![\"\"](\"http:\/\/www.maria-johnsen.com\/danskblog\/wp-content\/uploads\/2016\/06\/GOOGle-og-SEO.jpg\")
\nTilbage i 2006 var der nogle interesser i at gennemf\u00f8re kunstig intelligens i Googles s\u00f8gemaskine algoritme. Et par \u00e5r senere i 2014, blev GoogleBrain etableret efter erhvervelsen af DeepMind, et britisk kunstig intelligens selskab, der blev grundlagt i 2010. De arbejdede p\u00e5 hvordan man spiller videospil baseret p\u00e5 maskine l\u00e6ring og kunstige neurale netv\u00e6rk (Anns). Den smarte kunstige intelligens revolution kan genkende m\u00f8nstre i digitale repr\u00e6sentationer af lyde, billeder og data.<\/p>\n\n
Hvad er dyb l\u00e6ring? Det handler om iterativ algoritme, l\u00e6ring p\u00e5 forskellige niveauer af abstraktion, ikke-line\u00e6re transformationer og typiske neurale net.<\/p>\n
Iterativ algoritme er en enkel m\u00e5de at l\u00f8se et problem. Man kommer ikke til at forklare, hvordan iterative algoritmer fungerer da det h\u00f8re til emnet datastruktur og algoritme.<\/p>\n
Big data best\u00e5r af Internet, Meta data: tags, overs\u00e6ttelser, mekanisk Turk. Big Data for sig selv er ikke en nyttig ting. Det er et bundt af oplysninger, med mindre du anvender en metode til at g\u00f8re brug af det.<\/p>\n
Du kan ikke forst\u00e5 big data. Ingen af os ville g\u00e5 og l\u00e6se en telefonbog. Det er nyttel\u00f8st. Big data giver mening, hvis du g\u00f8r brug af det. Algoritmiske fremskridt er um\u00e6rkede data, uden opsyns omskoling, strukturen NN (har detektorer) og efterf\u00f8lgende lag af l\u00e6ring. I dag ser eftersp\u00f8rg folk m\u00e5der til at arbejde p\u00e5 um\u00e6rkede data.<\/p>\n
F\u00f8r var der 1 mia. synopser i GoogleBrain mens en voksen persons ‘hjerne har 100 billioner synopser og sp\u00e6dbarn har 1q af billioner af synopser. Antallet af synopser per neuron vokser som en magt lov (et udtryk i biologi) i hjerne massen. Der b\u00f8r v\u00e6re en bedre forbedring for at strukturere dyb l\u00e6rings metodologi.<\/p>\n
Google h\u00e6vder at deres D-b\u00f8lge kvantecomputer er 10 gange hurtigere.<\/p>\n
D b\u00f8lge indf\u00f8dt pr\u00f8vetagning til dyb l\u00e6ring:<\/strong><\/p>\n Nedenfor vises D b\u00f8lge placeringen i processen.<\/p>\n Indtast data -> D B\u00f8lge – > klassifikation<\/strong><\/p>\n N\u00e5r en algoritme skrives, er der tags med ligheder, der kan hentes p\u00e5 80 millisekunder s\u00e5som: bil, BMW, Porsha etc. Eller n\u00f8gleord som: b\u00f8rn, \u00a0klovn, sjov og farver med lignende billeder.<\/p>\n Machine learning er en s\u00e6rlig tilgang til beregningsm\u00e6ssige opgaver. N\u00e5r en algoritme s\u00e5 er designer skriver en algoritme s\u00e5 er hans eller hendes job ikke f\u00e6rdigt. De skal f\u00e5 deres data gennem forskellige processer for at f\u00e5 det til at fungere korrekt.<\/p>\n For eksempel for at hente data om “Lamborghini”, hvis maskinen henter and, s\u00e5 skal en s\u00f8gemaskine programm\u00f8r straffe den for at sende en forkert udgang. S\u00e5 i maskine l\u00e6ring handler det om at tr\u00e6ne algoritmen.<\/p>\n \u00c5rene fra 1980s \u2013 2009 var de m\u00f8rke \u00e5r.<\/p>\n If\u00f8lge IMAGEnet’s beregning af fejlslag ved genkendelse af billeder mellem 2010 – 2014 var fejlprocenten helt op til 79%, men det blev mindre indtil 2014 hvor den n\u00e5ede 20%, som tilf\u00f8rte ny prim\u00e6r mening for maskinen.<\/p>\n Menneskehjernen bruger 20w energi, mens din b\u00e6rbare computer bruger 50W. Din hjerne bruger mere beregning end din b\u00e6rbare PC.<\/p>\n S\u00e5 hvad mangler? Der b\u00f8r foretages mange operationer p\u00e5 en gang at vedtage \u00e6ndringen. Nogle af jer har m\u00e5ske g\u00e6ttet, hvor jeg vil hen med denne erkl\u00e6ring om Google RankBrain.<\/p>\n Google har algoritmen og dataene til at f\u00e5 algoritmens arbejde til at lykkes. Google har virkelig brug for at skalere tingene op som biologi har gjort under \u00e5rs evolutionen. Google RankBrain er ikke f\u00e6rdig ej heller b\u00f8r du bekymre dig om bed\u00f8mmelse af dit websted og SEO processer. Google har algoritmen til at g\u00f8re dette arbejde og maskiner til processer det. Google ingeni\u00f8rer kan bygge ny hardware og tage computerens forarbejdning til den helt ny retning, men det tager tid.<\/p>\n Hvorfor har vi brug for big data?<\/strong><\/p>\n Vi har brug for data til at f\u00e5 det til at fungere. Her er sp\u00f8rgsm\u00e5let omkring hvordan denne algoritme vil hj\u00e6lpe virksomheder og st\u00f8rre samarbejder med at l\u00f8se deres problemer? Sandheden er at de fleste virksomheder ikke bekymre sig omkring dyb l\u00e6ring.<\/p>\n Kunstig intelligens AI i netv\u00e6rks sammenh\u00e6ng er ligesom at bygge kapaciteter p\u00e5 kapaciteter. Evnen til at forst\u00e5 sprog og billeder. Evnen til at stille sp\u00f8rgsm\u00e5l eller at vide, hvad sp\u00f8rgsm\u00e5l, du b\u00f8r t\u00e6nke p\u00e5.<\/p>\n Organisationer b\u00f8r demokratisere teknologi for at vinde brugernes tillid, \u00f8ge deres selskabers andel af tegnebogen og give en god brugeroplevelse.<\/p>\n I s\u00f8gemaskineoptimerings sammenh\u00e6ng med Google RankBrain s\u00e5 er algoritmen i sin sp\u00e6de begyndelse. Her er hvorfor. Vi ser en tendens til helt at fokusere p\u00e5 de menneskelige m\u00e6rket tr\u00e6ningsdata til ukontrollerede tilgange. Der er et m\u00f8nster i alt; folk beh\u00f8ver ikke at have l\u00e6rere til at undervise dem ting hele tiden. Afh\u00e6ngigheden af humane data er en skalerbarheds udfordring for denne teknologi. Hvis vi l\u00f8ser denne proces og anvender alle data derude vil det \u00e5bne op for en ny verden.<\/p>\n L\u00e6ring uden opsyn er en type maskine l\u00e6rings algoritme, der anvendes til at drage slutninger fra datas\u00e6t best\u00e5ende af input data uden m\u00e6rkede svar. Cluster analyse indeb\u00e6rer anvendelse af en eller flere clustering algoritmer med det m\u00e5l at finde skjulte m\u00f8nstre eller grupperinger i et datas\u00e6t. Clustering algoritmer danner grupperinger eller clusters p\u00e5 en s\u00e5dan m\u00e5de, at data i en cluster har en h\u00f8jere grad af lighed end data i nogen andre clustre.<\/p>\n Hvis vi ser p\u00e5 Nero netv\u00e6rk som indeholder to dele. Selve Neuro netv\u00e6rket og l\u00e6rings princippet. Hvis vi bygger mere generelle computere, der behandler neurale netv\u00e6rk s\u00e5 er vi n\u00f8dt til at overv\u00e5ge dem for at komme videre.<\/p>\n Der har ikke v\u00e6ret tilstr\u00e6kkelige fremskridt inden for uoverv\u00e5get indl\u00e6ring derfor beh\u00f8ver du ikke at bekymre dig om RankBrain’s indflydelse p\u00e5 din hjemmeside placering. Google har ikke bygget en uoverv\u00e5get algoritme til at klare sig bedre end en overv\u00e5get algoritme. Google har ikke bygget dem endnu. De har algoritmen og maskinen til at behandle oplysningerne dog skal Google komme op med indl\u00e6rings principper.<\/p>\n Virksomheder b\u00f8r se brugen af det. Det er rimeligt at sige, at s\u00e5 l\u00e6nge Google ikke har afsluttet RankBrain algoritme, skal du f\u00f8lge den samme digitale markedsf\u00f8ring s\u00e5som: s\u00f8gemaskineoptimering<\/a>, mobil markedsf\u00f8ring, PPC processer<\/a>, da det vil tage tid at opbygge en uoverv\u00e5get algoritme. Dit job er at teste, hvad der virker for din virksomhed og ikke stole p\u00e5 antagelser.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Tilbage i 2006 var der nogle interesser i at gennemf\u00f8re kunstig intelligens i Googles s\u00f8gemaskine algoritme. Et par \u00e5r senere i 2014, blev GoogleBrain etableret efter erhvervelsen af DeepMind, et britisk kunstig intelligens selskab, der blev grundlagt i 2010. De arbejdede p\u00e5 hvordan man spiller videospil baseret p\u00e5 maskine l\u00e6ring og kunstige neurale netv\u00e6rk (Anns). Den smarte kunstige intelligens revolution<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[24],"tags":[75,78,74,50,77,76],"class_list":["post-475","post","type-post","status-publish","format-standard","hentry","category-seo-2","tag-google-algortime","tag-google-rankbrain","tag-kunstig-intelligens","tag-seo","tag-seo-for-webshop","tag-virksomhed"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/posts\/475","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/comments?post=475"}],"version-history":[{"count":12,"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/posts\/475\/revisions"}],"predecessor-version":[{"id":564,"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/posts\/475\/revisions\/564"}],"wp:attachment":[{"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/media?parent=475"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/categories?post=475"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.maria-johnsen.com\/danskblog\/wp-json\/wp\/v2\/tags?post=475"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}