйозною установою дослідження штучного інтелекту поряд з своєю ідентичністю продукту. Деталі були достатньо конкретними, щоб інші потокові сервіси та інженери пошуку майже напевно вивчили цей підхід.

Apple не повідомила, коли система запустилася, і не оприлюднила цифри точності, орієнтовані на користувача, для широкої публіки.