imagazin arrow2-left arrow2-right arrow2-top arrow-up arrow-down arrow-left arrow-right cart close dossiers education fb instagram menu notification oander rss rss-footer search service shuffle speech-bubble star store stores tests twitter youtube

Elérhető az iOS 12!

Töltsd le és mondd el a véleményed!

A jövőben gépi tanulással okosodhat a Spotlight


Az egyik kedvenc produktivitást segítő funkcióm a macOS-ben egyértelműen a Spotlight. Már jelenlegi formájában is elég nagyfokú hatékonysággal használható, hát még ha az Apple beveti a most szabadalmaztatott eljárásait…

Amikor még csak ismerkedtem a Mac-kel és a macOS-szel az egyik első, „na ez kell nekem“ élményt a Spotlight váltotta ki. A mélyen integrált keresés, nem csak a fájlok, de a legkülönfélébb típusú dokumentumok között nagyban meg tudja növelni a produktivitást, főleg a kézreálló billentyűkombinációval elegyítve. Az olyan nyalánkságokról már nem is beszélve, mint a beépített matematikai műveletek, vagy a valutaátváltás.

Az egyetlen, ami néha zavarni szokott, hogy a találatok nem mindig abban a sorrendben jelennek meg, ahogy az számomra kényelmes lenne, elég merev a megjelenítési sorrend. Ha van ahol elférne egy kis gépi tanulás, az pont ez a terület. A Spotlight rátanulna a felhasználói szokásaimra, amik alapján mindig megpróbálná a legrelevánsabb találatokat felkínálni elsőként.

Valami nagyon hasonló szabadalmakra kapott most védelmet az Apple, rögtön kettőre is 2018012803 és 018121435 számon. Előbbi „kevert tanulási modellek a keresések támogatásához“, utóbbi „keresési találatok átcsoportosítása kevert tanulási modellek segítségével“ címen fut. A koncepció mindkét esetben nagyon hasonló.

Alapvetően egy online keresés valahogy így néz ki: a kliens megkapja a lekérdezést, ami továbbítódik a keresést végző szerverre. A szerver végigszalad az indexeken, amiket összevet a lekérdezéssel, majd összegyűjti a releváns találatokat. Ezek a találatok ezután visszavándorolnak a klienshez és vége is a történetnek. Opcionálisan nem csak online, hanem offline is végigfut a keresés, akkor értelemszerűen a lokális fájlok közt. Mindegyik találat kap egy prioritási értéket, amely megszabja, hogy milyen sorrendben jelenjenek meg a felsorolásnál.

Az Apple (és a felhasználók) problémája ezzel a rendszerrel, hogy az eredmények túlságosan uniformizáltak, nincs tér a személyre szabáshoz. Lehet, hogy az egyik találatnak alacsony a prioritási pontszáma, de a felhasználónak pont arra van szüksége, akkor az elégtelen keresési élményhez fog vezetni.

És itt jön képbe a „közösségi“ és egyénre szabott gépi tanulás hibridje. A felhasználók legtöbbször valamilyen módon interakcióba kerülnek a találatokkal (rákattintanak, továbbgörgetnek, belenéznek, hanyagolják). Ezek a reakciók pedig kiváló indikátorai annak, hogy mire van szükségük valójában a usereknek. Ha az Apple begyűjti ezeket az adatokat (nem kell feltétlen online, történhet akár lokálisan is), és ezek mentén alakítja ki a prioritási listákat, az lényegesen javíthat a keresési találatokon, főleg ha megspékelik az említett kevert osztályozó algoritmusokkal.

szabadalom

Természetesen, mint minden szabadalomnál, itt is érvényes az alapállás: az Apple kismillió technológiát védet le hétről-hétre, egyáltalán nem biztos, hogy mindegyik megvalósul. Ettől függetlenül érdekes néha bepillantást nyerni, milyen ötletek mozognak a vállalat fejében.

Forrás: AppleWorld.Today

Kifutó MacBook Pro modellek

Ezt már olvastad?

A Sirinek ez is az egyik baja, hogy mindenki a célközönség. Valószínűleg hatékonyabb lenne, ha először jól működő modulokat hoznának létre egy-egy funkcióra szabva.

Miért nem ismeri anyanyelvünket az Apple virtuális asszisztense? - Klikk ide!