Zawartość
P:
W jaki sposób Web 3.0 lepiej łączy dane?
ZA:
Podstawową cechą Web 3.0, która ma na celu poprawę połączenia danych, jest tworzenie sieci semantycznej. W tej chwili, choć inteligentne, maszyny mają jedynie ograniczoną zdolność do „zrozumienia” tego, o co proszą ludzie. Na przykład wyszukiwarki używają słów kluczowych i liczb do wyświetlania wyników zapytań, bez prawdziwego zrozumienia prawdziwego „znaczenia” terminów.Treść jest identyfikowana, ale rzadko rozumiana, ponieważ nawet najmądrzejszej sztucznej inteligencji brakuje umiejętności interpretowania rzeczywistości tak, jak ludzie.
Na przykład, korzystając z oprogramowania do rozpoznawania twarzy, możemy przypisać dwie różne wartości aktorom „męskim” i „żeńskim”, ale sztuczna inteligencja nie jest w stanie zrozumieć znaczenia „płci” lub „płci”. Ten poziom zrozumienia wymaga wyjaśnienie - nazwa tej „rzeczy” (płci) musi mieć „znaczenie” poza terminami „męski” i „żeński”, które są zdefiniowane jako metadane semantyczne. Tworząc rejestr metadanych, możemy zapewnić maszynom mechanizm interpretacji rzeczy wykraczających poza ich nazwy poprzez klasyfikację, identyfikację i tworzenie definicji. Metadane semantyczne są głęboko ze sobą powiązane i wzajemnie powiązane i tworzą bogatą konfrontację wokół każdego elementu treści.
Web 3.0 wykorzystuje moc obliczeniową zaawansowanej sztucznej inteligencji do wykorzystania pełnego potencjału sieci semantycznej. Przetwarzanie języka naturalnego i integracja informacji są wykorzystywane w celu zapewnienia maszynom wszystkich niezbędnych potrzebnych do uzyskania bardziej „ludzkiego” zrozumienia świata i lepszej wzajemnej łączności. Jak wyjaśnił Lee Jacobs, partner AngelList i inwestor venture: „Mówi się, że jest ok. 2,5 miliarda bajtów danych tworzonych każdego dnia, maszyny stają się coraz bardziej inteligentne, a algorytmy mają lepszą moc predykcyjną; tempo, w jakim poznamy otaczający nas świat, będzie nadal rosło ”.
Sieć semantyczna poprawia zdolność zarówno użytkowników, jak i komputerów do udostępniania i łączenia treści, ponieważ wyszukiwanie i analiza będą oparte na głębszym zrozumieniu samej treści, a także jej definicji. Wszystkie dostępne informacje, takie jak obrazy, linki, warunki i filmy będą skorelowane, aby zrozumieć wady prowadzące do znacznie wyższego poziomu łączności między danymi.