※ 引述《wasabicat (猫科动物)》之铭言： : ※ 引述《thxmotor (天天都有好狗运)》之铭言： : : Google胜华佗 诊病超准确 : : 中时电子报 更新日期:2006/11/11 04:09 记者:　潘勋／综合报导 : : 举例来说，有个四十八岁男病患有「多重脊椎肿瘤」与「皮肤肿瘤」，两位医师输入这两 : : 个词汇，古钩便回答，病人可能罹患「第一型神经线纤维瘤」，答案正确无误。 : : 另一个病例中，有名男子慢跑时失去意识；输入「心跳遽停」、「运动」及「年轻」这三 : : 个词汇，古钩则回答病名是「阻塞性肥厚心肌症」，也答对了。其他诊断成功的病例还有 : : 库贾氏症、胃肠出血、肌萎缩、脑炎等。 : : http://w114.news.tpc.yahoo.com/article/url/d/a/061110/4/6dot.html : 这篇看推文的网友好多喔 : 可以问一下到底是该怎麽查询吗？ : 是直接到google上面，输入上面病症的正确英文学名就可以查到了吗？ : 还是有什麽特殊的网页是用来查这个的 : 谢谢大家啦~~~ 应该就是把症状描述当做keyword，google会找出一堆相关疾病的网页， keyword下得好的话，出来的资讯还蛮有用的。 又，google的搜寻引擎真是越做越好。 之前去听了Peter Norvig的演讲， 讲了google在搜寻、natural language processing(NLP)、 computational linguistics(CL)上的发展， 还真是令人印象深刻。 (先说，我不是做NLP、CL的人，或许这些领碱的人会有不同的意见) 他们用了蛮多AI、learning的东西来加强本身的技术。 最值得称道的就是他们的training database， 毕竟是玩搜寻引擎的，他们拥有的training database大的吓人， 相比之下，其它研究人员的training dataset看起来有点像玩具。 (again，我不是做NLP、CL的人，或许实情并不是如此) 就因为database很大，所以他们发展的方法也都是data-driven。 譬如说，他们让电脑自己去learn各辞汇间的relation，语言、句子的pattern。 举例而言，假如你在google上打population japan， 第一项就是直接告诉你日本的人口有多少(电脑直接去网路上帮你找出解答)。 当然有很多别的网站也是做的到这功能， 不过很多是靠定义regular expression、定义population是japan的一个属性， 然後再去各网页中寻找这个pattern，进而找到解答。 而google的作法则是让电脑自己去learn这个pattern、 发现population是japan的一个属性。 另外像google也在做statistical machine translation(MT)， 用的也是learning based、data driven的方法， 就是让电脑自己去learn各语言间的对应关系。 google在NIST的Arabic-English跟Chinese-Englis的MT evaluation中名列前矛， 据说他们的team里面还没有chinese跟arabic的linguistic expert!? (後面这点不是Peter说的，是我听别人讲的，有可能是谣言:p) 对了，Peter还提到了他对搜寻引擎的想法， 大部分的人应该都认为搜寻引擎是单向的互动， 就是由内容提供者提供网页->google分析、整理这些网页 ->最後在使用者查询时给出结果。 不过Peter认为搜寻引擎应该是双向的沟通， 因为一般的网页中，绝大多数的东西都是垃圾，只有少数的内容才有意义， 因此只用网页来learning，实在是问题多多(譬如说noise太多)。 但使用者所下的keyword不同，绝大多数的keyword简短、有意义， 因此更适合用来整理、归纳各种资讯，帮助电脑来learn各种语言、辞汇上的关系。 (譬如说如果你想知道bush几岁，绝大多数的人应该是下age bush当关键字， 而不是啥how old is bush之类的， 从这个query就可以知道而age和bush有关系：age是bush的属性之一) 简而言之，当你每次在google下关键字找东西时， 也算是间接的帮助了他们改善整个搜寻的效能。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.30.73