A Google szerint a mobilitási adatok jobb helyismeretet adhatnak az AI-modelleknek

A helyeknek a Google szerint ritmusuk is van

A Google Research bejegyzése szerint a mesterséges intelligencia sokat fejlődött a szöveges világ megértésében, de a fizikai környezet megértéséhez ennél többre van szükség. A kutatók abból indulnak ki, hogy egy helynek kétféle lenyomata van: az, ami papíron látszik róla, például a neve, címe, kategóriája és leírása, valamint az, ahogyan a valóságban működik a nap és a hét különböző időszakaiban.

A hagyományos nyelvi modellek a helyeket, vagyis a gyakran POI-ként emlegetett érdekes pontokat jellemzően statikus metaadatok alapján írják le. Ilyen lehet egy vállalkozás címe, üzleti kategóriája vagy szöveges bemutatása. A Google szerint még a fejlett szövegfeldolgozó modellek, például a Gemini geotérbeli reprezentációi is gazdagíthatók az épített környezet valós, időben változó működési mintáival.

Erre javasolja a Google Research a Mobility-Embedded POIs keretrendszert. A ME-POIs nyilvánosan elérhető benchmark adathalmazokból származó, aggregált és anonimizált mobilitási mintákat használ, köztük érkezési időket, tartózkodási időtartamokat és a környező mozgásmintákat. A cél az, hogy a modellek ne csak egy statikus szövegcsomagként kezeljenek egy helyet, hanem olyan matematikai reprezentációt, beágyazást hozzanak létre róla, amely egyszerre kódolja az identitását és a tényleges működését.

Három lépésben készül a mobilitással bővített helyreprezentáció

A Google leírása alapján a ME-POIs háromlépcsős folyamatra épül: látogatásillesztésre, több léptékű térbeli látogatásterjesztésre és szöveg, mobilitás szinergiára. A rendszer a statikus szöveges metaadatokat, vagyis a hely identitását kapcsolja össze a nyilvános benchmarkokból származó dinamikus látogatási mintákkal, vagyis a hely funkciójával.

A látogatásillesztésnél a modell az adott helyhez tartozó aggregált látogatásokat alapvető adatpontként kezeli. Elemzi az érkezési idősávokat, a távozási trendeket és a jellemző tartózkodási időket. A Google szerint a rendszer nem egyszerű átlagokat számol, hanem egy időbeli enkóderrel sűrű vektortérbe képezi le ezeket a sorozatokat. Így jön létre egy funkcionális középpont, amely az adott helyhez kapcsolódó, aggregált és anonimizált mobilitási mintákat írja le egyéves cikluson és a hét különböző napjain keresztül.

A második lépés a geotérbeli adatok egyik tartós problémájára, az adathiányos hosszú farokra reagál. A forrás szerint a híres nevezetességek, nagy bevásárlóközpontok és népszerű belvárosi láncok sok látogatási adatot termelnek, miközben a helyi kisvállalkozások, például környékbeli butikok, speciális javítóműhelyek vagy új kávézók gyakran kevés adattal rendelkeznek. Korábban egy modell kevés vagy hiányzó látogatás esetén tévesen azt feltételezhette, hogy a helynek nincs aktivitása.

A ME-POIs ezt több léptékű térbeli látogatásterjesztéssel kezeli. A rendszer a közeli helyeket több térbeli szinten vizsgálja, az adott utcát, a háztömböt és a tágabb környéket. Ezután statisztikailag átviszi a forgalmasabb, adatban gazdag szomszédok aggregált látogatási mintáit a közeli, adatszegény helyekre. A Google szerint így a modell a regionális ritmusból tanulhat, és kisebb üzletekről is képes információt nyerni akkor is, ha kevés vagy semmilyen közvetlen megjelenésük nincs az adatokban.

A harmadik lépésben a keretrendszer a szöveges leírásokat bővíti. A magas szintű nyelvi beágyazásokat, például a Geminihez hasonló fejlett modellekből kinyert vektorokat a frissen előállított mobilitási vektorokhoz igazítja a koszinusz-hasonlóság maximalizálásával. A Google magyarázata szerint ez megőrzi a szerkezeti szemantikát, például hogy egy hely ételt árul, miközben működési kontextust ad hozzá, például hogy inkább ebédlőhelyként vagy késő esti étkezőként működik.

Los Angelesben és Houstonban tesztelték

A Google Research a keretrendszert két nagy, kulturálisan eltérő nagyvárosi térségben, Los Angelesben és Houstonban vizsgálta. A kutatók öt feladaton mérték, hogy a ME-POIs mennyire ad általános, attribútumfüggetlenebb képet a fizikai helyekről.

• Nyitási és zárási idők előrejelzése: a beágyazások segítenek-e következtetni egy vállalkozás pontos menetrendjére.
• Árszint-besorolás: a mobilitási kontextus alapján megkülönböztethető-e például egy luxusbutik és egy használtcikkbolt.
• Végleges bezárás felismerése: a rendszer segíthet-e jelezni olyan vállalkozásokat, amelyek már bezártak, mielőtt a tulajdonos frissítene egy online profilt vagy közösségi jelentés készülne.
• Látogatási szándék osztályozása: becsülhető-e egy hely iránti aggregált keresési és navigációs érdeklődés, amely a népszerűség helyettesítő mutatójaként szolgál.
• Forgalmasság előrejelzése: jövőbeli tömegsűrűség és csúcsidős dinamika becslése vállalkozásoknál.

A kiindulási összehasonlításhoz a Google a ME-POIs keretrendszert szövegalapú beágyazási modellekkel, például Gemini embeddings megoldásokkal, meglévő, trajektóriaalapú geotérbeli modellekkel, például TrajGPT-vel, valamint hibrid változatokkal vetette össze. A forrás szerint a keretrendszert megfigyelt helyeken tanították, majd teljesen nem látott helyeken kérték tőle az attribútumok előrejelzését, hogy ne pusztán helyi minták memorizálását mérjék.

Jelentős javulást mértek több feladatban

A Google Research szerint a valós mobilitási adatok hozzáadása érzékelhető kontextuselőnyt adott a szöveges modelleknek. A ME-POIs integrálása legfeljebb 81,9 százalékos relatív javulást hozott a látogatási szándék előrejelzésében, 75,1 százalékos javulást az árszint-besorolásban, és 24,7 százalékos pontosságnövekedést a forgalmasság becslésében nem látott helyeken.

A bejegyzés szerint a ME-POIs minden prediktív feladatban következetesen felülmúlta a tisztán szövegalapú és a mobilitásalapú kiindulási modelleket. A kutatók azt is kiemelik, hogy több esetben, például az árszint-besorolásnál, a kizárólag mobilitási adatokkal tanított modell is jobban szerepelt, mint azok, amelyek csak szöveges metaadatokhoz fértek hozzá.

Ez a forrás alapján azt jelzi, hogy a helyekről szóló szöveg sok fontos információt hordoz, de önmagában nem mindig írja le a működési valóságot. Egy vállalkozás kategóriája megmondhatja, hogy milyen szolgáltatást kínál, a mobilitási minta viszont utalhat arra, mikor és hogyan használják az emberek az adott helyet.

Mit jelenthet ez a felhasználóknak és a piacnak

A ME-POIs a Google leírása szerint olyan modellekhez vezethet, amelyek pontosabban következtetnek valós helyek attribútumaira, köztük nyitvatartásra, célzott árszintre, aktuális üzleti állapotra, látogatási érdeklődésre és forgalmasságra. A felhasználók szempontjából ez olyan térképes, keresési vagy navigációs rendszerek alapját erősítheti, amelyek nemcsak a leírt adatokból, hanem a helyek időbeli működéséből is tanulnak.

A piaci jelentőség a forrásból levezetve abban áll, hogy a helyek digitális leírása közelebb kerülhet a valós használathoz. Különösen fontos lehet ez azoknál a kisebb vagy új helyeknél, amelyekről kevés közvetlen adat áll rendelkezésre. A Google által bemutatott módszer éppen ezeknél próbálja csökkenteni az adathiány hatását azzal, hogy a közeli, hasonló környezetben működő helyek aggregált mintáiból is tanul.