lswcap
2021 年 9 月 29 日，谷歌举办了一年一度的 Search On 活动。在本次活动中，谷歌展示了一项全新的谷歌搜索功能，该功能引入了一种全新的搜索算法——MUM（Multitask Unified Model）多任务统一模型。
谷歌在 5 月 19 日的 Google I/O 2021 开发者大会上宣布的 MUM 是一台机器，Transformers，一种擅长语言理解的神经网络结构，能够理解文本或图像信息，未来还可以解释语音或视频。这是一种学习技能。
MUM 的主要功能之一是通过图像识别技术 Google Lens 的增强，将图像搜索和单词搜索相结合。例如，此功能允许您在不知道后轮拨链器名称的情况下通过在拍摄自行车零件的同时输入并搜索修复方法来检查修复方法。
此外，在谷歌搜索应用的镜头模式下，您可以再次搜索搜索过程中显示的图像，并且仅搜索图像的一部分。这将很快在适用于 iOS 的 Google 搜索应用程序中实现，但据说它仅在美国可用。另外，据说PC版的谷歌浏览器中会出现可以选择任意图片或视频并立即获得搜索结果的功能，并将在全球部署。
MUM 在自然语言处理和图像识别方面都表现出色，可以将更多的图像和照片添加到搜索结果中。过去，搜索结果顶部会显示一些图像，因此如果您想查看更多图像，则必须切换到图像搜索选项卡。能够理解文本和句子。
谷歌还宣布了关于这个结果，它扩大了关于链接指向哪个站点的信息的提供。
从 2021 年 2 月开始，此功能已作为测试版进行测试。以前，您可以单击搜索结果链接右侧的图标查看结果排名靠前的原因，但通过此增强功能，您可以查看链接站点命名搜索结果和来自其他网站的详细处理同一主题的文章。 可以在此处找到相关信息。
谷歌还宣布将添加一个森林火灾层，以在谷歌地图上查看野火信息，或扩大其树冠洞察的范围，它指定了最好种植城市树木的地方。
近期，受全球气候变化影响，山火频发，9月，美国加利福尼亚州发生山火，5万多人被勒令撤离。在紧急情况下，准确收集森林火灾信息以保护自己很重要，因此谷歌发布了2020年美国使用卫星数据的森林火灾边界图。
野火边界地图使美国人能够大致了解火灾的规模和范围，但新的谷歌宣布将野火信息汇总并为谷歌地图添加一个新图层。新添加的森林火灾图层在地图上用红色标记了火灾区域。点击野火部分以查看有关火灾的详细和最新信息。
您可以找到发生紧急情况时可参考的网站、寻求帮助的电话号码、当地政府提供的有关详细疏散命令的可用资源的链接，以及火灾和消防响应范围等信息。从 9 月的最后一周到 10 月初，森林火灾层将在 Android 上全球部署，iOS 和桌面将在 10 月出现。在美国，国家跨部门消防中心将扩展详细数据层，未来几个月将在澳大利亚和其他国家扩展类似的详细数据。
城市气温高于郊区的热岛现象的发生，对低收入社区造成不利影响，并引发空气质量差、脱水等诸多卫生问题。众所周知，在行道树和公园中种植的树木可以保护人和建筑物免受阳光直射，并通过释放热量和水分蒸发来降低温度以防止温度升高，因此城市设计者有效地喝水很重要。
因此，在 2020 年 11 月，谷歌将航空摄影与人工智能相结合，推出了 Tree Canopy Lab-Tree Canopy Insights，这是一种帮助确定城市树木密度、温度快速升高风险高的位置并协助植树的工具。 ) 发表。
到目前为止，Tree Canopy Labs 仅在美国的 15 个城市可用，但谷歌已宣布将其产品扩展到全球 100 个城市，包括伦敦、悉尼和多伦多。
这是一个地址生成器应用程序，可让您创建新地址。很多人可能认为有地址是理所当然的，但在世界上，很多人没有公开注册的地址，住在空旷的地方，但没有街道号码的情况在发展中国家却是个问题。 .没有公共地址，选举投票、申请银行账户职位空缺、接收邮件等各种行为都会受到限制。
因此，谷歌使用名为 Plus Codes 的开源系统创建了地址制作应用程序 Address Maker，该系统为地图上的所有区域分配唯一代码。地址制定者可以创建新地址并将其分配给地图，从而将时间从数年缩短到数周并降低成本。由于冈比亚、肯尼亚、南非和美国等政府和非政府组织已经在使用地址生成器，因此地方政府和非政府组织可以通过申请表要求使用地址生成器。相关信息可以在这里找到。
与此同时，以通过深度学习分析蛋白质结构和开发围棋人工智能而闻名的谷歌等Alphabet子公司DeepMind宣布开发了DGMR，这是一种深度生成模型，可以高精度预测降水概率。 90 分钟。在天气预报中预测两小时内的气候变化正成为一个难题，因此该模型的出现有望大大提高天气预报的准确性。
在现代天气预报中，数值预报方法用于通过数值计算大气中流体的运动来预测未来的天气。数值预报擅长提前 6 小时或提前 2 周预测天气，但预测 2 小时内的天气不太准确。
为了提高所谓2小时内的短时预测精度，DeepMind构建了深度生成模型DGMR，利用用于图像生成的敌对生成网络GAN等算法，研究了天气雷达捕捉到的雨云的运动，以及研究雨云 5 到 90 分钟。它旨在预测和生成运动。
为了验证 DGMR 生成的预测结果的准确性，DeepMind 准备了两个现有的降水概率预测模型，并请 56 位天气播报员评估每个模型的精度。结果，89% 的人表示 DGMR 是最准确和最有用的。据说DGMR具有均衡的降水概率强度和范围，接近实际观测记录。相关信息可以在这里找到。
Add comment