By | February 17, 2022

เมื่อเข้าใจ Memomics ว่าเป็นการศึกษา Meme โดยการถอดรหัสเป็นการทำแผนที่ ontological เป็นเครื่องมือที่มีค่าในการปรับปรุงเว็บเชิงความหมายและเครื่องมือค้นหา แอปพลิเคชั่นเชิงพาณิชย์และโฆษณาที่อำนวยความสะดวกโดยตัวแทนปัญญาประดิษฐ์สามารถทำกำไรจากความสัมพันธ์ที่พบดังที่จะอธิบายในที่นี้:

ตามวิกิพีเดีย Meme เป็นคำที่ใช้ระบุความคิดหรือความเชื่อที่ถ่ายทอดจากบุคคลหนึ่งหรือกลุ่มหนึ่งไปยังอีกกลุ่มหนึ่ง ชื่อนี้มาจากการเปรียบเทียบ: ในขณะที่ยีนส่งข้อมูลทางชีววิทยา อาจกล่าวได้ว่า Memes ส่งข้อมูลความคิดและความเชื่อ Memome สามารถเห็นได้ว่าเป็นคอลเล็กชันทั้งหมดของ Memes ทั้งหมด หากเราดำดิ่งลึกลงไปในแนวคิดนี้อีกสักนิด ก็อาจกล่าวได้ว่าครอบคลุมความรู้ของมนุษย์ทั้งหมด

จีโนมและโปรตีโอมิกส์คือการศึกษาจีโนม ความสมบูรณ์ของข้อมูลทางพันธุกรรมของสิ่งมีชีวิต และส่วนประกอบทั้งหมดของโปรตีนตามลำดับ ในทำนองเดียวกัน Memomics ก็ถือได้ว่าเป็นการศึกษา Memome ซึ่งเป็นคอลเลกชันทั้งหมดของ Memes ทั้งหมด

ใน Genomics และ Proteomics การศึกษาได้กล่าวถึง “การทำแผนที่” ประเภทต่างๆ ของหน้าที่และโครงสร้างของยีนและโปรตีน ตัวอย่างเช่น การทำแผนที่อาจเป็นหรืออาจเป็นพยาธิวิทยาก็ได้ เช่น ความสัมพันธ์ระหว่างโปรไฟล์การแสดงออกของยีนและโปรตีนบางชนิดกับโรค หรืออาจเป็นโทโพโลยีก็ได้: การแสดงออกเกี่ยวกับเนื้อเยื่อบางชนิด ชนิดเซลล์ หรืออวัยวะ

ในทำนองเดียวกัน Memomics ศึกษาการทำแผนที่ ontological mapping ของแนวคิดและข้อกำหนด บริษัท Alitora Systems ได้ดำเนินการตามขั้นตอนแรกในด้าน Memomics และเดาว่าพวกเขาได้เริ่มต้นที่ใด: ด้วยข้อมูลวิทยาศาสตร์เพื่อชีวิต พวกเขาได้พัฒนาเครื่องมือการทำเหมืองข้อมูลและข้อความที่สะดวกซึ่งสามารถเร่งการค้นหาที่มีความหมายและให้ลิงก์ไปยังแนวคิดที่มีความสัมพันธ์ทางออนโทโลยีส่วนใหญ่

โครงการที่มีความทะเยอทะยานมากขึ้นคือการทำแผนที่ ontological ที่สมบูรณ์ของความรู้ของมนุษย์ทั้งหมด นั่นคือการค้นหาทุกคำหรือแนวคิดที่มีอยู่ซึ่งแนวคิดนั้นเชื่อมโยงอย่างเป็นธรรมชาติ สิ่งที่ฉันหมายถึงในเรื่องนี้ไม่ได้เป็นเพียงการจัดทำแผนที่เชิงความหมายเท่านั้น ซึ่งให้ความหมายของคำศัพท์ในคุณลักษณะและข้อกำหนดอื่นๆ ฉันต้องการขยายการแมปตามที่แนะนำในบทความก่อนหน้าของฉัน: “นกฮูกของ Minerva บินได้ในเวลาพลบค่ำเท่านั้น – อภิปรัชญาที่ชาญฉลาดอย่างจดสิทธิบัตร” กล่าวคือ การทำแผนที่ความสัมพันธ์ระยะใกล้สำหรับแต่ละคำที่กำหนดไว้ในเว็บเชิงความหมายกับคำอื่นๆ ที่กำหนดไว้เช่นเดียวกันเพื่อทราบระยะห่างเฉลี่ยระหว่างคำเหล่านั้นในเอกสารทั้งหมดบนเวิลด์ไวด์เว็บทั้งหมดและน้ำหนักของความถี่ของเหตุการณ์ดังกล่าว แผนที่ ontology ดังกล่าวสามารถแยกแยะคำศัพท์ที่มีความสัมพันธ์กับการเกิดขึ้นซึ่งอยู่เหนือ “สัญญาณรบกวน” ได้ดี คำศัพท์เล็กน้อยจำนวนมากจะเกิดขึ้นในความถี่สูงใกล้เคียงกับคำศัพท์เสมือนใดๆ ทำให้เกิดระดับของความถี่เสียงซึ่งเป็นเกณฑ์ซึ่งต้องมีความสัมพันธ์กันอย่างมีนัยสำคัญ คำศัพท์ดังกล่าวรวมถึงคำศัพท์ทางวากยสัมพันธ์ทุกประเภท เช่น คำสันธาน คำวิเศษณ์ คำคุณศัพท์ กริยาช่วย เป็นต้น

ข้อเสียของการกำหนดเกณฑ์ที่สูงเกินไปคือคำที่ปกติแล้วไม่สำคัญ ร่วมกับอีกคำหนึ่งอาจมีความหมายเฉพาะเจาะจงมาก

เมื่อการทำแผนที่แบบออนโทโลยีนี้ดำเนินการเฉพาะในคลาส/สาขาที่มีความหมายเฉพาะ ความสัมพันธ์ที่สำคัญอาจเกิดขึ้นทันที ซึ่งไม่ปรากฏให้เห็นในชั้นเรียนและสาขาส่วนใหญ่

ดังนั้น การทำแผนที่ความใกล้เคียงแบบออนโทโลจีที่มีความถี่ถ่วงน้ำหนักของการเกิดจึงสามารถดำเนินการร่วมกับ “การจำแนกเว็บไซต์” (i-taxonomy)

ในทางกลับกัน การทำแผนที่ความใกล้ชิดแบบออนโทโลจีด้วยความถี่ที่ถ่วงน้ำหนักของการเกิด อาจจัดให้มีคลาสและคลาสย่อย ดังนั้นกระบวนการนี้สามารถดำเนินการได้ในลักษณะวนซ้ำ ความสัมพันธ์ที่มีนัยสำคัญสามารถสร้างคลาส ซึ่งสามารถถูกขุดด้วยข้อมูลเพื่อค้นหาการแมปใหม่และแนะนำคลาสย่อยใหม่

การทำแผนที่ ontological อื่นคือการพิจารณาว่าบางลิงก์บนเว็บมีความสัมพันธ์กับข้อกำหนดบางอย่างหรือไม่

การใช้งานต้องเริ่มต้นด้วยข้อมูลทั้งหมดที่ปรากฏบนเว็บในวันที่กำหนด ข้อมูลนี้ต้องถูกจัดเก็บไว้อย่างถูกแช่แข็งเพื่อใช้แบบฝึกหัดการทำเหมืองข้อมูลที่ครอบคลุมของการทำแผนที่ระยะใกล้ เมื่อระบบถอดรหัส Memome ทั้งหมดแล้ว กระบวนการนี้สามารถทำซ้ำได้ด้วยการเติมเงิน และในที่สุดก็จะทันกับ “ปัจจุบัน” ในขณะนั้น

ตัวแทนอัจฉริยะประดิษฐ์จะดำเนินการตามกระบวนการของการทำแผนที่แบบออนโทโลยี และจะเรียนรู้จากรูปแบบที่พวกเขารู้จัก ทำให้ง่ายต่อการทำแผนที่เหตุการณ์ในอนาคตและสร้างคลาสเพิ่มเติม นอกจากนี้ ลิงก์ที่พบและ/หรือสร้างขึ้นซึ่งใช้บ่อยกว่านั้น สามารถเพิ่มไปยังฮับที่เหมาะสมในระบบ “Hubbit” ซึ่งฉันได้กล่าวถึงในบทความก่อนหน้าของฉัน: “จากเครื่องมือค้นหาไปจนถึงตัวสร้างฮับและอินเทอร์เฟซอินเทอร์เน็ตอเนกประสงค์แบบรวมศูนย์ส่วนบุคคล” . ลิงค์ที่เข้าบ่อยจะได้รับการสนับสนุนและลิงค์ที่ไม่มีนัยสำคัญจะไม่ทำให้มันเป็นขั้นตอนถาวรตามสุภาษิตของพระเยซู: “สำหรับผู้ที่มีมันจะได้รับจากผู้ที่ไม่มีก็จะถูกนำออกไป” ซึ่งเป็น ยังเป็นคำอุปมาที่ดีสำหรับวิธีการสร้างการเชื่อมโยงของเซลล์ประสาทในสมองของเรา

ในการทำโปรเจ็กต์ขนาดใหญ่เช่นนี้จะต้องใช้พลังในการคำนวณและหน่วยความจำจำนวนมหาศาล และตอนนี้ก็ยังอาจเกินกว่าที่ทางเทคนิคจะเป็นไปได้ นี่คือข้อเสีย แต่พลังในการคำนวณและหน่วยความจำของคอมพิวเตอร์ได้เพิ่มขึ้นในลักษณะทวีคูณตลอดหลายทศวรรษที่ผ่านมา และไม่มีเหตุผลใดที่จะเชื่อว่าเทคโนโลยีที่จำเป็นนั้นอยู่ไม่ไกลเกินเอื้อม

การใช้งานและข้อได้เปรียบทางการค้ามีมากมาย

Chatbots และระบบภาษาอื่นๆ สามารถปรับปรุงได้โดยการเรียนรู้จากแผนที่สหสัมพันธ์เหล่านี้ เสิร์ชเอ็นจิ้นสามารถปรับปรุงได้ด้วยการแสดงผลลัพธ์ในการจัดอันดับตามแผนที่ใกล้เคียงด้วยความถี่ถ่วงน้ำหนัก ที่ด้านล่างของการค้นหา คุณอาจมีคำแนะนำในรูปแบบของ “ผู้ที่ค้นหาคำเหล่านี้ก็มองหา…”

สามารถสร้างแผนที่ ontological เชิงพาณิชย์ได้โดยมีเงื่อนไขเชื่อมโยงกับบริษัททั้งหมดที่เกี่ยวข้องกับการค้าขายผลิตภัณฑ์ที่เกี่ยวข้องกับคำนั้น เช่นเดียวกับระบบของ Alitora ที่ทำแผนที่ว่ายีนบางตัวที่เชื่อมโยงกับโรคนั้นเชื่อมโยงกับบริษัทต่างๆ ที่พัฒนายาเพื่อต่อต้านโรคเหล่านี้ผ่านกลไกที่เกี่ยวข้องกับยีน โปรตีน หรือวิถีทางเมตาบอลิซึมที่เกี่ยวข้อง

ดังนั้น เราสามารถสร้าง Commerce Memome (Commercome) เป็นฐานข้อมูลที่สามารถค้นหาได้: ชุดทั้งหมดของความสัมพันธ์ทางการค้าทั้งหมด เช่น ผลิตภัณฑ์ที่เชื่อมโยงกับผู้ขาย ผู้ซื้อผู้ผลิต ฯลฯ คอมมิคส์จะจับคู่ความสัมพันธ์ในลักษณะออนโทโลยี เมื่อสร้างเครือข่ายข้อมูลดังกล่าวแล้ว จะกลายเป็นวิธีการที่มีประโยชน์และง่ายในการระบุคู่แข่งและผู้มาใหม่ในสาขา (โดยมีเงื่อนไขว่าระบบจะได้รับการอัปเดตอยู่เสมอ)

การโฆษณาสามารถได้รับประโยชน์อย่างมากจากแผนที่สหสัมพันธ์ดังกล่าว ในการเปรียบเทียบกับข้อเสนอแนะในรูปแบบของ “ผู้ที่มองหาคำเหล่านี้ก็มองหา ..” เทคโนโลยีที่ใช้การทำแผนที่แบบ ontology สามารถนำไปใช้ในการโฆษณาได้ เช่น ใช้หลักการเดียวกันนี้ในการเปรียบเทียบกับสิ่งที่เกิดขึ้นบนเว็บไซต์เชิงพาณิชย์ เช่น Amazon.com : “คนที่ซื้อ A ก็ซื้อ B ด้วย” แต่ทำเกินกว่าหลักการนี้เล็กน้อยในอัลกอริธึมวิวัฒนาการและการเรียนรู้ เช่น ค่าโฆษณาสามารถเชื่อมโยงกับความถี่ของการคลิกโฆษณาที่เป็นปัญหา (โฆษณา PPC) ในขณะที่ความถี่ในการแสดงโฆษณาก็เชื่อมโยงไปพร้อมกันด้วย ด้วยวิธีนี้อีกครั้งในการปฏิบัติตามหลักการของ “ผู้ที่มีมันจะต้องได้รับจากผู้ที่ไม่มีมันจะถูกริบไป” ข้อมูลเชิงพาณิชย์อื่นและการทำแผนที่การทำเหมืองข้อความอาจเกี่ยวข้องกับความถี่ในการทำแผนที่ของการคลิกโฆษณาไปยังข้อความค้นหาบางคำ นอกจากนี้ยังสามารถใช้ร่วมกับระบบที่เชื่อมโยงค่าโฆษณากับความถี่ในการคลิกและ/หรือความถี่ในการแสดงผล อีกครั้งที่ AIbot ที่มีฟังก์ชันเหล่านี้จะเรียนรู้จากบริบทและการแสดงข้อมูลตามบริบท อีกครั้ง AIbot จะสร้างคลาสและขุดความสัมพันธ์ที่เฉพาะเจาะจงมากขึ้นจากคลาสย่อยที่สร้างขึ้น

AIbots ดังกล่าวสามารถช่วยตอบคำถามในเอกสารคำถามที่พบบ่อยได้ โดยควรสามารถสนทนาในภาษาธรรมชาติเป็นแชทบ็อตได้ จากการตอบกลับและคำถามและผลลัพธ์ความพึงพอใจของผู้ใช้ บอทดังกล่าวสามารถตั้งโปรแกรมให้เรียนรู้และพัฒนาไปสู่ผู้ให้บริการข้อมูลที่มีประสิทธิภาพมากขึ้น

ดังนั้น Memomics สามารถขยายให้กลายเป็นเครื่องมือที่มีคุณค่าในการขุด datagems ของบาบิโลนประดับด้วยเพชรพลอยของข้อมูล