NIST TREC QA: Искусственный Интеллект

[Ilya Geller]

Salesforce
https://help.salesforce.com/s/articleView?id=sf.search_how_search_works.htm&type=5

[Ilya Geller]

https://www.datamation.com/artificial-intelligence/microsoft-azure-cognitive-search-review/
Microsoft And The AI Market

Fortune Business Insights estimates the entire AI market to be $328 billion with a compound annual growth (CAGR) of 20%. Grand View Research estimates a lower market size of $93 billion and a higher CAGR of 38%.
Microsoft’s Azure Cognitive Search product competes in the software sub-section of the overall AI market. In 2020, Markets and Markets’ estimated the AI software market to reach $58 billion with a CAGR of 39%. By 2022, Gartner researchers forecast a market size of $62 billion and lower CAGR to 21%.
Microsoft Azure Cognitive Search competes in the AI-powered indexing and search category. Key competitors to Microsoft in the general AI market include AWS, Google, and IBM. In the indexing and search market, some top competitors to Microsoft include Elastic Enterprise, IBM, and Google.

[Вашкевич Виктор]

https://www.datamation.com/artificial-intelligence/microsoft-azure-cognitive-search-review/
Microsoft And The AI Market

Fortune Business Insights estimates the entire AI market to be $328 billion with a compound annual growth (CAGR) of 20%. Grand View Research estimates a lower       


   [......]

Молодец. Голова!

[Ilya Geller]

Да, это не Физика. Там свежий дух, там деньги веют! В Физике исхода нет, поскольку в ней закончилась эра атомной бомбы и энергии.

[Ilya Geller]

Ну наконец Эппл начал:

Finding Answers to Questions in a Text Document
Locate relevant passages in a document by asking the Bidirectional Encoder Representations from Transformers (BERT) model a question.

https://developer.apple.com/documentation/coreml/model_integration_samples/finding_answers_to_questions_in_a_text_document

[Метафизик]

Мы пахали...
сказала навозная муха, ползая под хвостом у вола...

[Ilya Geller]

Мы пахали...
сказала навозная муха, ползая под хвостом у вола...

Все четыре мои проекта доказаны опытом, работают и уже приносят миллиарды и триллионы:
— Интерентовский поиск (PAAdvisors v Google);
— Искусственный Интеллект (Apple, Microsoft, Google, Oracle и т.д.);
— Количественная теория (дву-щелевой опыт);
— Философия как точная наука (Искусственный Интеллект).

В СССР за практическое воплощение давали докторскую? А за доказанное опытом открытие первого ряда — Академика?

[Ilya Geller]

Поскольку у меня всё украдено и никакого будущего мне не оставлено, то моя история будет звучать крайне пикантно в суде. Пусть люди узнают какую цену я заплатил за открытие интернетовского поиска и Искусственного Интеллекта. За создание Количественной теории. Уверен что любое жюри присяжных оценит все как нужно.

[Вашкевич Виктор]

     [........]
В СССР за практическое воплощение давали докторскую? А за доказанное опытом открытие первого ряда — Академика?

Не всегда. Бывало, давали срок и ставили к стенке.
А то в дурдом на лечение отправляли.

[Ilya Geller]

Опасения в дурдоме ушли, после того как два раза мои патенты были использованы, сначала Гуглём, теперь Майкрософтом-Эппл. Следуя же тому что Херодотус, Alexpo, VPD, Castro оставили меня жить, моя уверенность в моей нормальности только упрочилась.

[Ilya Geller]

The sample leverages the BERT model by:
Importing the BERT model’s vocabulary into a dictionary
Breaking up the document and question texts into tokens
Converting the tokens to ID numbers using the vocabulary dictionary
Packing the converted token IDs into the model’s input format
Calling the BERT model’s prediction(from:) method
Locating the answer by analyzing the BERT model’s output
Extracting that answer from the original document text
https://developer.apple.com/documentation/coreml/model_integration_samples/finding_answers_to_questions_in_a_text_document

Это и есть то что я запатентовал, то что я использовал в NIST TREC QA 19 лет назад. После чего все эти годы я бъюсь за признание моей технологии. Но в конце концов Эппл не побоялся сказать что использует мою технологию.

[Метафизик]

Все четыре мои проекта доказаны опытом, работают и уже приносят миллиарды и триллионы:
— Интерентовский поиск (PAAdvisors v Google);
— Искусственный Интеллект (Apple, Microsoft, Google, Oracle и т.д.);
— Количественная теория (дву-щелевой опыт);
— Философия как точная наука (Искусственный Интеллект).

В СССР за практическое воплощение давали докторскую? А за доказанное опытом открытие первого ряда — Академика?

Судить могу только по этому:
— Философия как точная наука (Искусственный Интеллект).

За этот пункт тебе можно присвоить только звание назойливой навозной мухи...
от которой все будут только отмахиваться...

Ты не смог довести до совершенства свой острый от природы ум должным несовковым образованием...  нахера ты туда уехал? сидел бы себе в Сколкове среди таких же...

[Ilya Geller]

We list some of the commercial products that are built on GPT-3.
https://analyticsindiamag.com/commercial-applications-of-gpt-3-that-are-already-live/

[Ilya Geller]

Apple честно раскрывает технологию, ничего не боясь:

NLTagger supports many different languages and scripts. Use it to segment natural language text into paragraph, sentence, or word units and to tag each unit with information like part of speech, lexical class, lemma, script, and language.
The sample does this by using an NLTagger, which breaks up a string into word tokens, each of which is a substring of the original
https://developer.apple.com/documentation/naturallanguage/nltagger
 
The BERT model requires you to convert each word into one or more token IDs. Before you can use the vocabulary dictionary to find those IDs, you must divide the document’s text and the question’s text into word tokens.
https://developer.apple.com/documentation/coreml/model_integration_samples/finding_answers_to_questions_in_a_text_document

[Ilya Geller]

Оракл взял и раскрыл используемую Гуглём — уворованную у меня Брином и Пейджем — технологию в основе BERT.

[Ilya Geller]

Майкрософт создаёт базу данных, которая заменит значительную часть Интернета:

Microsoft Audience Ads run on Microsoft properties made up of more than 20 billion daily cross-screen signals available exclusively through the Microsoft Audience Network. These include MSN, Outlook.com, Microsoft Edge, and audience signals from LinkedIn that aren’t shared with anyone else.
https://about.ads.microsoft.com/en-us/blog/post/june-2022/10-reasons-why-the-microsoft-audience-network-is-a-must-buy

Следущий на очереди Apple.

[Ilya Geller]

Microsoft Audience Intelligence consists of unique consumer permissioned data processed by AI.5 We apply machine learning to define audiences’ data and signals across Microsoft Bing, Microsoft Edge, Microsoft News, and LinkedIn.
https://about.ads.microsoft.com/en-us/blog/post/june-2022/10-reasons-why-the-microsoft-audience-network-is-a-must-buy

[Ilya Geller]

Search with Spotlight on Mac
Spotlight can help you quickly find apps, documents, emails, and other items on your Mac. With Siri Suggestions, you can also get news, sports scores, weather conditions, stock prices, and more. Spotlight can even perform calculations and conversions for you.
https://support.apple.com/lt-lt/guide/mac-help/mchlp1008/mac

[Ilya Geller]

Apple adds natural language search to Spotlight and Siri, which can now figure out what you want before you do, as it plays catch up with Google and Microsoft. Its edge: a vow to protect your privacy.
https://www.cnet.com/tech/services-and-software/why-apple-believes-smarter-services-devices-wont-compromise-your-privacy/

[Ilya Geller]

Meta has open-sourced a machine-learning resource that could one day supplant Wikipedia as the world's biggest publicly available knowledge-verification database.

Dubbed Sphere, it can be used to perform knowledge-intensive natural language processing, or KI-NLP, we're told. In practical terms, that means it can be used to answer complicated questions using natural language, and find sources for claims.
https://www.theregister.com/2022/07/11/meta_says_its_latest_ai/