Təsvirə əsaslanan axtarış uyğunluqları tapmaq üçün vizual məzmunu şərh edir, mətn əsaslı axtarış isə yazılı sorğulara və sənəd indeksləşdirməsinə əsaslanır. Hər iki yanaşma müasir axtarış motorlarını gücləndirir, lakin onlar istifadəçi niyyətini necə başa düşmələri və müxtəlif məlumat növləri üzrə məlumatları necə emal etmələri baxımından əhəmiyyətli dərəcədə fərqlənir.
Müvafiq uyğunluqları tapmaq üçün kompüter görmə və dərin öyrənmədən istifadə edərək vizual məzmunu təhlil edən axtarış yanaşması.
Açar söz və semantik analizdən istifadə edərək yazılı sorğuları indekslənmiş mətn sənədləri ilə uyğunlaşdıran ənənəvi axtarış metodu.
| Xüsusiyyət | Təsvirə əsaslanan axtarış | Mətn Əsaslı Axtarış |
|---|---|---|
| Əsas Giriş | Şəkillər, vizual məzmun, bəzən mətnlə birləşdirilir | Yazılı sorğular, açar sözlər, təbii dil sualları |
| Əsas Texnologiya | Kompüter görmə, CNN-lər, görmə transformatorları, CLIP modelləri | Təbii dil emalı, BM25, sıx yerləşdirmələr, BERT |
| Ən Yaxşı İstifadə Halları | Vizual məhsul axtarışı, əlamətdar yerin müəyyənləşdirilməsi, tərs görüntü axtarışı | Sənəd axtarışı, veb axtarışı, akademik tədqiqat, müəssisə bilik bazaları |
| Sorğu Mürəkkəbliyi | Şəkil yükləmək qədər sadə ola bilər | İstifadəçilərdən niyyətlərini sözlə ifadə etmələrini tələb edir |
| Semantik Anlama | Vizual oxşarlığı, üslubu, kompozisiyanı və konteksti başa düşür | Sinonimləri, niyyəti, konteksti və linqvistik incəliyi başa düşür |
| Məlumat Tələbləri | Böyük etiketli şəkil məlumat dəstləri, vizual xüsusiyyət verilənlər bazaları | Mətn korpusları, sənəd indeksləri, açar söz verilənlər bazaları |
| Emal Sürəti | Şəkil emalı səbəbindən ümumiyyətlə daha yavaş | Optimallaşdırılmış indeksləmə strukturları ilə adətən daha sürətli |
| Qeyri-müəyyən Sorğularda Dəqiqlik | Vizual kontekst təbii olaraq ikimənalılığı ayırd edə bilər | Kifayət qədər mətn konteksti olmadan çətinlik çəkə bilər |
Təsvirə əsaslanan axtarış, yüklənmiş təsvirin vizual məzmununu təhlil etməklə, onu formalar, rənglər, teksturalar və tanınan obyektlər kimi xüsusiyyətlərə bölməklə başlayır. Bu xüsusiyyətlər təsvirin semantik mənasını əks etdirən yerləşdirmə adlanan riyazi təsvirlərə çevrilir. Mətn əsaslı axtarış, açar sözləri müəyyən etmək üçün yazılı sorğuları təhlil etməklə, onların əlaqələrini anlamaqla və termin tezliyi və semantik oxşarlığa əsaslanan aktuallığı ölçən alqoritmlərdən istifadə edərək onları əvvəlcədən indeksləşdirilmiş sənədlərlə uyğunlaşdırmaqla tamamilə fərqli bir yol tutur.
Bəyəndiyiniz, lakin necə təsvir edəcəyinizi bilmədiyiniz bir mebel parçası gördükdə, şəkil çəkib oxşar əşyaları dərhal tapmağınıza imkan verən görüntüyə əsaslanan axtarış sistemi daha parlaq görünür. Mətn əsaslı axtarış, müəyyən hüquqi presedentlər və ya akademik məqalələr tapmaq kimi böyük sənəd kolleksiyalarından dəqiq məlumat axtarışına ehtiyac duyduğunuz zaman üstünlük təşkil edir. Müasir sistemlərdə bu iki yanaşma bir-birini yaxşı tamamlayır və bir çox platformalar artıq hər iki üsulu birləşdirən hibrid axtarış təklif edir.
Bu sistemləri idarə edən neyron arxitekturaları əhəmiyyətli dərəcədə fərqlənir. Təsvirə əsaslanan axtarış, milyonlarla vizual nümunədə nümunələri tanımağı öyrənən LAION-5B kimi böyük görüntü məlumat dəstləri üzərində təlim keçmiş görmə modellərinə əsaslanır. Mətn əsaslı axtarış, həm BM25 kimi klassik alqoritmləri, həm də müasir transformator əsaslı yanaşmaları özündə birləşdirən onilliklər boyu davam edən məlumat axtarışı tədqiqatlarına əsaslanır. Multimodal modellərdəki son irəliləyişlər bu xətləri qarışdırmağa başladı və vahid çərçivələr daxilində həm şəkilləri, həm də mətni başa düşən sistemlərə imkan yaratdı.
Təsvirə əsaslanan axtarış, axtardığınızı sözlə təsvir etmək çətinliyini aradan qaldırır ki, bu da vizual xüsusiyyətləri ifadə etmək çətin olduqda əvəzsizdir. Mətn əsaslı axtarış, hansı məlumata ehtiyacınız olduğunu dəqiq bildiyiniz və onu aydın şəkildə ifadə edə bildiyiniz zaman daha dəqiqlik təklif edir. İstifadəçilər tez-tez mətn axtarışını daha proqnozlaşdırıla bilən hesab edirlər, çünki sorğularının nəticələrə necə uyğunlaşdığını dəqiq görə bilirlər, vizual axtarış isə bəzən vizual oxşarlığa əsaslanaraq təəccüblü, lakin müvafiq uyğunluqlar verir.
Təsvirə əsaslanan axtarış aydın vizual təsvirləri olmayan mücərrəd anlayışlarla mübarizə aparır və real vaxt rejimində emal üçün əhəmiyyətli hesablama resursları tələb edir. Mətn əsaslı axtarış, istifadəçilərin sənədlərdə olanlardan fərqli terminlərdən istifadə edərək bir şeyi təsvir etdiyi lüğət uyğunsuzluğu ilə bağlı çətinliklərlə üzləşir. Hər iki yanaşma inkişaf etməyə davam edir və tədqiqatçılar nəticədə aralarındakı fərqi daha az mənalı edə biləcək daha yaxşı çarpaz modal anlaşma üzərində fəal şəkildə işləyirlər.
Təsvirə əsaslanan axtarış, şəkillərdəki mətni, eləcə də xüsusi OCR sistemlərini oxuya bilər.
Müasir təsvirə əsaslanan sistemlər OCR-i yerinə yetirə bilsə də, adətən bunun üçün optimallaşdırılmır. Tesseract kimi xüsusi OCR sistemləri və ya Google və AWS-dən bulud xidmətləri, xüsusən də mürəkkəb düzülüşlər və ya əlyazma məzmunlarla mətn çıxarma tapşırıqları üçün daha yüksək dəqiqlik təmin edir.
Süni intellekt sahəsindəki irəliləyişlər səbəbindən mətn əsaslı axtarış sistemi köhnəlir.
Mətn əsaslı axtarış qlobal miqyasda dominant axtarış forması olaraq qalır. Süni intellekt daha yaxşı semantik anlaşma sayəsində onu daha da inkişaf etdirib, lakin mətn sorğularını mətn sənədləri ilə uyğunlaşdırmaq kimi fundamental yanaşma əksər axtarış motorlarını, müəssisə sistemlərini və tədqiqat verilənlər bazalarını gücləndirməyə davam edir.
Təsvirə əsaslanan axtarış həmişə mətnə əsaslanan axtarışdan daha dəqiq nəticələr verir.
Dəqiqlik tamamilə istifadə halından asılıdır. Müəyyən bir sənəd tapmaq və ya faktiki suala cavab vermək üçün mətn əsaslı axtarış adətən vizual yanaşmalardan daha yaxşı nəticə verir. Təsvirə əsaslanan axtarış, xüsusən də vizual oxşarlıq aktuallıq üçün əsas meyar olduqda daha üstündür.
Hər iki axtarış yanaşmasını tətbiq etmək üçün çoxlu sayda məlumat dəstinə ehtiyacınız var.
Əvvəlcədən təlim keçmiş modellər və API-lar hər iki yanaşmanı sıfırdan təlim keçmədən əlçatan etmişdir. Google Cloud Vision, AWS Rekognition və OpenAI-nin CLIP kimi xidmətlər, kiçik komandaların geniş maşın öyrənmə təcrübəsi olmadan inteqrasiya edə biləcəyi istifadəyə hazır imkanlar təmin edir.
Vizual axtarış e-ticarətdə mətn təsvirlərinə olan ehtiyacı tamamilə əvəz edir.
Ən uğurlu elektron ticarət platformaları hibrid yanaşmalardan istifadə edir. Mətn təsvirləri SEO, əlçatanlıq və sorğuları yazmağa üstünlük verən istifadəçilər üçün çox vacibdir. Vizual axtarış, xüsusən də mobil istifadəçilər və istədiklərini asanlıqla təsvir edə bilməyənlər üçün əvəzedici deyil, tamamlayıcı bir xüsusiyyət kimi xidmət edir.
Vizual oxşarlıq ən vacib olduqda, məsələn, məhsul almaq, obyektləri müəyyən etmək və ya vizual olaraq oxşar dizaynlar tapmaq kimi hallarda, təsvirə əsaslanan axtarışı seçin. Mətn əsaslı axtarış tədqiqat, sənəd axtarışı və dəqiq mətn sorğularının ən yaxşı nəticələr verdiyi vəziyyətlər kimi məlumat baxımından ağır tapşırıqlar üçün daha yaxşı seçim olaraq qalır. Bir çox müasir tətbiqlər hər iki yanaşmanı birləşdirərək hərtərəfli axtarış imkanlarından faydalanır.
Açar söz axtarış motorları tərs indekslərdən istifadə edərək dəqiq terminləri uyğunlaşdırır, vektor oxşarlığı axtarışı isə yüksək ölçülü yerləşdirmələr vasitəsilə semantik cəhətdən əlaqəli məzmun tapır. Hər iki yanaşma müasir məlumat axtarışını gücləndirir, lakin istifadəçi niyyətini necə şərh etdikləri və nəticələri necə sıraladıqları baxımından əsaslı şəkildə fərqlənir.
Açıq çəkili modellər təlim keçmiş parametrlərini ictimaiyyətə açıq şəkildə yayımlayır və hər kəsin onları yükləməsinə, yoxlamasına və dəqiq tənzimləməsinə imkan verir. Qapalı mənbəli modellər çəkilərini gizli saxlayır və yalnız API və ya hostinq məhsulları vasitəsilə giriş təklif edir. Aralarındakı seçim, tərtibatçıların süni intellekt sistemlərini necə qurduğunu, yerləşdirdiyini və etibar etdiyini formalaşdırır.
Bu müqayisə açıq mənbəli süni intellekt ilə xüsusi mülkiyyətli süni intellekt arasındakı əsas fərqləri araşdırır, əlçatanlıq, fərdiləşdirmə, xərclər, dəstək, təhlükəsizlik, performans və real dünyada tətbiq hallarını əhatə edir, təşkilatların və tərtibatçıların hansı yanaşmanın onların məqsədlərinə və texniki imkanlarına uyğun gəldiyini müəyyən etməsinə kömək edir.
Açıq mənbəli LLM-lər tam kod girişi ilə özelleştirilebilir, özünəməxsus süni intellekt modelləri təklif edir, mülkiyyətçi LLM API-ləri isə istifadəyə əsaslanan qiymətlərlə bulud əsaslı son nöqtələr vasitəsilə idarə olunan, cilalanmış xidmətlər təqdim edir.
Adaptiv axtarış sistemin sorğuya əsasən hansı məlumatı və necə əldə etdiyini dinamik şəkildə tənzimləyir, statik axtarış boru kəmərləri isə kontekstdən asılı olmayaraq sabit qaydalara əməl edir. Hər ikisi müasir süni intellekt tətbiqlərini gücləndirir, lakin onlar elastiklik, qiymət və dəqiqlik baxımından kəskin şəkildə fərqlənir. Aralarında seçim iş yükünün mürəkkəbliyindən və büdcədən asılıdır.
