Google Now چگونه کار می‌کند؟

این مطلب یکی از مجموعه مقالات پرونده ویژه «کاربردهای هوش مصنوعی در زندگی روزمره» است. برای دریافت کل پرونده ویژه اینجا  کلیک کنید.

Google Now چیست؟
اگر با Google Now آشنا نیستید، باید بدانید دستیار مجازی گوگل شبیه به سیری اپل و کورتانای مایکروسافت کار می‌کند. این دستیار شخصی از طیف گسترده‌ای از فرمان‌ها و پرسش‌ها پشتیبانی می‌کند. به‌طور مثال، امروز هوا چطور است؟ نام هفتمین کوتوله چه بود؟ نزدیک به یک ماه پیش گوگل اعلام کرد، ویژگی جدید دیگری را به Google Now خواهد افزود. این ویژگی جدید Now On Tap نام دارد و قرار است در نسخه بعدی سیستم‌عامل گوگل قرار گیرد. ویژگی جدید به گوگل این توانایی را می‌دهد تا محتوای پرسش‌هایی را که از او می‌شود، درک کند. گوگل در تلاش است با استفاده از این ویژگی جدید به پیش‌بینی فعالیت‌های کاربر بپردازد تا اطلاعات بهتری را ارائه کند. ویژگی On Tap پاسخ گوگل به مایکروسافت است. مایکروسافت نزدیک به یک ماه پیش نسخه آزمایشی کورتانا ویژه سیستم‌عامل آندرویید را منتشر ساخت. 

Google Now در عمل چگونه کار می‌کند؟
Google Now برای آن‌که بتواند به‌درستی کار کند، نیازمند دسترسی به اطلاعات شخصی کاربران است. ادغام شدن با جی‌میل نخستین نیاز Google Now است. با مجوزی که شما به گوگل می‌دهید، سرویس جی‌میل نامه‌های درون صندوق پستی شما را می‌خواند و اقدام به تجزیه و تحلیل مطالب شما می‌کند. گوگل به بررسی صندوق پستی شما در ارتباط با اطلاعات مختلفی همچون پروازها، رزرو هتل‌ها، رزرو رستوران‌ها، رزرو بلیت مربوط به رویدادها و دنبال کردن ایمیل‌های دیگر می‌کند (شکل 1). گوگل با استفاده از دانش به دست آمده در زمان نیاز کارت مناسبی را در اختیار شما قرار می‌دهد. به‌طور مثال، وقتی در شهر مورد نظر خود قرار دارید، اطلاعات مربوط به هتل مورد نظر شما را در اختیارتان قرار می‌دهد. 

 شکل 1: Google Now توانایی رزرو رستوران، ارائه مسیرهای منتهی به محل کار و زمان باقی‌مانده تا محل کار را دارد. امروزه ارائه اطلاعات آب و هوایی دیگر یک امتیاز ویژه برای دستیاران شخصی نیست و یک ویژگی عادی تلقی می‌شود!

این ویژگی بخشی از تلاش‌های گوگل برای ارائه نتایج مربوط به دانشی است که از شما به دست آورده است. البته اسکات هافمن، مدیر مهندسی کیفیت جست‌وجوی گوگل، در این ‌باره می‌گوید: «گوگل قصد ندارد تنها به ارائه اطلاعاتی بپردازد که روی بستر وب وجود دارد. گوگل قصد دارد بداند پرواز من چه زمانی انجام می‌شود. آیا بسته پستی به دست من رسیده است. همسر من اکنون کجا است و چقدر تا رسیدن به خانه فاصله دارد و... البته گوگل می‌داند چگونه باید این اطلاعات را به دست آورد. به عبارت دیگر، سیستم‌های گوگل به‌طور هوشمندانه و مداوم به فهرست کردن هر گونه اطلاعاتی می‌پردازند که در ارتباط با فعالیت‌های یک کاربر است.»

مطلب پیشنهادی: ویدیوی مبارزه هیجان‌انگیز سه دستیار دیجیتال شخصی را تماشا کنید

البته گوگل این توانایی را در اختیار کاربران قرار داده است تا اطلاعات بیش‌تری را در اختیار گوگل قرار دهند. گوگل در نظر دارد از اطلاعات دریافت شده برای کمک به کاربر استفاده کند. البته برای این منظور باید به گوگل اعتماد کنید. گوگل امیدوار است پاداش این اعتماد شما را با ارائه سرویس‌های خوب جبران کند. با آمدن فصل پاییز ویژگی جدید دیگری به‌نام Now On Tap به‌طور رسمی در اختیار کاربران قرار می‌گیرد و به Google Now افزوده می‌شود. اما از منظر حریم خصوصی، ویژگی جدید به ‌گونه‌ای طراحی شده است که کاربر هر زمان احساس کرد به آن نیاز ندارد، آن ‌را خاموش کند. در آزمایشی که روی ویژگی Google Tap انجام گرفته است، یکی از کارمندان شرکت گوگل به مدت یک هفته محتوای دیجیتالی زندگی خود را به‌طور کامل در اختیار این شرکت قرار داد. به‌ طوری که به گوگل این مجوز را داد تا به تقویم و ایمیل‌هایی که در صندوق جی‌میل دارد دسترسی داشته باشد و همواره بداند این شخص در چه موقعیت‌های مکانی قرار دارد. بعد از گذشت یک هفته، گوگل درباره عادت‌های این کارمند مانند این‌که چه زمانی به سر کار می‌رود، چه زمانی فرزندانش را به مدرسه می‌برد و معمولاً در چه مکان‌هایی شام می‌خورد، اطلاعات لازم را به دست آورد. سپس، دستیار شخصی شروع به ارائه اطلاعات مفیدی به این کارمند کرد. به‌طور مثال، بسته به شرایط ترافیکی چه زمانی برای خارج شدن از خانه مناسب است، بهتر است زود خارج شود یا دیر. گوگل حتی به این شخص اعلام کرد، برای رسیدن به محل کارش بهتر است از چه مسیرهایی حرکت کند. موارد فوق تنها بخشی از ابتکارات گوگل برای ارائه اطلاعات مفید هستند.

این ویژگی به‌ گونه‌ای طراحی شده است که قبل از آن‌که کاربر درباره این اطلاعات سؤال کند، به آن‌ها پاسخ دهد. در سیستم‌عامل جدید بسیاری از ویژگی‌های Google Now مورد بازبینی و بهبود قرار گرفته‌اند، به ‌طوری که در نسخه جدید کاربران دیگر نگران از دست دادن ویژگی‌هایی که در دستیاران شخصی اپل یا مایکروسافت وجود دارد، نخواهند بود. Google Now همچنین در ارتباط با محتوا به‌ویژه زمانی‌ که مکان‌یابی نقطه‌ای روی دستگاه کاربر روشن باشد، عملکرد بسیار جالبی از خود نشان می‌دهد. بارزترین مثالی که در نسخه تجاری آندرویید می‌توان به آن اشاره کرد، در ارتباط با مکانی است که کاربر دوربین خود را روی یک اثر شناخته شده همچون برج ایفل قرار می‌دهد. در این حالت اگر از Google Now سؤال شود، ارتفاع این برج چقدر است، به شما پاسخ خواهد داد. اما این ویژگی چگونه کار می‌کند؟ برای پاسخ‌گویی به این پرسش، گوگل ابتدا مکانی را که در آن قرار دارید و مسیری که گوشی شما در حال اشاره کردن به آن است، به دست می‌آورد. سپس، این ‌طور استنباط می‌کند که شاید شما درباره برج ایفل مشغول صحبت کردن هستید. اما بر خلاف باور عموم، این ویژگی به‌طور مستقیم نمی‌داند به دنبال برج ایفل می‌گردد. این همان فرآیندی است که گوگل مشغول کار کردن روی آن است. اما کار بسیار بسیار مشکلی است که بتوانید به کامپیوتر یاد دهید به درک تصاویر و محتوای قرار گرفته در تصاویر بپردازد. پیاده‌سازی چنین ایده‌ای کار بسیار جالبی خواهد بود و کاربردهای عملی زیادی در آینده خواهد داشت. به‌طور مثال، فرض کنید در فرودگاه باشید. در این حالت، به‌جای آن‌که از مسئولان فرودگاه درباره مکان تحویل کیف‌ یا گیتی که باید به آن‌جا بروید سؤال کنید، می‌توانید این پرسش‌های ساده را از گوگل بپرسید. با دانستن مکانی که در آن قرار دارید، گوگل توانایی دسترسی به نقشه‌ها، نظرات و هر گونه اطلاعات آنلاینی را که به آن نیاز دارید، خواهد داشت. این ویژگی به‌ گونه‌ای طراحی شده است که توانایی دریافت دقیق‌ترین اطلاعات را از درون صفحات وب نیز داشته باشد. البته به شرط آن‌که توسعه‌دهندگان صفحات وب، یک‌پارچه‌سازی اطلاعات را درون صفحات خود انجام داده باشند. 

نقشه دانش گوگل چیست؟
نقشه دانش یکی از کاربردی‌ترین اختراعات گوگل به شمار می‌رود. نقشه دانش به‌طور مستقیم توسط Google Now مورد استفاده قرار می‌گیرد. ما در این بخش به‌طور مختصر و کوتاه نگاهی به نقشه دانش گوگل خواهیم داشت. بسیار اتفاق افتاده است عبارت یا کلمه‌ای را در کادر متنی جست‌وجوی گوگل وارد کرده و در سمت راست صفحه‌نمایش تصویر یا اطلاعاتی مرتبط با عبارت خود را مشاهده کرده‌اید. اطلاعاتی که در سمت راست صفحه‌نمایش آن ‌را مشاهده می‌کنید، خروجی پروژه نقشه دانش گوگل است (شکل 2).

 شکل 2: گوگل در سمت راست صفحه اقدام به ارائه توضیحات تکمیلی در ارتباط با محاوره وارد شده می‌کند.

امیلی موکسلی، مدیر ارشد پروژه نقشه دانش، در این‌ باره می‌گوید: «گوگل با استفاده از الگوریتم‌های ویژه و بانک ‌اطلاعاتی غنی که در اختیار دارد، در سریع‌ترین زمان ممکن نتایج حاصل از جست‌وجو را با کیفیت بالایی در اختیار کاربران قرار می‌دهد. در نقشه دانش، تمرکز گوگل به‌جای آن‌که روی انطباق کلمات و کلیدواژه‌ها قرار داشته باشد، بر شبیه‌سازی عناصر موجود در دنیای واقعی و همچنین روابط حاکم بر آن‌ها قرار دارد. همین موضوع باعث شده است تا خروجی نتایج به‌جای آن‌که ماشینی باشد، بر اساس منطق و ادارک قرار داشته باشد؛ نمونه‌ای عالی و عینی از پیاده‌سازی الگوریتم‌های هوش مصنوعی. به‌طور مثال، فرض کنید در گذشته نیازمند جست‌وجو درباره آهنگ‌سازی به‌نام لودویک فان بتهوون بودید. در بهترین حالت ممکن، گوگل صفحاتی را به شما نشان می‌داد که در آن‌‌ها کلمه مورد نظر در خود صفحه، عنوان صفحه یا در کلیدواژه‌های صفحه وجود داشت. در این حالت، لینک‌های مرتبط با نتایج پیدا شده در زیر کادر جست‌وجو به شما نشان داده می‌شد. اما با بهره‌گیری از پروژه نقشه دانش نه تنها صفحات مرتبط با این هنرمند به شما نشان داده می‌شود، بلکه مشخصات و بیوگرافی این هنرمند در سمت راست صفحه به نمایش درمی‌آیند. اما هدف از پیاده‌سازی نقشه دانش چیست؟ نقشه دانش پروژه‌ای است که با هدف الگوبرداری یا به عبارت دقیق‌تر ترسیم اشیای دنیای واقعی به ‌صورتی که برای کامپیوترها قابل فهم باشد، به اجرا درآمده است. این پروژه عمدتاً در رابطه با دریافت اشیا، فهمیدن آن‌ها و این‌که این اشیا اساساً چه هستند و در دنیای واقعی چه روابطی بین آن‌ها برقرار است، به مرحله اجرا درآمده است. به‌ طوری که پروژه نقشه دانش سعی دارد رابطه بین اشیا متفاوت را کشف کند. این موضوعی است که کامپیوترها باید آن ‌را درک کنند. این پروژه به‌‌طور مستمر توسط کارکنان گوگل مدیریت و بررسی می‌شود. Metaweb از مدت‌ها قبل به‌عنوان مخزنی از حقایق و موجودیت‌ها به فعالیت مشغول بوده است. کارمندان این شرکت تمرکز و توجه خود را بر فعالیت‌های مردم و چیزهایی که آن‌ها پیدا می‌کنند، معطوف ساخته بود. بعد از این‌که این شرکت توسط گوگل خریداری شد، تیم تحقیق و توسعه به علایق و اطلاعاتی که مردم در دنیای واقعی به آن‌ها توجه می‌کنند دست پیدا کرد. (این دقیقاً همان اطلاعاتی است که مایکروسافت در نظر دارد با استفاده از بینگ به آن‌ها دست پیدا کند و آن‌ها را در اختیار کورتانا قرار دهد.) با استفاده از این اطلاعات به‌ دست آمده تیم توسعه پروژه نقشه دانش توانست به شکل دقیق‌تری مسیر پیش رو را ترسیم کند (شکل 3).

 شکل 3: نمایی از نقشه دانش گوگل

اکنون گوگل می‌داند مردم درباره چه موضوعاتی جست‌وجو می‌کنند و زمانی‌ که درباره موضوعی در حال تحقیق هستند، به جست‌وجوی موازی موضوعات دیگر نیز می‌پردازند. با کنار هم قرار دادن و مقایسه این جست‌وجوها، گوگل اکنون می‌داند روابطی بین این پرس و جوها برقرار است. در نتیجه، گام بعدی نقشه دانش توضیح این روابط ناهمگون است. به‌طور مثال، چه دلیلی وجود دارد که یک فیلم باعث شود مردم به جست‌وجو درباره پنج فیلم دیگر بپردازند؟ 
گوگل امروزه مسیری را آدرس‌دهی می‌کند که آن‌ را پرس و جوهای مستقل ـ منفرد گذاشته است. امروزه زمانی ‌که از Google Now سؤال می‌کنید، بلندترین کوه‌های هندوستان چه نام دارند یا بزرگ‌ترین شهرها در ایالات متحده چه شهرهایی هستند، ماحصل محاوره‌های انجام شده روی فهرست‌ها و مجموعه‌ها متمرکز است. برای آگاه شدن از این موضوع گوگل نیازمند دریافت اطلاعاتی درباره شهرها و از همه مهم‌تر درک مفهوم «بزرگ‌ترین» است. بعد از درک این مفهوم نوبت به درک مفهوم کلماتی همچون مساحت و جمعیت است. بعد از آگاه شدن از ماهیت این کلمات، گوگل توانایی ارائه فهرست جامعی از نتایج را به دقیق‌ترین شکل ممکن به کاربر خواهد داد. اکنون Google Now این توانایی را دارد تا به جملاتی نظیر «من در حال جست‌وجو درباره  کنسرت‌هایی هستم که در 50 مایلی محل زندگی من برگزار می‌شوند» و همچنین «در زمان فراغت من چه روز‌هایی آب و هوا خوب است» پاسخ دهد. گوگل برای آن‌که بتواند به چنین محاوره‌هایی پاسخ دهد، نزدیک به سه سال زمان صرف کرده است. 

در ادامه، پاراگرافی را خواهید خواند که ماحصل تجربه عملی امیلی موکسلی در سال 2012 است. این تجربه عملی نزدیک به سه سال پیش برای او بسیار جالب و هیجان‌انگیز بود، اما امروزه به یک ویژگی عادی برای دستیاران شخصی تبدیل شده است. «جنبه‌های اکتشافی و پیش‌بینی‌ناپذیر همیشه مورد علاقه من بوده است. روزی به نتایج جست‌وجویی که در رابطه با سان‌فرانسیسکو انجام شده بود نگاه می‌کردم و یکی از موضوعاتی که توجه من را به خود جلب کرد، جزیره فرشته (Angel) بود. روی عبارت Angel Island کلیک کردم و دیدم بین پیشنهادات عبارت Ellis Island به چشم می‌خورد. حدس زدم مورد مشابهی باید بین این دو مکان وجود داشته باشد که Ellis Island در جست‌وجوها به چشم خورده است. وقتی بیش‌تر دقت کردم، دیدم یک ایستگاه مهاجرت هم در Angel Island و هم در جزیره Ellis وجود دارد. کنجکاو شدم که به آن‌جا بروم و این موضوع را خود به عینه مشاهده کنم. در کمال شگفتی و تعجب دیدم چطور نقشه دانش گوگل به‌درستی این پیشنهاد را ارائه کرده بود. (نقشه دانش به‌خوبی از عهده استنتاج برآمده و توانسته بود به لحاظ منطقی مورد مشابهی را بین نتایج کشف کند و اطلاع دهد.) اگر بتوانیم این موضوع و این رابطه‌ها را به‌درستی برای مردم برشماریم، به لحظه‌ای خواهیم رسید که همه مشتاق خواهند بود این تجربه را داشته باشند.» 
در نهایت، همان‌ گونه که مشاهده کردید، نمایش موفقیت‌آمیز نقشه دانش گوگل در سه سال پیش این روزها در دسترس عموم کاربران قرار دارد و همان ‌گونه که در ابتدای مقاله به مثال برج ایفل اشاره کردیم، Google Now بر پایه چنین فناوری‌های پیش‌رفته‌ای کار می‌کند. 

شبکه‌های عصبی
شبکه عصبی سیستمی کامپیوتری است که رفتاری شبیه به سلول‌های عصبی مغز انسان دارد. گوگل از شبکه منحصر به‌فردی استفاده می‌کند که توانایی شناسایی گربه‌ها در یک فیلم را دارد. گوگل از این فناوری در سرویس گفتار خود استفاده می‌کند. شبکه‌های عصبی گوگل به‌ گونه‌ای طراحی شده‌اند که بدون دخالت انسان توانایی تصمیم‌گیری دارند. این شبکه می‌داند به سراغ چه داده‌‌هایی برود و کدام الگوها، رنگ‌ها یا اشکال را مورد بررسی قرار دهد. گوگل در توصیف شبکه عصبی خود اعلام کرده است، این شبکه از سی لایه عمیق استفاده می‌کند. طراحی این شبکه به ‌گونه‌ای است که در سریع‌ترین زمان ممکن قادر به شناسایی پیچیده‌ترین اشکال است. اما این شبکه چگونه کار می‌کند؟ نخستین لایه عصبی به دنبال اشکال خیلی ساده‌ای شبیه به خطوط منحنی شکل یا رنگ‌ها می‌گردد.
اگر چنین الگوهایی را پیدا کرد، یک سیگنال تولید می‌کند. در ادامه، تمرکز دومین لایه عصبی روی مجموعه ساده‌ای از موضوعات است که در لایه نخست شناسایی شده‌اند. همچنان که بر تعدد لایه‌ها افزوده می‌شود، لایه‌ها رفتارهای مشابهی از خود نشان می‌دهند تا در نهایت به لایه انتزاعی برسند. در بالاترین لایه یک نورون آموزش‌دیده توانایی تشخیص شکل‌ها را خواهد داشت. 

در نقشه دانش، تمرکز گوگل به‌جای آن‌که روی انطباق کلمات و کلیدواژه‌ها قرار داشته باشد، بر شبیه‌سازی عناصر موجود در دنیای واقعی و همچنین روابط حاکم بر آن‌ها قرار دارد. همین موضوع باعث شده است تا خروجی نتایج به‌جای آن‌که ماشینی باشد، بر اساس منطق و ادارک قرار داشته باشد.

بازده این شبکه به‌ گونه‌ای بوده است که در 5.8 زمان‌ها موفق به شناسایی گربه‌های درون یک فیلم شده است. البته شبکه‌ عصبی طراحی شده کاربردهای بسیار گسترده‌ای دارد. به‌طور مثال، ابزار جست‌وجوی گوگل بدون آن‌که به محتوای یک عکس نیاز داشته باشد، می‌تواند آن‌ را شناسایی کند. خودران‌های گوگل یکی دیگر از مشتریان شبکه‌ عصبی خواهند بود که توانایی درک محیط پیرامون خود را خواهند داشت. ما در ابتدای این مقاله دو مورد عملی از کاربردهای این شبکه عصبی را در ارائه مسیرهای کوتاه و ارائه اطلاعاتی درباره برج ایفل به شما معرفی کردیم. Google Now تنها یکی از سرویس‌های گوگل است که از این فناوری استفاده می‌کند. 

Now On Tap چگونه کار می‌کند؟
حال که با Google Now و نقشه دانش گوگل آشنا شدید، بهتر است با شیوه کارکرد جدیدترین ویژگی Google Now که به احتمال زیاد در پاییز امسال آن ‌را تجربه خواهید کرد، آشنا شوید. اگر از یک دستگاه آندروییدی استفاده ‌کنید و در حالی که یک پیام، ایمیل یا برنامه باز روی صفحه دارید، دکمه Home را فشار دهید، در این لحظه Now Tap با استفاده از محتوا به پرسش شما پاسخ یا اطلاعاتی را در اختیارتان قرار می‌دهد. این ویژگی اقدام به اسکن متن روی صفحه و با استفاده از موتور جست‌وجوگر گوگل سعی می‌کند چیزی را که شما درباره آن فکر می‌کنید، ارائه دهد. در ادامه، این اطلاعات را به سوی شما بازمی‌گرداند و در قالب کارت‌هایی روی صفحه‌نمایش نشان می‌دهد. 
البته این احتمال وجود دارد که شما به دنبال موضوعات چندگانه‌ای باشید و تمایل داشته باشید درباره آن‌ها اطلاع کسب کنید، در نتیجه باید کارت‌های متعددی بکشید. به‌طور مثال، اگر در نظر دارید اطلاعاتی درباره تعطیلات در هاوایی به دست آورید، ممکن است یک کارت برای استراحت‌گاه‌های بزرگ، یک کارت برای اطلاعات پروازی و کارت‌های دیگری برای تمدید زمان پرستار بچه به شما نشان داده شود. اجازه دهید ببنیم همه این فرآیندها چگونه کار می‌کنند؟ بهتر است شیوه کار این مؤلفه را در قالب یک مثال بیان کنیم. 
من به همسرم می‌گویم پیامی را برای من ارسال کند تا بدانم برای شام به چه چیزی احتیاج دارد. یک فشار ساده دکمه Home در حالی‌ که متن پیام باز است، اقدام به ترجمه (تحلیل) متن و موادی که من به آن‌ها نیاز دارم، همراه با مسیر نزدیک‌ترین فروشگاه مواد غذایی ارائه می‌کند. 

شبکه‌های عصبی گوگل به‌ گونه‌ای طراحی شده‌اند که بدون دخالت انسان توانایی تصمیم‌گیری دارند. این شبکه می‌داند به سراغ چه داده‌‌هایی برود و کدام الگوها، رنگ‌ها یا اشکال را مورد بررسی قرار دهد. 

شبیه به چنین مثالی می‌تواند درباره پیام دوستم که درباره تماشای فیلمی در آخر هفته برای من پیامی ارسال کرده است نیز رخ دهد. فشار دکمه Home باعث می‌شود تا Now on Tap فعال شود و تریلرها، زمان فیلم‌ها، نقدهای انجام شده درباره فیلم‌ها و هر گونه اطلاعات وابسته به آن‌ را به من نشان دهد. بخش جالب این ویژگی در این است که گوگل این ویژگی را تنها زمانی روشن می‌کند که شما دکمه Home را فشار داده باشید. در نتیجه، گوگل به‌طور مداوم و ثابت اقدام به مشاهده و ارزیابی داده‌های وارد شده توسط کاربر نمی‌کند. همچنین، هیچ‌ یک از این اطلاعات توسط Now on Tap به سمت سرورهای گوگل ارسال نمی‌شود. 

منابع:

-http://www.quickanddirtytips.com/tech/tech-news/how-does-google-now-work
-http://www.theverge.com/2012/10/29/3569684/google-now-android-4-2-knowledge-graph-neural-networks
-http://insidesearch.blogspot.co.uk/2015/05/now-on-tap.html
-http://www.zdnet.com/article/before-google-now-on-tap-microsoft-opens-public-beta-of-cortana-for-android
-http://www.theverge.com/2015/5/28/8677147/google-now-on-tap-announced 
-http://readwrite.com/2012/07/26/how-google-organizes-the-world-qa-with-the-manager-of-knowledge-graph
-http://mashable.com/2012/02/13/google-knowledge-graph-change-search