November 13, 2020

নতুন এআই-চালিত আবিষ্কারের অভিজ্ঞতা - ফিডি ব্লগ

নতুন এআই-চালিত আবিষ্কারের অভিজ্ঞতা - ফিডি ব্লগ

আমরা ওয়েবকে ভালবাসি কারণ এটি একটি উন্মুক্ত এবং বিতরণ করা নেটওয়ার্ক যা প্রত্যেককে তাদের কাছে যা গুরুত্বপূর্ণ তা প্রকাশ এবং অনুসরণ করার জন্য স্বাধীনতা এবং নিয়ন্ত্রণ সরবরাহ করে।

আমরা ওয়েবকেও ভালবাসি কারণ এটি নতুন প্রজন্মের কন্টেন্ট স্রষ্টাদের (বেন থম্পসন, ব্রুস স্নিয়েয়ার, টিনা আইজেনবার্গ, শেঠ গডিন, মারিয়া পপোভা ইত্যাদি) সক্ষম করেছে। এই স্বাধীন চিন্তাবিদরা ধারাবাহিকভাবে জ্ঞাত প্রান্তটি অন্বেষণ করেন এবং অন্তর্দৃষ্টি এবং অনুপ্রেরণামূলক ধারণাগুলি তাদের সম্প্রদায়ের সাথে ভাগ করেন।

ফিডলির শুরু থেকেই আমাদের বিষয়গুলির জন্য গুরুত্বপূর্ণ উত্সগুলির জন্য সর্বোত্তম উত্সের সাথে লোককে সংযোগ দেওয়া আমাদের মিশনের মূল বিষয়।

তবে আবিষ্কার একটি কঠিন সমস্যা। ওয়েব জৈব, বিশ্ব সম্প্রদায়ের পরিবর্তিত চাহিদা এবং অগ্রাধিকারগুলির প্রতিচ্ছবি। কয়েক হাজার বিষয় জুড়ে কয়েক মিলিয়ন উত্স রয়েছে এবং এটি আমাদের মনকে খাওয়ানোর ক্ষেত্রে আমাদের সবার আলাদা আলাদা ক্ষুধা থাকে।

প্রায় বারো মাস আগে, আমরা গভীর শিখন এবং প্রাকৃতিক ভাষা প্রক্রিয়াকরণের সর্বশেষ অগ্রগতি আমাদের এই বাদামকে ফাটতে সহায়তা করতে পারে কিনা তা দেখার জন্য একটি মেশিন লার্নিং টিম তৈরি করেছি।

আজ, আমরা আপনাকে ফিডলি ল্যাব অ্যাপ্লিকেশন (অভিজ্ঞতা 06) এ নতুন আবিষ্কারের অভিজ্ঞতা প্রকাশের সাথে সেই কাজের ফলাফলের পূর্বরূপ জানাতে আগ্রহী।

দুই হাজার বিষয়

প্রথম আবিষ্কারের চ্যালেঞ্জ হ’ল বিষয়গুলির একটি শ্রুতিশৃঙ্খলা তৈরি করা।

আপনি ফিডিকে লোক, বিষয় এবং উত্সগুলির সমৃদ্ধ গ্রাফ হিসাবে ভাবতে পারেন। সঠিক শ্রমশক্তি তৈরি করতে, আমরা ফিডির সমস্ত উত্সের কাঁচা ডেটা দিয়ে শুরু করি। আমাদের ডেটাটিকে বিষয়বস্তুর শ্রেণিবিন্যাসে পরিষ্কার, সমৃদ্ধ করতে এবং সংগঠিত করার জন্য একটি মডেল তৈরি করতে হয়েছিল। এর পিছনে ডেটা সায়েন্স সম্পর্কে আরও জানুন।

ফলাফলটি দুই হাজার ইংরেজি বিষয়ের একটি সমৃদ্ধ, আন্তঃসংযুক্ত নেটওয়ার্ক। লোকেরা ওয়েবে কীভাবে অন্বেষণ করতে এবং পড়তে পারে তার সাথে এটি ম্যাপ করা হয়েছে।

কিছু বিষয় বিস্তৃত: প্রযুক্তি, সুরক্ষা, নকশা, বিপণন। কিছু খুব কুলুঙ্গি: বর্ধিত বাস্তবতা, ম্যালওয়্যার, টাইপোগ্রাফি, বা এসইও।

আবিষ্কারের হোমপেজে, আমরা জনপ্রিয় শিল্প, প্রবণতা, দক্ষতা বা আবেগের ভিত্তিতে ত্রিশটি বিষয় প্রদর্শন করি show আপনি অনুসন্ধান বাক্সের মাধ্যমে ফিডিতে সমস্ত বিষয় অ্যাক্সেস করতে পারেন।

পঞ্চাশটি সবচেয়ে আকর্ষণীয় উত্স

দ্বিতীয় আবিষ্কারের চ্যালেঞ্জটি হ’ল পঞ্চাশটি আকর্ষণীয় উত্স খুঁজে পাওয়া যেকোনও বিষয় নিয়ে গবেষণা করছেন তা অনুসরণ করতে চান want

উত্সগুলি র‌্যাঙ্কিং শক্ত কারণ সমস্ত উত্স সমান নয়। প্রযুক্তির উদাহরণ হিসাবে, আপনার কাছে দ্য ভার্জ বা টেকক্রাঞ্চের মতো মূলধারার প্রকাশনা রয়েছে, বেন থম্পসনের মতো বিশেষজ্ঞ ভয়েসেস এবং প্রচুর পরিমাণে বি-তালিকার শোরগোল রয়েছে যা খুব বেশি মূল্য দেয় না।

এছাড়াও, ভার্চুয়াল বাস্তবতার মতো কুলুঙ্গি বিষয়গুলির জন্য, কিছু উত্স ভিআর-এর সাথে সুনির্দিষ্ট হয় আবার অন্যরা সম্পর্কিত বিভিন্ন বিষয় অন্তর্ভুক্ত করে।

এই চ্যালেঞ্জটি সমাধান করার জন্য, আমরা একটি মডেল তৈরি করেছি যা তিনটি পৃথক লেন্সের মাধ্যমে উত্সগুলিকে দেখে:

  • অনুসরণকারী গণনা
  • প্রাসঙ্গিকতা (প্রদত্ত বিষয়ের উত্সটি কীভাবে কেন্দ্রীভূত)
  • বাগদান (মান এবং মনোযোগের জন্য প্রক্সি)

ফলাফলটি নতুন অনুসন্ধান ফলাফল কার্ড। আপনি প্রদত্ত বিষয়ের জন্য পঞ্চাশটি আকর্ষণীয় উত্স অন্বেষণ করতে পারেন এবং আপনার পক্ষে সবচেয়ে গুরুত্বপূর্ণ লেন্সগুলি ব্যবহার করে সেগুলি সাজান।

আশেপাশে

নতুন টপিক মডেলটির একটি সুবিধা হ’ল 2,000 টি বিষয় একটি শ্রেণিবিন্যাসে সংগঠিত হয়। এটি আপনার জন্য জুম বাড়িয়ে বা আউট করতে এবং ওয়েবে বিভিন্ন বিভিন্ন পাড়া অন্বেষণ করা সহজ করে তোলে।

উদাহরণস্বরূপ, সাইবারসিকিউরিটি বিষয় থেকে আপনি সম্পর্কিত বিষয়গুলির তালিকায় ঝাঁপিয়ে পড়তে পারেন যা আপনাকে ম্যালওয়্যার, ফরেনসিক বা গোপনীয়তার আরও গভীরভাবে আবিষ্কার করতে দেয়।

আরেকটা জিনিস…

লোকেরা কীভাবে নতুন উত্স আবিষ্কার করে তা বুঝতে আমরা গত চার বছরে প্রচুর গবেষণা করেছি। একটি অন্তর্দৃষ্টি আমরা শিখেছি হ’ল লোকেরা প্রায়শই নির্দিষ্ট উত্স সহ-পাঠ করে। উদাহরণস্বরূপ, আপনি যদি শিল্প, নকশা এবং পপ সংস্কৃতিতে আগ্রহী হন এবং আপনি ফুবিজকে অনুসরণ করেন তবে আপনি ডিজাইনবূমকেও অনুসরণ করার উচ্চ সম্ভাবনা রয়েছে।

এই বিষয়টি মাথায় রেখে আমরা এমন একটি মডেল তৈরি করতে কিছু সময় ব্যয় করেছি যা উত্সগুলি প্রায়শই সহপাঠ্য হয় তা শিখে। ধারণাটি হ’ল কোনও ব্যবহারকারী এমন একটি উত্স প্রবেশ করতে পারে যা তারা পছন্দ করে এবং অন্য কোনও উত্স আবিষ্কার করতে পারে যার সাথে তারা জুড়ি দিতে পারে।

পল এখানে প্রকাশিত নিবন্ধের মাধ্যমে এই অভিজ্ঞতাটি শক্তিশালী করার জন্য আপনি মেশিন লার্নিং মডেল (আমরা একে ফিড 2vec বলি) সম্পর্কে আরও শিখতে পারি।

একজন ব্যবহারকারী হিসাবে আপনি যে উত্সটি পড়তে পছন্দ করেন তার অনুসন্ধান পৃষ্ঠাতে অনুসন্ধান করে এই বৈশিষ্ট্যটি অ্যাক্সেস করতে পারবেন। ফলাফলটি উত্সগুলির একটি তালিকা হতে পারে যা প্রায়শই উত্সটির সাথে সহপাঠ্য হয়।

ধন্যবাদ!

আমি এই প্রকল্পটি শূন্য থেকে একের দিকে নিয়ে যাওয়ার জন্য তারা যে দুর্দান্ত গবেষণা কাজ করেছেন তার জন্য পল, মিশেল, ম্যাথিউ এবং আইমেরিককে ধন্যবাদ জানাতে চাই। যে সমস্ত লোকেরা আবিষ্কারকে মোকাবেলা করার চেষ্টা করেছেন তারা জানেন যে এটি একটি খুব কঠিন চ্যালেঞ্জ এবং এই প্রকল্পের ফলাফলগুলি অত্যন্ত চিত্তাকর্ষক।

উত্সটি পরীক্ষার যুদ্ধে অংশ নেওয়ার জন্য আমরা সম্প্রদায়কে ধন্যবাদ জানাতে চাই। উত্স র‌্যাঙ্কিংয়ের মডেল কীভাবে করা যায় তা শিখতে আমাদের সহায়তা করার জন্য আপনার ইনপুটটি মূল বিষয় ছিল। আমরা আবিষ্কারে বিনিয়োগ চালিয়ে যেতে যাচ্ছি এবং আমরা আপনার সাথে সহযোগিতা অব্যাহত রাখার প্রত্যাশায় রয়েছি।

আমরা এই নিবন্ধটির পূর্ববর্তী সংস্করণটি পর্যালোচনা করার জন্য ল্যাব থেকে ড্যান নিউম্যান, ডারন ব্রুউড, এনরিকো, জো, লিয়র, পল অ্যাডামস, রায়ান মারফি এবং জোসেফ থর্নলিকেও ধন্যবাদ জানাতে চাই।