Google hat ein neues AI-Modell vorgestellt, das auf Graphen basiert und als Graph Foundation Model (GFM) bezeichnet wird. Dieses Modell kann auf nicht vorhergesehene Graphen verallgemeinern und liefert eine präzise Verbesserung um das Drei- bis Vierzigfache im Vergleich zu bisherigen Methoden. Die Technologie wurde erfolgreich in groß angelegten Anwendungen wie der Spam-Erkennung getestet.
Graph Neural Networks Vs. Graph Foundation Models
Stell dir eine Welt der Daten vor, dargestellt als Graphen: Verbindungen (Edges) zwischen Knotenpunkten (Nodes), die Informationen wie Webseiten oder Beziehungen zwischen Tabellen darstellen. Während bisherige Graph Neural Networks (GNNs) jeweils spezifisch auf einen Graphen trainiert werden mussten, hebt sich das GFM durch seine Fähigkeit ab, ohne zusätzliche Trainingsdaten für neue Graphen zu arbeiten. Das bedeutet, es kann Muster in völlig neuen Datensätzen erkennen und präziser arbeiten.
Was macht GFMs besonders?
Dieses neue Modell ermöglicht es, Daten aus verschiedenen Tabellen in einem großen Graphen zu kombinieren, was zur Erfassung komplexer Beziehungen zwischen verschiedenen Datensätzen beiträgt. Anders als alte Modelle sind GFMs flexibel und effizient, insbesondere bei großen Infrastrukturen wie denen von Google. Ganz einfach ausgedrückt: Du kannst dir vorstellen, dass die Daten aus jeder Zeile einer Tabelle zu einem Knoten umgewandelt werden und dass diese Knoten durch Verbindungen basierend auf den Beziehungen in den Tabellen verbunden sind.
Wichtige Vorteile und Tests
Eine der suprisierenden Verbesserungen durch GFMs zeigt sich in Googles Ad-Systemen. Dort, wo frühere Modelle Zusammenhänge zwischen Graphen nicht erkennen konnten, schafft das GFM eine Handlungsebene, die völlig neue Verbindungen zwischen Tabellen aufdeckt. Dies führte zu maßgeblichen Erfolgen, insbesondere in der Erkennung und Vermeidung von Spam-Anzeigen.
Mögliche zukünftige Nutzung
Dieses System ist bereits einsatzfähig und flexibel genug, um weitere Google-Produkte zu unterstützen. Einige Anwendungsfälle könnten die Analyse von Link-Spam oder die Kategorisierung von Themen umfassen. Verbesserungspotenziale dieses Modells bestehen laut Google noch durch mehr Training und Skalierung. Und wer weiß, wie weit Google damit noch gehen wird?
