Официальный блог Google Россия

Джефф Дин, старший научный сотрудник и вице-президент Google Research

За последние несколько десятилетий я стал свидетелем больших изменений, которые произошли в машинном обучении (ML) и информатики. Думаю, результатом этого долговременного прогресса станет ряд научных прорывов, которые мы увидим уже в ближайшие несколько лет. Эти достижения в конечном итоге принесут пользу миллиардам людей и окажут большое влияние на наши жизни. В этом материале я выделю пять направлений, на которые серьезно повлияет ML.

Тренд 1. Более мощные модели ML общего назначения

Сейчас исследователи работают с более крупными, мощными моделями машинного обучения. К примеру, в сфере лингвистики несколько лет назад модели с миллиардами параметров тренировались на десятках миллиардов сегментов данных. Сегодня на триллионах сегментов данных тренируются модели с сотнями миллиардов или даже триллионами параметров (например, разреженные нейросети, такие как наша модель GShard с 600 млрд параметров).

Рост объема данных и размеров самих моделей способствовал существенному увеличению точности выполнения различных языковых задач.

Многие из таких передовых моделей показали удивительную способность к генерализации, которая позволяет выполнять новые языковые задачи. В качестве примера можно рассмотреть нашу технологию LaMDA, в которой модель демонстрирует нетривиальную способность вести открытый диалог, не теряя нити беседы даже при многократной смене темы. 

Модели-трансформеры играют большую роль в области распознавания изображений, видеоматериалов и речи. Как прогнозировалось в работе о закономерностях масштабирования моделей Vision Transformer, модели-трансформеры существенно выигрывают при их масштабировании. Трансформеры, распознающие изображения и классифицирующие видео, лидируют по многим показателям. Мы ранее демонстрировали, что добавление изображений к видеоматериалам при тренировке моделей по распознаванию может повысить эффективность их работы, особенно при сравнении с моделями, которые тренировались только на видеоматериалах.

Были разработаны механизмы разреженного осевого внимания для трансформеров, работающих с изображениями и видео, что позволило более эффективно использовать вычислительные мощности. Также были усовершенствованы методы токенизации изображений для моделей Vision Transformer, и теперь мы лучше понимаем принципы функционирования моделей Vision Transformer благодаря сравнительному анализу их работы со сверточной нейронной сетью. Внедрение в трансформеров сверточных операций позитивно сказалось на способности этих моделей выполнять задачи по распознаванию визуальных образов и речи.

Качество выходных данных у генеративных моделей также существенно улучшается. За последние несколько лет эти модели достигли значительных успехов, научившись создавать реалистичные изображения лишь на основании описания (например, «ирландский сеттер» или «трамвай»). Они даже могут «додумывать» изображение с низким разрешением, создавая вполне естественный экземпляр высокого разрешения («Компьютер, улучши качество!») или создавать «бесконечную природу» — генерировать природные панорамы из одного изображения.

Также изображения могут быть преобразованы в последовательность из отдельных фрагментов, которые затем можно синтезировать с высокой четкостью, используя авторегрессионную генеративную модель.

Мы видим в этих разработках не только мощный потенциал, но и большую ответственность, поэтому мы тщательно отбираем возможные сценарии использования таких моделей в соответствии с принципами применения искусственного интеллекта.

Кроме передовых одномодальных моделей начинают появляться и крупномасштабные мультимодальные. На сегодняшний день это одни из самых совершенных нейросетей, поскольку они способны не только понимать разные модальности (например, язык, изображения, речь, видео), но и выдавать в них результат: например, генерировать изображения на основе предложений или параграфа или давать понятное описание визуальной составляющей изображения. Это невероятно интересно, ведь, как и в обычной жизни, многие вещи легче воспринимать сразу в нескольких форматах (например, гораздо эффективнее не только почитать о чем-либо, но и просмотреть презентацию об этом). Поэтому сопровождение текста изображениями может помочь при извлечении мультиязычной информации, а более четкое понимание того, как сочетать текст и изображения на этапе ввода, улучшит подписи изображений. Похожим образом использование для тренировки одновременно графических и текстовых данных может улучшить точность и надежность выполнения задач по визуальной классификации, в то время как  совмещение обучения на графических, видео- и аудиоматериалах повышает способность модели к генерализации всех модальностей. Помимо этого, существуют предположения, что естественный язык используется для осуществления манипуляций с изображениями, для обучения роботов взаимодействию с миром и для контроля программных систем. Вполне возможно, что в разработке пользовательских интерфейсов грядут изменения.

Все это указывает на то, что вскоре мы сможем тренировать высокопроизводительные модели общего назначения, способные обрабатывать несколько модальностей данных и решать тысячи или миллионы задач. Добиться более высокой эффективности мультимодальных моделей можно, если обеспечивать в них разреженность, чтобы для выполнения конкретной задачи активировались только наиболее подходящие части модели. В течение следующих нескольких лет мы реализуем это видение в новой архитектуре искусственного интеллекта — Pathways. Мы ожидаем значительный прогресс в этой области, поскольку будут объединены многие идеи, которые до сих пор разрабатывались относительно независимо.

Тренд 2. Повышение эффективности машинного обучения

Повышение эффективности, обусловленное достижениями в разработке компьютерного оборудования, совершенствования алгоритмов ML, а также исследованиями в области метаобучения, расширяют возможности моделей машинного обучения. Многие аспекты процесса разработки ML — от оборудования, на котором обучается и выполняется модель, до отдельных компонентов архитектуры МО — можно сделать более эффективными, при этом сохранив или даже повысив общую производительность модели.

По сравнению с предыдущими годами, сейчас удается тратить на каждый аспект меньше ресурсов, а также уменьшать выбросы в эквиваленте CO2 (CO2e). Повышение эффективности позволило осуществить ряд прорывных достижений, которые открыли дорогу к дальнейшей оптимизации МО. Это позволит разрабатывать еще более масштабные, качественные и доступные модели с меньшими финансовыми затратами. Я считаю это направление исследований очень перспективным.

Продолжение работы над улучшением производительности ускорителей ML

Каждое новое поколение ускорителей машинного обучения лучше предыдущего. Чипы становятся производительнее, а масштабы систем увеличиваются. В прошлом году было анонсировано четвертое поколение тензорных процессоров TPUv4, которые в  2,7 раз производительнее TPUv3 в тестах MLPerf.

Совершенствование компиляции и оптимизация рабочих задач ML

Даже если аппаратное обеспечение не претерпело изменений, улучшения в компиляторах и другие оптимизации системного программного обеспечения ускорителей МО могут привести к значительному повышению эффективности.

Например, в работе «Гибкий подход к автонастройке многопроходных компиляторов машинного обучения» показано, как применять ML при выполнении автонастройки параметров компиляции, чтобы без изменения аппаратной конфигурации получить прирост производительности набора программ ML на 5–15% (иногда с повышением производительности в 2,4 раза). Система автоматического распараллеливания на основе компилятора XLA GSPMD способна масштабировать большинство сетевых архитектур глубокого обучения, не ограничиваясь объемами ускорителя МО. Применение такой системы в крупных моделях, например  GShard-M4, LaMDA, BigSSL, ViT, MetNet-2 и GLaM позволило достичь выдающихся результатов в различных сферах применения ML.

Наши активные поиски возможностей совершенствования архитектуры и алгоритмов моделей ML, включающие обучение с подкреплением и эволюционные техники, вдохновили других специалистов проводить исследования в своих сферах деятельности. Чтобы помочь им в этом, мы открыли свободный доступ к платформе Model Search, которая позволяет выполнять поиск параметров моделей в других областях.

Внедрение разреженности

Разреженность подразумевает, что при обучении на примере либо на фрагменте данных или при выполнении определенной задачи активируется лишь наиболее подходящая для этого часть высокоемкой модели. Это важное алгоритмическое усовершенствование может значительно повысить производительность. Проект GLaM показал, что путем объединения трансформеров и технологии комбинации узкоспециализированных слоев можно создать модель, которая в среднем превосходит по точности нейросеть GPT-3 в 29 эталонных тестах и при этом использует в 3 раза меньше энергии для обучения, а для вывода ей требуется произвести в 2 раза меньше вычислений.

Тренд 3. Машинное обучение становится все более полезным как для человека, так и для общества в целом

Ряд новых разработок стал возможными благодаря инновациям в области МО и новым полупроводникам мобильных устройств, которые стали лучше воспринимать контекст и ощущать окружающую среду. Они стали доступнее и проще в эксплуатации, а их вычислительная мощность возросла. Это важный фактор в развитии популярных функций, таких, как мобильная фотография, живой перевод и другие. Примечательно, что последние технологические достижения стали более персонализированными, при этом были усилены меры по обеспечению конфиденциальности.

Как никогда много людей сегодня используют камеры телефонов в жизни и творчестве. Правильное применение машинного обучения в вычислительной фотографии продолжает расширять возможности телефонных камер. Их использование становится проще, повышается производительность. Все это позволяет делать более качественные изображения. Такие функции, как улучшенный  HDR+, съемка при слабом освещении, обработка портретов, а также стремление сделать камеры более универсальными, чтобы они могли работать с любыми оттенками кожи, позволяют получать фотографии, которые выглядят профессионально, точнее передают детали объекта фотосъемки и видение фотографа. Эти снимки могут быть дополнительно усовершенствованы с помощью мощных инструментов на основе ML, которые стали доступны в Google Фото, например, фото с киноэффектом, подавление шума, уменьшение размытости и волшебный ластик.

Для коммуникации в режиме реального времени  с носителем другого языка или с человеком на расстоянии многие используют функцию мгновенного перевода в мессенджерах и возможности автоматических субтитров во время телефонных звонков. Точность распознавания речи продолжает расти благодаря таким методам, как обучение с самоконтролем и обучение в режиме «шумное занятие студентов». Во многих языках улучшилось восприятие речи с акцентом, а также в шумных условиях и с наложением другого голоса. Функция перевода живой речи в приложении Google Переводчик стала лучше благодаря стабилизации переведенных фраз, сгенерированных мгновенно. Новые проекты по внедрению технологий ML в традиционные методы речевого кодека Lyra и аудиокодека SoundStream позволили повысить качество передаваемой речи, музыки и других звуков при использовании гораздо более низкого битрейта.

Благодаря технологиям МО реализованы новые методы обеспечения безопасности отдельных пользователей и целых сообществ. Например, функция оповещений о подозрительных сообщениях предупреждает о возможных фишинговых атаках, а безопасная навигация позволяет избежать применения экстренного торможения, предлагая альтернативные маршруты в обход небезопасных участков.

Тенденция 4. Растущее влияние машинного обучения на науку, здравоохранение и экологию

В последние годы растет влияние машинного обучения на развитие фундаментальных наук — от физики до биологии. В смежных областях открываются новые, удивительные перспективы применения ML, например в области возобновляемой энергетики и медицины. Технология становится все более совершенной, надежной и доступной, помогая нам искать решения самых острых глобальных проблем.

Широкомасштабное применение компьютерного зрения 

Достижения в области компьютерного зрения за последнее десятилетие позволили использовать компьютеры для решения самых разных задач. В неврологии методы автоматизированной реконструкции могут воспроизвести нервную соединительную структуру тканей головного мозга, основываясь на изображениях тонких срезов ткани головного мозга, полученных с помощью электронной микроскопии высокого разрешения. Ранее совместно с научным сообществом, мы смогли воссоздать структуру мозга плодовой мушки, мыши и певчей птицы. В прошлом году вместе с лабораторией Лихтмана Гарвардского университета мы проанализировали крупнейший визуализированный и реконструированный образец мозговой ткани и провели первое крупномасштабное исследование синаптических связей в коре головного мозга человека, охватывающее несколько типов клеток. Цель этой работы — создать новый ресурс, который поможет ученым в изучении ошеломляющей сложности строения человеческого мозга.

Технология компьютерного зрения активно используется и для решения глобальных проблем. Метод прогнозирования погоды, основанный на глубоком обучении на основании спутниковых, радиолокационных изображений в сочетании с другими атмосферными данными, дает более точный прогноз погоды и осадков на ближайшее 12 часов, чем традиционные физические модели. При этом такой прогноз составляется гораздо быстрее, что во время экстремальных погодных условий может иметь решающее значение. 

Исследование возможностей автоматического моделирования

Еще один подход, показавший отличные результаты — это способность алгоритма ML изучить и смоделировать пространство для последующего автоматического поиска решений. Так, например, вариационный автокодировщик обучился созданию эстетически привлекательных и практичных макетов документов по принципу трансформера. Этот же подход можно использовать для создания эскизов мебели. В другом эксперименте модель МО применили для автоматического поиска возможностей усовершенствования дизайна компьютерной игры с целью улучшить ее играбельность и другие атрибуты игрового процесса. 

Применение ML в области здравоохранения

Помимо влияния на развитие фундаментальных наук, машинное обучение также может сыграть ведущую роль в развитии медицины и здравоохранения. Идея использовать достижения в этой области существует уже давно. Одной из первых наших задач стала разработка  программного обеспечения, которое помогало анализировать эпидемиологические данные. Но постепенно мы открываем новые возможности ML и, конечно же, ставим новые задачи.

Возьмем, к примеру, область геномики. С момента возникновения этой науки компьютерные технологии играли важную роль в ее развитии. Появление машинного обучения разрушило старые парадигмы и подарило новые возможности. Мы запустили бесплатное программное обеспечение DeepConsensus, а позже в сотрудничестве с UCSC выпустили PEPPER-DeepVariant, которые поддерживают существующие технологии и значительно ускоряют процесс секвенирования биополимеров.

Наш метод фенотипирования на основе ML помогает преобразовать тяжелые изображения и массивы текстовых данных в фенотипы, пригодные для исследования. А наш метод DeepNull позволяет работать с большими объемами данных в области генетических исследований.

Мы надеемся, что в будущем схожие алгоритмы машинного обучения будут применяться для диагностирования рака молочной железы, рака легких, ускорения лечения раковых больных с помощью лучевой терапии, определения аномалий на рентгеновских снимках и помощи в проведении биопсии рака простаты.

Применение МО для преодоления климатического кризиса

Недавно мы представили функцию построения экологически безопасных маршрутов в Google Картах. По нашим оценкам, это поможет сократить выбросы газа более чем на 1 млн тонн в год и позволит снизить расходы на топливо. Подобный результат сравним с сокращением количества автомобилей на дорогах до 200 000 единиц. 

В 2021 году наша инициатива по прогнозированию наводнений была расширена и охватила большее количество людей, а именно — 360 миллионов человек. Мы отправили более 115 миллионов предупреждений об угрозе наводнения на мобильные устройства пользователей — это в 3 раза больше, чем годом ранее.

Тенденция 5. Более глубокое и широкое понимание ИИ

Поскольку ML все чаще используется в сфере технологий и ​​в обществе в целом,  мы считаем необходимым разрабатывать новые методы обеспечения справедливого и равноправного применения этой технологии. Это основное направление деятельности нашей исследовательской группы, отвечающей за ИИ и технологии, ориентированных на человека, и мы проводим множество исследований на тему ответственного применения МО. 

Мы пристально изучаем системы рекомендаций, основанных на данных об активности пользователей в онлайн-сервисах. Эти системы часто состоят из нескольких отдельных компонентов, и чтобы понимать, насколько справедливо и объективно они работают, важно знать, как работают компоненты вместе и по отдельности. Недавние исследования помогли разобраться в этих взаимоотношениях и открыли методы, с помощью которых можно повысить «справедливость» ее индивидуальных компонентов и всей рекомендательной системы в целом.  

Кроме того, при обучении системы на неявной активности пользователя важно, чтобы системы рекомендаций обучались непредвзято, поскольку прямой подход к обучению на элементах, которые были показаны предыдущим пользователям, демонстрирует формы предвзятости.

Создание общедоступных всеобъемлющих и менее предвзятых баз данных — возможность усовершенствовать машинное обучение для всех. В 2016 году мы представили набор данных Open Images, состоящий примерно из 9 миллионов изображений с описаниями, охватывающими тысячи категорий объектов и аннотациями для 600 различных классов.

Ссылка на Google Translate в фишинговом письме

Рассказывая о различных уловках киберпреступников, мы регулярно рекомендуем внимательно всматриваться в адреса сайтов, на которые вы переходите по ссылке из письма. Вот еще один из «красных флажков» — ссылка на страницу, переведенную при помощи сервиса Google Translate. В теории это может означать, что отправитель письма приглашает вас посетить сайт на другом языке и таким образом проявляет заботу. Но на практике чаще всего такой прием используют для того, чтобы обойти защитные механизмы, позволяющие выявить фишинг. В случае, когда письмо является частью деловой переписки, а на сайте вас просят ввести учетные данные от почты, — это однозначно повод закрыть окно браузера и удалить письмо.

Зачем злоумышленники вставляют ссылку на Google Translate

Давайте рассмотрим конкретный пример фишинга при помощи ссылки через Google Translate. Вот один из последних примеров, пойманных нашими ловушками:

Отправители письма пытаются создать впечатление, что они прислали некий платежный документ, доступный исключительно получателю письма, который необходимо изучить для «презентации встречи по контракту и последующих выплат». Ссылка с кнопки «Open» ведет на сайт, переведенный сервисом Google Translate. Правда, заметить это вы сможете, только перейдя по ней, потому что в письме она выглядит вот так:

Отвлечемся от странной формулировки — возможно, злоумышленники хотели создать впечатление, что они не являются носителями языка, чтобы ссылка на Google Translate выглядела более убедительно. А может быть, просто они никогда не видели реальных писем с финансовыми документами. На что нужно обратить внимание, так это на две ссылки снизу («Unsubscribe From This List» и «Manage Email Preferences») и на домен sendgrid.net в ссылке.

Это признаки того, что данное письмо было отправлено не вручную, а при помощи легитимного сервиса для рассылки почтовой корреспонденции. В данном случае это был сервис SendGrid, но в принципе могли использовать и любого другого ESP-провайдера. Сервисы такого типа, как правило, следят за своей репутацией и время от времени удаляют почтовые кампании, созданные с целью фишинга, а также блокируют их авторов. Поэтому злоумышленники пропускают свои ссылки через Google Translate — защитные механизмы сервисов видят легитимный домен Google и не считают сайт подозрительным. То есть это попытка обмануть не только конечную цель, но и часть усилий по нейтрализации фильтров сервиса-посредника.

Как выглядит ссылка на страницу, переведенную при помощи Google Translate

Сервис translate. google.com позволяет переводить сайты целиком — достаточно выдать ему ссылку и выбрать языки оригинала и перевода. В качестве результата он выдает ссылку на страницу, в которой домен оригинала написан через дефисы, к адресу добавлен домен translate.goog, а далее следует имя страницы оригинала и ключи, показывающие с какого языка на какой был выполнен перевод. То есть адрес перевода главной страницы нашего английского блога https://www.kaspersky.com/blog/ на испанский язык будет выглядеть вот так: https://www-kaspersky-com.translate.goog/blog/?_x_tr_sl=auto&_x_tr_tl=es&_x_tr_hl=en&_x_tr_pto=wapp.

В разбираемом нами фишинговом письме пользователя пытались заманить вот сюда:

В адресной строке браузера, несмотря на кучу мусорных символов, хорошо видно, что ссылка была переведена Google Translate.

Как оставаться в безопасности

Для того чтобы сотрудники компаний не попадались на уловки злоумышленников, мы рекомендуем периодически рассказывать им об актуальных фишинговых уловках (например, присылая им ссылки по теме из нашего блога) или, еще лучше, повышать их осведомленность о современных киберугрозах при помощи специализированных обучающих инструментов. К слову, в данном примере подготовленный пользователь вообще не дошел бы до фишинговой страницы — шансы на то, что легитимный финансовый документ, адресованный конкретному получателю, будут рассылать через ESP-сервис, прямо скажем, невелики. Некоторое время назад мы уже публиковали пост, посвященный фишингу с использованием ESP-провайдеров.

Для верности мы также рекомендуем использовать решения с антифишинговыми технологиями как на уровне корпоративного почтового сервера, так и на всех устройствах сотрудников.

Советы

Рождество и безопасность

Многие известные взломы начинались в рождественские каникулы. Несколько простых советов снизят ваши риски стать следующей жертвой.

Безопасно ли использовать Avast в 2023 году?

Решения Avast имеют неплохую репутацию, но несколько инцидентов заставляют сомневаться в их надежности. Рассказываем, можно ли доверять продуктам Avast.

Футбольные киберугрозы

Как посмотреть чемпионат мира по футболу и не стать жертвой мошенников.

Подпишитесь на нашу еженедельную рассылку

• Email*
• *
  • Я согласен(а) предоставить мой адрес электронной почты АО “Лаборатория Касперского“, чтобы получать уведомления о новых публикациях на сайте. Я могу отозвать свое согласие в любое время, нажав на кнопку “отписаться” в конце любого из писем, отправленных мне по вышеуказанным причинам.

10 новых причин любить Сообщения от Google

Сообщения

20 октября 2022 г.

min read

Jan Jedrzejowicz

Менеджер группы продуктов, Messages by Google

10:25

Мы используем приложения для обмена сообщениями, чтобы чувствовать себя на связи, и нам не нужно знать, в каком телефоне или сети мы находимся. Вот почему наша цель с Messages by Google — помочь вам наладить связи. Он также построен на основе RCS, современного протокола обмена сообщениями, который поддерживает расширенные текстовые функции, изображения и видео с более высоким разрешением и обеспечивает сквозное шифрование. С помощью RCS мы можем предоставить каждому безопасный и современный способ обмена сообщениями. Мы продолжаем выступать за RCS во всей отрасли, поэтому ключевые игроки #GetTheMessage и улучшают опыт для всех.

По мере ускорения внедрения RCS мы делаем все возможное для улучшения обмена сообщениями между Android и iOS, например, добавляем поддержку реакций. Это основано на наборе функций, которые вам уже нравятся, таких как организованный почтовый ящик, который разделяет личные и деловые сообщения, возможность делиться более четкими видео и запланированными сообщениями. И мы делаем еще больше.

Вот 10 направлений развития Messages с более безопасными, умными и современными функциями.

1. Вы когда-нибудь были в чате, где течет разговор с друзьями, и вы получаете тонны сообщений? Вскоре вы сможете отвечать на отдельные сообщения в беседе, когда включен RCS, что упрощает ответ на конкретное сообщение, не прерывая поток.

2. Ранее в этом году мы начали отображать смайлы-смайлики от пользователей iPhone на вашем телефоне Android. Теперь мы делаем еще один шаг вперед, позволяя вам также реагировать на смс-сообщения от пользователей iPhone с помощью эмодзи. Хотя RCS — это идеальное решение, мы делаем все возможное, чтобы помочь пользователям Android постоянно реагировать на сообщения.

3. Мы делаем голосовые сообщения более доступными. Используя машинное обучение, транскрипция голосовых сообщений автоматически расшифровывает сообщение, чтобы вы могли легко получить к нему доступ. Скажем, вы находитесь в людном месте и получаете аудиосообщение от любимого человека: стенограммы позволят вам «просмотреть» звук так же, как и обычное текстовое сообщение. Помимо Pixel 7 и Pixel 7 Pro, эта функция также доступна на Pixel 6, Pixel 6A, Pixel 6 Pro, Samsung Galaxy S22 и Galaxy Fold 4.

4. Напоминания теперь включаются непосредственно в сообщения, чтобы помочь вам вспомнить важные моменты без навигации по нескольким приложениям на вашем телефоне. Напомните себе позвонить маме в день ее рождения или запланировать встречу в обычное рабочее время. И если вы сохраните чей-то день рождения или годовщину в приложении контактов вашего телефона, вы получите мягкое напоминание об этом, когда откроете приложение «Сообщения».

5. Теперь вы можете смотреть видео с YouTube в Сообщениях, не выходя из приложения. Поэтому, когда кто-то отправляет вам ссылку на YouTube, вы можете быстро посмотреть и ответить, не переключаясь туда и обратно.

6. Если вы, как и я, постоянно просматриваете сообщения, чтобы найти адрес, который ваш друг прислал вам некоторое время назад, мы вам поможем. Сообщения теперь разумно предлагают вам пометить сообщения, которые содержат такие тексты, как адреса, коды дверей и номера телефонов, чтобы помочь вам легко отслеживать и быстро находить важные разговоры.

7. Иногда переписка слишком медленная и безличная, поэтому вам нужно устроить себе видеозвонок. Сообщения будут распознавать такие тексты, как «Теперь ты можешь говорить?» и предложить вызов Meet, показав значок рядом с сообщением. Он также предложит добавить события календаря для таких сообщений, как «Давай встретимся во вторник в 18:00» , чтобы помочь вам оставаться в курсе важных событий.

8. В некоторых странах мы экспериментируем с функцией, которая позволяет вам общаться с компаниями, которые вы нашли в Поиске и на Картах, прямо через Сообщения, чтобы все разговоры отображались в одном месте, доступном для поиска, конфиденциальном и безопасном. Вы можете спланировать свою следующую поездку, купить билеты на большую игру и найти специальные предложения от ваших любимых розничных продавцов — и все это, не выходя из приложения «Сообщения».

9. Сообщения работают на ваших любимых устройствах, от телефона до Chromebook и смарт-часов. Попробуйте отправить сообщение со своих новых Pixel Watch, попросив Google Assistant.

10. Ваши приложения для обмена сообщениями должны работать, где бы вы ни находились, даже в воздухе! Вот почему мы заключили партнерское соглашение с United Airlines, чтобы предложить обмен сообщениями на рейсах United Airlines, когда у вас включена RCS. Он будет доступен в United WiFi для большинства операторов начиная с этой осени, а вскоре появится более широкая поддержка.

В ближайшие недели мы обновим значок «Сообщения», чтобы он лучше отражал современные возможности обмена сообщениями и выглядел так же, как многие другие продукты Google. Для разговора требуется более одной стороны, и это отражено в дизайне, когда перекрывающиеся пузырьки сообщений объединяются в одно целое.

Наши приложения «Телефон» и «Контакты» также будут обновлены, и теперь они будут выглядеть так же, чтобы показать их общую цель: помогать вам общаться.

Каждый из них предназначен для адаптации к темам Material You, поэтому они всегда могут соответствовать вашему личному стилю. И, конечно же, мы позаботились о каждом пикселе, чтобы эти новые значки мгновенно распознавались как средства коммуникации и были доступны каждому.

Это еще не все, поскольку мы продолжаем добавлять новые инструменты и функции в приложение — и все это с безопасностью и безопасностью Google. Загрузите приложение «Сообщения» в Google Play сегодня, чтобы опробовать его, и опробуйте новые функции, которые начнут внедряться в ближайшие недели.

ОПУБЛИКОВАНО В:

Wie Sie mit Bloggen Geld verdienen – Google AdSense

Für die Monetarisierung eines Blogs gibt es verschiedene Möglichkeiten. В diesem Artikel erfahren Sie mehr über Online-Umsatzmodelle und beliebte Strategien, um mit einem Blog Geld zu verdienen.

Wenn Sie einen Blog oder eine Website haben oder erstellen möchten, können Sie damit auch Geld verdienen. Für die Monetarisierung eines Blogs gibt es verschiedene Möglichkeiten. Он предлагает более подробную онлайн-модель Umsatzmodelle и надежную стратегию для монетизации цифрового контента.

Beginnen wir mit den Grundlagen. Была ли это монетаризация? Einfach ausgedrückt bedeutet Monetarisierung, dass Sie mit Ihrer Website Geld verdienen. Wenn Sie mit dem Online-Content in Ihrem Blog Einnahmen erzielen, ist das Monetarisierung.

Es gibt verschiedene Online-Geschäftsmodelle, um mit einem Blog Geld zu verdienen:

• Анцайген
• Партнерский маркетинг
• Материалы или цифровые продукты Produktangebote
• Абос
• Коучинг

Как вы можете использовать эту модель в своем блоге? Sehen wir uns jedes dieser Monetarisierungsmodelle einmal genauer an.

Anzeigenmonetarisierung: mit Werbung Geld verdienen

Für Sie als Publisher eines Blogs kann Werbung eine beträchtliche Einnahmequelle für Ihren Online-Content sein. Werbetreibende sind bereit, Geld dafür zu bezahlen, um Ihr Publikum zu erreichen. So wie eine Zeitung mit großer Auflage Werbekunden mehr in Rechnung stellen kann, können Sie umso mehr verdienen, je beliebter Ihre Website und Ihr Content sind.

Sie können Unternehmen, die in Verbindung mit Ihrem Content in Erscheinung treten möchten, unmittelbar Werbeflächen auf Ihrer Website anbieten. Dies wird как Direct Deal bezeichnet. Oder Sie nutzen ein Werbenetzwerk wie Google AdSense, das Ihre Werbefläche in Ihrem Namen verkauft.

Über AdSense werden Anzeigen ausgeliefert, die für den Content einer bestimmten Seite Ihres Blogs соответствующие синд. Wenn es in Ihrem Blog beispielsweise um Abenteuerreisen geht und Sie gerade einen Beitrag über eine Reise nach Reykjavik hochgeladen haben, kann AdSense eine Anzeige zu Reiseversicherungen, Остров или теплее Kleidung einblenden. Als Inhaber der Website, auf der die Anzeige ausgeliefert wird, werden Sie von AdSense bezahlt, wenn ein Nutzer eine Anzeige ansieht oder mit ihr interagiert.

Angesichts der Möglichkeit, für den Content und die Leser Ihres Blogs соответствующие Anzeigen auszuliefern, sind viele Werbetreibende bereit, für Ihre Werbefläche einen Premiumpreis zu zahlen.

Партнерский маркетинг: Einnahmen durch Produktempfehlungen

Unter Affiliate-Marketing versteht man, auf einer Website einen Link zu Produkten oder Dienstleistungen einzufügen, die auf einer anderen Website zum Verkauf angeboten werden. Das funktioniert so: Wenn jemand auf den Link on Ihrer Website klickt, darüber die Website des Partners aufruft und das von Ihnen empfohlene Produkt kauft, erhalten Sie eine Provision.

Für Blogs mit einer aktiven Leserschaft, die an Produktempfehlungen interessiert ist, kann dies ein rentables Umsatzmodell sein. Информация-, Ratgeber- und Lifestyleartikel bieten zahlreiche Möglichkeiten zur Bewerbung von Partnerprodukten.

Kommen wir noch einmal zu dem Blog rund um Abenteuerreisen zurück: Sie haben zum Beispiel einen Beitrag über eine Reihe von idyllisch gelegenen Badeseen отправлено. Über das Affiliate-Marketing können Sie die Die Produkte empfehlen, die Sie auf Ihren Ausflug mitgenommen haben – wie Badehose, Handtuch und Taucherbrille. Wenn ein Leser dann auf den Link zu der von Ihnen empfohlenen Badehose klickt und sie kauft, erzielen Sie Einnahmen.

Um das Vertrauen Ihrer Zielgruppe aufrechtzuerhalten, sollten Sie Ihre Affiliate-Beziehungen прозрачный гештальт. In vielen Ländern ist es außerdem gesetzlich vorgeschrieben, Affiliate-Beziehungen offenzulegen. Besprechen Sie dies daher unbedingt mit einem Rechtsberater, bevor Sie Affiliate-Marketing einsetzen. Denken Sie auch daran, dass der Ruf Ihres Blogs mit dem Produkt oder der Dienstleistung zusammenhängt, für die Sie werben. Legen Sie daher bei der Auswahl Ihrer Affiliate-Partner Wert auf Qualität.

Materielle oder digitale Produktangebote: Produkte verkaufen, um mit Ihrem Blog Geld zu verdienen

Zur Monetarisierung ihrer Blogs verwenden viele Blogger eine E-Commerce-Plattform, erstellen einen Online-Shop und beginnen mit dem Verkauf von Produkten. Dabei kann es sich um materielle oder digitale Produkte handeln. Über den erwähnten Blog rund um Abenteuerreisen könnten Sie T-Shirts mit Ihrem Logo oder digitale Reiseführer für exotische Reiseziele verkaufen.

Unabhängig davon, об Ihre Produkte материальных или нравственных искусства sind, müssen Sie ein System für die Annahme von Zahlungen einrichten. Für den Verkauf von materellen Waren sollten Sie über die Unterbringung Ihres Lagerbestands, die Organization des Versands und die Abwicklung von Steuern und Abgaben nachdenken. Digitale Waren sind in logistischer Hinsicht Weniger komplex, da sie sie elektronisch geliefert werden.

Abos: regelmäßige Gebühren als neue Einnahmequelle

Wenn Ihr Blog eine aktive Community von Nutzern hat, die mehr über Ihr Thema erfahren möchten, können Sie Ihren wertvollen Content mit einem kostenpflichtigen Mitgliedschafts-oder Abomodell in Einnahmen verwandeln.

Bei diesem Geschäftsmodell zahlen Leser regelmäßig – meist monatlich oder jährlich – einen festen Betrag. So können Sie wiederkehrende Einnahmen erzielen und haben damit eine konstante und gut prognostizierbare Einkommensquelle.

Im Gegenzug können Sie Abonnenten oder Mitgliedern Premium-Content, einen Community-Bereich, Lernressourcen, Videos oder zusätzliche Dienste und Tools anbieten. Passend zu Ihrem Blog können Sie auch mehrere dieser Elemente kombinieren.

Коучинг: Monetarisierung durch Schulungen

Falls sich das Thema Ihres Blogs for Schulungen eignet, können Sie Geld verdienen, indem Sie kostenpflichtige Onlinekurse oder Coaching-Pakete anbieten.

Wenn Sie Unterrichtsmaterialien für das eigenständige Lernen wie Videos or herunterladbare E-Books erstellen, können Nutzer sich die Inhalte im eigenen Tempo ansehen. Während sich die Teilnehmer durch Ihren Kurs arbeiten, können Sie ihr Interesse an weiteren Themen wecken.

Die Entwicklung eines Online-Lehrplans kann im Voraus einiges an Zeit und Ressourcen erfordern, und um ihn nutzbringend einzusetzen, benötigen Sie ein interessiertes Publikum.

Eine weitere Möglichkeit, Ihren Umsatz zu steigern, besteht darin, Coaching in Livevideos anzubieten und für Ihre Zeit bezahlt zu werden.

Unabhängig davon, от Sie On-Demand-Coaching или einen Onlinekurs anbieten, können Sie mit den Teilnehmern auch per E-Mail orer über den Blog selbst kommunizieren.

Es gibt zahlreiche Möglichkeiten, um mit Ihrem Blog Geld zu verdienen.