Google AI onthul 'Proeflees': Gboard-funksie vir moeitelose sin- en paragraafkorreksies

Google AI onthul 'Proeflees': Gboard-funksie vir moeitelose sin- en paragraafkorreksies

Google KI het onlangs 'n nuwe kenmerk genaamd 'Proeflees' aan Gboard, die gewilde mobiele sleutelbordtoepassing, bekendgestel. Met 'n enkele tik laat hierdie kenmerk naatlose wysigings en regstellings op die sin- en paragraafvlakke toe, wat die algehele tikervaring verbeter.

Die 'Vetvinger'-probleem aanpak

Gboard gebruik statistiese dekodering as 'n manier om die "vetvinger"-kwessie aan te spreek, wat die natuurlike onakkuraatheid van aanraakinvoer op klein skerms is. Navorsing toon dat die foutkoers per letter 8 tot 9 persent kan bereik sonder dekodering. Gboard kom met verskeie foutregstellende kenmerke om tik makliker en gladder te maak. Hierdie kenmerke kombineer handtake wat menslike insette behels met proaktiewe, outomatiese regstellings.

Omvattende gereedskap vir foutregstelling

Tik word gesamentlik makliker gemaak deur Gboard se kenmerke, wat woordvoltooiing, volgende-woord-voorspellings, aktiewe outo-korreksie (AC) en aktiewe sleutelkorreksie (KC) insluit. Hierdie instrumente sluit slim samestelling, foutkorreksie en meervoudige woordkandidate in die voorstelbalk of inlyn in. Na-korreksie (PC) vergemaklik ook die regstelling van foute in woorde wat reeds begaan is. Ten spyte van hierdie kenmerke, benadeel twee sleutelbeperkings die gebruikerservaring.

  1. Terwyl op-toestel-korreksiemodelle soos KC, AC en PC vinnig en kompak is, sukkel hulle om gesofistikeerde en komplekse foute te hanteer wat langer kontekste benodig. Om te verhoed dat hierdie modelle geaktiveer word, moet gebruikers stadig en presies tik.

  2. Tikspoed neem af as gevolg van gebruikers wat toegewyde woorde met die hand moet regstel deur grammatika en speltoetsers te gebruik, wat geestelik en visueel belastend kan wees.

Die behoefte aan hoëvlakfoutregstelling

Vinnige tipes ignoreer gereeld woorde wat hulle reeds getik het en konsentreer net op die sleutelbord. Hoër foutkoerse kan hieruit ontstaan, wat die gebruik van sin- of hoërvlak-korreksiemeganismes noodsaak.

Stel Proeflees bekend

Proeflees los hierdie gereelde klagtes op deur noemenswaardige produktiwiteitsverhogings te bied. Dit maak foutkorreksie makliker deur sin- en paragraafvlak-korreksies met een tik te verskaf.

Die Tegnologie Agter Proeflees

Die Proeflees-kenmerk bestaan ​​uit vier primêre komponente: dataproduksie, metrieke ontwerp, modelaanpassing en modelbediening. Saam waarborg al hierdie komponente doeltreffendheid. Om te verseker dat dataverspreiding in lyn is met die Gboard-domein, boots die stelsel gereelde sleutelbordfoute na deur 'n presies en metodies geboude sintetiese foutargitektuur te gebruik.

Gevorderde statistieke en modeloptimalisering

Ten einde die model te assesseer, het navorsers 'n aantal maatstawwe ingesluit, met 'n besondere klem op grammatikale foutaanwesigheidkontroles en soortgelyke betekeniskontroles wat van groottaalmodelle (LLM's) afgelei is. Onder toesig fyninstelling en Reinforcement Learning (RL) tuning word in die InstructGPT-tegniek gebruik om die model te verbeter. Die model se proefleesprestasie word deur hierdie prosedure aansienlik verbeter.

Ontplooiing en prestasie

Deur 8-bis kwantisering te gebruik, is die mediumgrootte LLM PaLM2-XS aangepas om binne 'n enkele TPU v5 te pas en dien as die grondslag vir die Proeflees-funksie. Die optimalisering verlaag die koste van bediening. Vorige navorsing het getoon dat segmentering, spekulatiewe dekodering en emmersleutels latensie kan verminder.

Werklike Wêreld-impak

Tienduisende Pixel 8-gebruikers sal baat by die hoëgehalte-wysigings wat deur die Proeflees-funksie verskaf word, wat nou beskikbaar is. 'n Deeglike generering van sintetiese data en verskeie herhalings van fynverstelling het 'n model opgelewer wat grammatikale foute aansienlik verlaag, soos gesien deur 'n 5.74 persent relatiewe afname in die PaLM2-XS-model se Slegte verhouding. Boonop het optimalisering 'n 39.4% afname in mediaan latency tot gevolg gehad.

Toekomsvooruitsigte

Hierdie studie demonstreer hoe LLM's gebruikerservaring kan verbeter en interessante moontlikhede vir verdere ondersoek kan skep. Die gebruik van werklike gebruikerdata, veeltalige ondersteuning, pasgemaakte skryfhulp en oplossings vir toestelprivaatheid is 'n paar voorbeelde van gebiede wat tot verdere vooruitgang in die sektor kan lei.

Google KI brei die moontlikhede van mobiele sleutelbordtegnologie uit met die bekendstelling van die Proeflees-funksie, wat tik vir mense regoor die wêreld verbeter.

Code Labs Academy © 2024 Alle regte voorbehou.