خوارزمية ذكاء إصطناعي من Google تتعلم كيفية حجز رحلات الطيران على الويب

8

ربما سمعت أن تكنولوجيا التعلم الآلي تمكنت من التغلب على أعظم لاعبي العالم في لعبة Go القديمة. ولكن هل يمكنها حجز رحلة على الويب؟ هذا هو الإحتمال المثير للإهتمام الذي أثاره أحدث الأبحاث التي أجرتها شركة Google.

في ورقة جديدة من الفريق, قاموا بتدريب شبكة عصبية لفهم بنية صفحات الويب والخيارات التي يمكن أن تقوم بها عند ملء النماذج في أحد مكاتب حجز تذاكر الطيران, أو التفاعل مع مواقع التواصل الاجتماعي.

يوظف هذا العمل على نطاق واسع نفس فئة التعلم الآلي مثل برنامج AlphaZero الحائز على الجوائز من Google, والمعروف باسم “التعلم التعزيزي”. حيث تقوم الشبكة العصبية بتطوير إستراتيجيات الخطوات التي يجب إتخاذها في كل مرحلة لحل المشكلة حيث أنها تحصل على مكافآت عند الحصول على خيارات جيدة.

وحدد الباحثون طريقة لتدريب الشبكة العصبية دون إعطاء أمثلة بشرية لكيفية التنقل في نموذج الحجز عبر الإنترنت. هذا النهج يجعل مهمة تعلم صفحات الويب وشبكات التواصل الإجتماعي أكثر قابلية للتوسع حيث يمكن أن تصل إلى عشرات الملايين.

لا يقتضي الأمر بالضرورة على حجز رحلة طيران. إنه أكثر تمرينًا على كيفية إيجاد الشبكة العصبية حلولًا لمشكلة ذات متغيرات عديدة, حيث يكون التوجيه البشري أو “الإشراف” في التدريب غير قابل للتطبيق.

نشرت ورقة البحث “Learning To Navigate The Web” في 21 ديسمبر من تأليف  Izzeddin Gur, Ulrich Rueckert, Aleksandra Faust, Dilek Hakkani-Tur بالتعاون مع Google .

هذا أكثر من مجرد برنامج لتصفح الويب. يصف المؤلفان المشكلة بأنها مستعصية على الحل عند “التعلم من مجموعة كبيرة من التعليمات” التي يمكن أن تشمل حقول نموذج ويب يجب ملؤه, وقوائم طويلة من الأشياء في نوع الأختيار من القائمة الذي قد يواجهه الشخص على موقع حجز رحلة.

“على سبيل المثال, في بيئة حجز الرحلات, يمكن أن يزداد عدد التعليمات / المهام المحتملة إلى أكثر من 14 مليونًا, مع أكثر من 1700 كلمة من المفردات وحوالي 100 عنصر من عناصر الويب في كل مرحلة.”

لكن الباحثين في Google لم يتمكنوا من إستخدام المصطلحات البشرية, كما هو الحال في حالة World of Bits, لذا توصلوا إلى ما يؤكدونه على أنهما ” مساران معماريان جديدان للشبكة العصبية”.

الأول, “QWeb” هو عبارة عن شبكة Deep Q-Network يتم تحسينها عن طريق تقسيم صفحة الويب إلى مكافآت لكل خطوة في تمرين حجز السفر, مثل إدخال تاريخ الرحلة. هذا يميل إلى زيادة المكافآت التي تتلقاها الشبكة العصبية أثناء سيرها.

أما الثانية, المسماة “INET”, فهي عبارة عن شبكة أخرى عميقة تحصل على مكافآت لأنها تولد بشكل صحيح تعليمات لـ QWeb لمتابعة. إن مهمة INET هي فهم صفحة الويب, على شكل “نموذج كائن مستند”, أو “DOM”, والتوصل إلى الخطوات التي يجب على QWeb إتخاذها للإختيار في نموذج الويب, مثل اختيار رمز المطار من قائمة “الوجهات” في النموذج.

هناك العديد من التفاصيل الأخرى حيث حاول المؤلفون الأشياء بطريقة مختلفة قليلاً عن الأساليب السابقة. على سبيل المثال, استخدموا تقنية تسمى “تعلم المناهج”, لتتحويل المهام الكبيرة إلى عدة مهام أصغر, لمساعدة الشبكة العصبية من خلال الخطوات المتعددة لنموذج الويب.

كما استخدموا ما يعرف بإسم (Shallow Encoding) لتعزيز فهم الشبكة العصبية لصفحة الويب. وبهذه الطريقة, لا ترى قائمة واسعة من أسماء المطارات فحسب, بل تكتسب أيضًا بعض الإحساس ببنية صفحة الويب التي تعمل عليها.

في تحدي حجز رحلة, ساعدت التطبيقات الصغيرة, مثل تقرير (Shallow Encoding) , الشبكة العصبية على تحقيق النجاح في كل مرة. من دون هذه الحيل الصغيرة, لاحظوا أن شبكتهم تصرفت بطريقة تبدو وكأنها تمل من تصفح الويب: “يبدأ QWeb بالضغط على زر الإرسال في الخطوة الأولى للحصول على أقل مكافأة سلبية.” يبدو تماما مثل تجربة بشرية فعلية لحجز رحلة عبر الإنترنت.

يكتب المؤلفون أنهم يخططون في العمل المستقبلي لإختبار شبكتهم في بيئات أكثر تعقيدًا مع المزيد من الخطوات.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه

https://www.zdnet.com/article/forget-go-google-helps-ai-learn-to-book-flights-on-the-web/

تعليقات