Google Books, svarbi akademininkams ir tyrėjams šaltinis, pastaruoju metu susiduria su kritika dėl žemos kokybės knygų indeksavimo. Šis indeksavimo praktika gali turėti pasekmių jo kalbos tyrimų įrankio, Ngram, tikslumui ir patikimumui. Ngram, aprėpiantis kalbų naudojimą laike, labai remiasi Google Books duomenimis. Todėl sub-paprastos knygos jo indekse kelia susirūpinimą dėl Ngram rezultatų kokybės.
Neseniai 404Media atlikta tyrimas parodė, kad Google Books įtraukė daugybę knygų, atrodančių, kad parašytos dirbtinio intelekto. Naudodami paieškos terminą „per mano paskutinę žinių atnaujinimą“, dažnai naudojamą šneko robotais kaip ChatGPT, leidinys rado įvairių rezultatų. Nors dauguma knygų buvo aktualios ir aptarė temos, susijusias su dirbtiniu intelektu, buvo keletas keistų netikėtumų, kurie nesutapo su technologija. Šios knygos atrodė sukurtos robotu ir neturėjo jokios prasmingos turinio.
Vienas 404Media aptiktas pavyzdys buvo Tristino McIvero knyga „Meškai, jaučiai ir vilkai: Akcijos prekyba dvidešimtmečiui“. Ši knyga atrodo šaltiniavo informaciją iš „Vikipedijos“, įskaitant frazę „per mano paskutinę žinių atnaujinimą“. Panašiai, knygos socialiniose žiniasklaidos platformose, tokiose kaip „Twitter“, vis dar turėjo informaciją nuo 2021 m., kas yra pasenę, atsižvelgiant į greitą dirbtinių intelekto modelių vystymąsi.
Sužinokite daugiau apie Ngram
Kas yra Ngram?
Ngram yra Google sukurtas tyrimo įrankis, kuris sekia, kaip kalbos naudojimas vystosi laike. Analizuodamas kalbą rašytiniuose darbuose, jis teikia vertingų įžvalgų apie kalbų modelius ir pokyčius.
Kaip Google Books prisideda prie Ngram?
Google Books yra reikšmingas duomenų šaltinis Ngram. Jis nuskaito ir indeksuoja didelį rašytinių darbų rinkinį, siekdamas iki 1500 m., kuriuos Ngram naudoja analizuoti kalbos naudojimo tendencijas.
Kodėl žemos kokybės knygų indeksavimas yra svarbus?
Žemos kokybės knygų įtraukimas į „Google Books“ indeksą kelia susirūpinimą dėl Ngram kalbos sekimos patikimumo ir tikslumo. Kadangi Ngram labai remiasi „Google Books“ duomenimis, enkoderkyje sugeneruotų ar blogai parašytų knygų buvimas gali iškreipti rezultatus ir netiksliai atspindėti kalbos naudojimo tendencijas.
Ar žemos kokybės knygos gali paveikti akademinį tyrimą?
Taip, žemos kokybės knygų buvimas Ngram duomenyse gali turėti įtakos akademiniam tyrimui. Tyrėjai ir lingvistai remiasi Ngram kalbos analizei, o jei duomenys taps suteršti nesvarbiais ar nepatikimais šaltiniais, tai gali lemti neteisingus išvadas ir neteisingus aiškinimus.
Ar „Google“ spręs žemųjų knygų indeksų problemą?
Nors „Google“ aiškino, kad naujausi darbai „Google Books“ šiuo metu neturi įtakos Ngram rezultatams, neaišku, kokius žingsnius „Google“ imsis, siekdamas išspręsti žemųjų knygų indeksavimo problemą. Kadangi tokių knygų įtraukimas gali pakenkti Ngram duomenų patikimumui, svarbu, kad „Google“ imtųsi veiksmų, siekdamas užtikrinti tyrimo kalbos įrankio patikimumą ir tikslumą.
Visažinija dėl žemos kokybės knygų indeksavimo „Google Books“ kelia susirūpinimą ne tik dėl Ngram tikslumo, bet ir dėl plačiau su kalbos tyrimų ir analizės pramone. Ngram plačiai naudojamas lingvistų, akademikų ir tyrėjų, kad stebėtų ir tirtų kalbos vystymąsi laike. Todėl bet kokie Ngram duomenų vientisumo kompromisai gali turėti toli siekiančių padarinių kalbomis susijusiems tyrimams ir disciplinoms.
Kalbos tyrimų pramonė labai remiasi duomenimis grindžiamais įžvalgais, siekdama suprasti kalbos naudojimo niuansus ir modelius. Ngram, turėdamas didelį indeksuotų knygų rinkinį, labai svarbus teikiant šias įžvalgas. Tačiau įtraukus sub-paprastas knygas į indeksą, kyla rizika, kad Ngram nustatytos tendencijos ir modeliai gali būti iškreipti ar neteisingi.
Be to, kalbos tyrimų ir analizės įrankių rinka pastaraisiais metais stabiliai auga. Kadangi kalba ir toliau vystosi ir keičiasi, yra paklausa patikimiems ir tiksliai į rankas gali skirti įrankiai, kurie gali stebėti ir analizuoti šiuos pokyčius. Ngram nusistovėjo kaip vienas iš svarbiausių dalyvių šioje rinkoje, tačiau susirūpinimai dėl jo duomenų kokybės pabrėžia potencialias problemas, galinčias paveikti jo rinkos padėtį.
Sandorių prognozėmis rinkoje kad anglų kalbos tyrimų pramona tikėtina, kad augs, kai vis daugiau mokslininkų ir tyrėjų pripažįsta išsamaus kalbos analizės vertę. Su mašininio mokymosi ir natūralios kalbos apdorojimo pažanga atsiranda galimybių naujiems inovatyviems kalbos tyrimų įrankiams. Tačiau šių įrankių sėkmės ilgalaikiam sėkmei labai svarbu išlaikyti jų pasitikėjimą ir patikimumą, ypač susidūrus su iššūkiais, tokiomis kaip žemos kokybės knygų indeksavimas.
Kai kurių su pramone ar produkto susijusių problemų skaičius apima poreikį patvariai turinio filtravimo mechanizmams. Kaip „AI“ sukurtų knygų atvejis „Google Books“ parodė, svarbu taikyti priemones, kurios gali aptikti ir pašalinti tokius žemos kokybės turinius iš indekso. Tai reikalauja nuolatinio indeksavimo proceso stebėjimo ir atnaujinimo, siekiant užtikrinti, kad duomenų bazėje būtų įtraukiamos tik aktualios ir patikimos knygos.
Be to, tarp „Google Books“ ir Ngram turėtų būti aiškus ir skaidrus bendravimo kanalas, kad būtų galima spręsti bet kokias problemas, susijusias su duomenų kokybe ir vientisumu. Bendradarbiavimo pastangos tarp komandų, atsakingų už šiuos įrankius, gali padėti atpažinti ir išspręsti problemas laiku, užtikrinant, kad Ngram išliktų patikimas išteklius kalbos tyrimams.
Apibendrinant, kalbos tyrimų ir analizės pramonė susiduria su galimybėmis ir iššūkiais. Rinka auga, vis daugiau reikia tikslių lingvistinių įžvalgų. Tačiau žemos kokybės knygų indeksavimo problema primena, kad duomenų vientisumo ir kokybės palaikymas yra esminis ilgalaikiam kalbos tyrimų įrankių, tokių kaip Ngram, sėkmei.
The source of the article is from the blog j6simracing.com.br