📨 🏳️‍🌈 🚀 कैसे एक पूर्व Google इंजीनियर नए रेस्तरां खोज प्रौद्योगिकियों को विकसित करता है ⛺️ 🛀🏿 🤦🏽

हमारे ब्लॉग में, हमने बात की कि कैसे रेस्तरां विशेष प्रणालियों (उदाहरण के लिए, जोवी ) का उपयोग करके अपने काम को स्वचालित करते हैं, सही प्रकाश और ध्वनि के साथ आगंतुकों के आराम का ख्याल रखते हैं, और औसत बिल और टिप के आकार को बढ़ाने के लिए विभिन्न तरीकों का भी उपयोग करते हैं ।

इसके अलावा, हमने रेस्तरां उद्योग के तकनीकी रुझानों पर ध्यान दिया । हाल ही में, वायर्ड ने एक पूर्व Google इंजीनियर, फ्रांसेस हौगेन की कहानी प्रकाशित की , जो वर्तमान में येल्लो ऑनलाइन सेवा में रेस्तरां खोज तकनीक विकसित कर रहा है। हम आपके ध्यान में इस सामग्री के मुख्य बिंदुओं को लाते हैं।

फ्रांसिस हौगेन 1996 में Google उपयोगकर्ताओं की पहली लहर के थे। आयोवा विश्वविद्यालय में एक शिक्षक की उसकी मां ने उसे इस खोज इंजन से परिचित कराया, जो उस समय स्टैनफोर्ड विश्वविद्यालय में एक परियोजना थी। लैरी पेज और सर्गेई ब्रिन के निर्माण से हौगेन को झटका लगा। वे कहती हैं, '' मैं इस विचार से बहुत प्रभावित हुई हूं कि आप इतनी बड़ी मात्रा में डेटा देख सकते हैं। ''

तब से, Haugen खोज तकनीक के अध्ययन के प्रति जुनूनी हो गया है। कॉलेज के बाद, उसने Google में नौकरी प्राप्त की और कई वर्षों तक वहाँ काम किया, पहले एक इंजीनियर के रूप में और फिर एक उत्पाद प्रबंधक के रूप में। अब वह येल्प में काम करती है। यह आपको लग सकता है कि यह व्यापक समीक्षा सेवा एक खोज कंपनी नहीं है, लेकिन वास्तव में यह खोज है जो येल्प के व्यवसाय के मूल में है। आखिरकार, आपको न केवल अपने आस-पास के सर्वश्रेष्ठ रेस्तरां की रेटिंग की आवश्यकता होती है - आपको एक अच्छे दृश्य वाले रेस्तरां की आवश्यकता होती है। शायद आप एक ऐसी संस्था की तलाश कर रहे हैं जहाँ आप एक पालतू जानवर, या जन्मदिन मनाने के लिए जगह ले सकते हैं - या शायद ये सभी स्थितियाँ एक साथ।

लेकिन किसी भी संस्थान के बारे में उपयोगकर्ताओं द्वारा लिखी गई समीक्षाओं और समीक्षाओं में आवश्यक विवरण शामिल नहीं हो सकते हैं। अधिकांश उपयोगी जानकारी शायद उन लाखों तस्वीरों में निहित है, जिन्हें उन्होंने अपलोड किया था। इसलिए, उदाहरण के लिए, एक कुत्ते की छवि जो मैनहट्टन क्षितिज की पृष्ठभूमि के खिलाफ उत्सव की मोमबत्तियों से सजाए गए मुकुट के साथ खुद को फिर से पाती है, आपको बताएगी कि रेस्तरां आपकी आवश्यकताओं को पूरा करता है। हालांकि, अन्य, कम तुच्छ उदाहरण हैं जो इस तरह की तकनीक की आवश्यकता को साबित करते हैं।

"मेरे पड़ोसी की पत्नी व्हीलचेयर तक ही सीमित है," हौगेन का कहना है। "इसलिए, उन्हें यह पता लगाने के लिए सैकड़ों तस्वीरों को देखना पड़ा कि क्या सुविधा विकलांग मेहमानों के लिए बुनियादी सुविधाओं से लैस है।"

यदि येल्प कंप्यूटर तस्वीरों में व्हीलचेयर को पहचान सकते हैं, तो सेवा सबसे सुविधाजनक विकल्प चुनकर अधिक सूचित प्रस्ताव बना सकती है। हालांकि, येल्प की खोज तकनीक अभी भी उस स्तर से दूर है। तस्वीरों में जो दिखाया गया है उसे पहचानने के लिए कंप्यूटर को सिखाना सबसे मुश्किल काम है। लेकिन हौगेन और उनकी टीम ने एक छवि मान्यता प्रणाली की नींव रखना शुरू किया जो खोज तकनीक को मौलिक रूप से बदल सकती थी।

सर्वश्रेष्ठ की तलाश में

सबसे पहले, पहली येल्प छवि मान्यता परियोजना खोज पर आधारित नहीं है, लेकिन विभिन्न संस्थानों में ली गई सर्वश्रेष्ठ तस्वीरों के चयन पर है। हर बार जब आप येल्प में जाते हैं, तो आप पृष्ठ के शीर्ष पर कई छवियां देखते हैं, और यह ऐसी छवियां हैं जो कंपनी की अपनी छाप को समग्र रूप से बनाती हैं। Haugen और उनकी टीम सबसे अच्छी तस्वीरों के लिए एक स्वचालित चयन प्रणाली बनाने पर काम कर रही है ताकि जब आप उस साइट को ब्राउज़ करें तो आप सबसे अच्छे ऑफ़र देखें।

"हम यह पता लगाने की कोशिश कर रहे हैं कि सबसे अच्छी तस्वीरें कैसे चुननी हैं जो उपयोगकर्ताओं को मौका देंगी," वह कहती हैं। "एक फोटो खोजें जो आपको नए हेयरड्रेसर के पास जाने के लिए मनाए, एक शादी या एक रेस्तरां के लिए एक स्थान चुनें जहाँ आप एक दोस्त का जन्मदिन मना सकते हैं।"

इसका मतलब है कि येल्प को एक धुँधली "शराबी" सेल्फी से एक स्वादिष्ट स्टेक की एक तस्वीर को अलग करना सीखना चाहिए। ऐसा लगता है कि सबसे आसान तरीका छवियों के लिए कैप्शन को आधार के रूप में लेना है, लेकिन अक्सर उपयोगकर्ता बस "भयानक" जैसा कुछ लिखते हैं, या यहां तक कि तस्वीरों पर हस्ताक्षर नहीं करते हैं।

येल्प एक अलग रास्ता ले सकता है और तस्वीरों के लिए उपयोगकर्ता रेटिंग पर भरोसा कर सकता है। लेकिन इस मामले में, रैंकिंग में तीन सर्वश्रेष्ठ तस्वीरें हमेशा विविधता में भिन्न नहीं होंगी। जब आप जिम बॉब के रेस्तरां पृष्ठ पर जाते हैं, तो आप शायद स्टेक की तीन तस्वीरें नहीं देखना चाहेंगे, भले ही ये तस्वीरें बहुत अच्छी गुणवत्ता की हों। आपको प्रवेश द्वार के सामने असामान्य हस्ताक्षर व्यंजन या एक यांत्रिक बैल देखने में रुचि होगी। यदि केवल येल्प उन लोगों को काम पर नहीं रखने जा रहा है जो फ़ोटो को देखेंगे और सॉर्ट करेंगे, तो आपको इन तस्वीरों में जो दिखाया गया है उसे पहचानने के लिए कंप्यूटर को सिखाना होगा।

ध्यान लगा के पढ़ना या सीखना

बेशक, न केवल येल्प ने इस समस्या का सामना किया। Google और फेसबुक - कानून प्रवर्तन और जासूसी एजेंसियों का उल्लेख नहीं करने के लिए - कई वर्षों से चेहरा पहचान तकनीक पर काम कर रहे हैं। ऑर्बिटल इनसाइट नामक एक स्टार्टअप ने अंतरिक्ष से ली गई तस्वीरों का विश्लेषण करते हुए तेल भंडार और अवैध वनों की कटाई की मात्रा को ट्रैक किया । Google ने पिछले साल जेटपैक ट्रैवल स्टार्टअप का अधिग्रहण किया था, जो गाइड और नक्शे के विकास में माहिर हैं। जेटपैक, येल्प की तरह, यह निर्धारित करने के लिए छवियों का विश्लेषण करने के विचार के साथ आया कि कौन से बार और रेस्तरां, कहते हैं, कुत्तों की अनुमति है। इनमें से लगभग सभी परियोजनाएं कृत्रिम बुद्धिमत्ता से संबंधित हैं, या बल्कि, इसकी दिशा में, तथाकथित " गहन शिक्षा " से संबंधित हैं। डीप लर्निंग मानव मस्तिष्क के अनुकरण पर आधारित मशीन लर्निंग का एक प्रकार है।

हाल के वर्षों में, गहरी सीखने में बड़ी प्रौद्योगिकी कंपनियों की रुचि काफी बढ़ गई है। Google और फेसबुक ने इस क्षेत्र में अग्रणी विशेषज्ञों को काम पर रखा है, साथ ही आंतरिक अनुसंधान जारी रखने के लिए कई स्टार्टअप का अधिग्रहण किया है। इस बीच, Microsoft ने एक साथ अनुवाद सेवा बनाने के लिए मशीन लर्निंग की ओर रुख किया।Skype अनुवाद । लेकिन चूंकि तकनीकी दिग्गजों का कृत्रिम बुद्धिमत्ता पर एकाधिकार नहीं है, इसलिए येल्प जैसी कंपनियां भी अपने लाभ के लिए शोध परिणामों का उपयोग कर सकती हैं।

इस प्रणाली को लॉन्च करने के लिए, येल्प विकास टीम ने तंत्रिका नेटवर्क बनाने के लिए कैफ़े ओपन सोर्स लाइब्रेरी का उपयोग किया - सॉफ्टवेयर जो मानव मस्तिष्क में न्यूरॉन्स के बीच कनेक्शन का एक एनालॉग है - काम पर निर्माणगहन शिक्षा के क्षेत्र में अग्रणी विशेषज्ञ। लेकिन सॉफ़्टवेयर स्वयं इस कार्य को नहीं कर सकता है। किसी वस्तु को पहचानने के लिए - यह एक बिल्ली, या एक कप केक, या एक कार हो - एक एल्गोरिथ्म की आवश्यकता होती है जो किसी व्यक्ति द्वारा संकलित की जाती है। यह अंत करने के लिए, येल्प ने क्राउडफ्लॉवर वेबसाइट ब्राउज़ करने और बड़ी संख्या में फ़ोटो को वर्गीकृत करने में मदद करने के लिए लोगों को काम पर रखा है ।

प्रारंभ में, मशीन सीखने के प्रयासों ने रेस्तरां से फ़ोटो को चार श्रेणियों में वर्गीकृत करने पर ध्यान केंद्रित किया: भोजन, मेनू, रेस्तरां देखो और इंटीरियर। लेकिन हौगेन को उम्मीद है कि इस प्रक्रिया के दौरान प्राप्त सभी डेटा येल्प की कार्यक्षमता को विकसित करने में उपयोगी होंगे। इस बीच, वह यह पता लगाने की कोशिश कर रही है कि कौन सी तस्वीरें सबसे अधिक दृश्य प्राप्त कर रही हैं। उदाहरण के लिए, लोगों को रेखीयता पसंद है, जब तस्वीर एक पंक्ति में तीन कप कॉफी दिखाती है। मुस्कान हमेशा ध्यान आकर्षित करती है, जैसे नीला। लेकिन अधिक बार नहीं, लोग कम कोण पर खींची गई तस्वीरों को देखते हैं। "यदि आप अपने रात के खाने की तस्वीर लेना चाहते हैं," हौगेन बताते हैं, "आपको कैमरे को मेज के स्तर तक कम करना चाहिए।"

कैसे एक पूर्व Google इंजीनियर नए रेस्तरां खोज प्रौद्योगिकियों को विकसित करता है

सर्वश्रेष्ठ की तलाश में

ध्यान लगा के पढ़ना या सीखना

More articles: