W środę 14 grudnia 2022 r. firma Google ogłosiła aktualizację swojego systemu antyspamowego opartego na sztucznej inteligencji o nazwie SpamBrain. Ta aktualizacja wykorzystuje SpamBrain do wykrywania i eliminowania wpływu nieprawidłowych linków w wynikach wyszukiwania. Oczekuje się, że wdrożenie tej aktualizacji zajmie dwa tygodnie i będzie dotyczyć wszystkich języków. Może to spowodować zmianę w rankingu z powodu utraty kredytu z tych nietypowych linków.
Google konsekwentnie podkreśla, że linki uzyskane w wyniku fałszowania rankingu wyszukiwania są uważane za linki spamowe. z tą aktualizacją Algorytmy i działania ręczne mają na celu unieważnienie tych anomalnych powiązań na dużą skalę. Jeśli użytkownik natrafi na witrynę zawierającą nienaturalne tworzenie linków Mogą zgłosić bezpośrednio do Google. Opisz dokładnie tę aktualizację. Użytkownicy mogą publikować wiadomości w Społeczności pomocy Google.
W tym poście Duy Nguyen, Ildar Akhmedyanov, Jacob N Scott i Karthikgeyan Elangovan omawiają, jak skalować operacje uczenia maszynowego na komputerach o wysokiej wydajności (HPC). Więcej danych i liczba modeli używanych w uczeniu maszynowym. Systemy HPC są zatem wymagane do wykorzystania większych zasobów obliczeniowych. Opisują typową konfigurację HPC i omawiają, jak włączyć szkolenie rozproszone.
Autor oferuje również wskazówki, jak zoptymalizować potok danych w celu uzyskania lepszej wydajności. Jednym z ważnych kroków jest upewnienie się, że dane są wstępnie przetwarzane przed wysłaniem ich do węzła obliczeniowego. Zmniejsza to obciążenie sieci i pomaga węzłom działać z maksymalną wydajnością.Omawiają również znaczenie używania platform, takich jak TensorFlow lub PyTorch, do rozproszonego szkolenia. Ponieważ są to zoptymalizowane metody zrównoleglania modelu.
Na koniec autor przedstawia przegląd popularnych systemów HPC, takich jak Apache Spark i Kubernetes, które można wykorzystać do obsługi wielkoskalowych zadań uczenia maszynowego. Na zakończenie stwierdzają, że systemy HPC są niezbędne do skalowania operacji uczenia maszynowego w dzisiejszym świecie dużych zbiorów danych i złożonych modeli.