گوگل از هوش مصنوعی برای ارتقای نوار آدرس Chrome و ارائه پیشنهادات دقیق‌تر و مرتبط‌تر صفحه وب استفاده می‌کند.
در به‌روزرسانی جدید، Chrome از مدل‌های یادگیری ماشینی (ML) در omnibox (نوار آدرس) استفاده می‌کند تا به جای تکیه بر “فرمول‌های دست‌ساز و تنظیم‌شده” قبلی، پیشنهادات URL را ارائه دهد. این تغییر، انعطاف‌پذیری و دقت omnibox را به طور قابل توجهی افزایش می‌دهد.
مزایای استفاده از یادگیری ماشینی در omnibox:
پیشنهادات مرتبط‌تر: مدل‌های ML می‌توانند سیگنال‌های مختلفی را برای تعیین اینکه کدام صفحات وب برای شما مرتبط‌تر هستند، در نظر بگیرند، مانند:
سابقه جستجو: سابقه جستجوی شما نشان می‌دهد که به چه چیزی علاقه‌مند هستید و به مدل ML کمک می‌کند تا پیشنهادات مرتبط‌تری ارائه دهد.
زمان صرف شده در وب‌سایت‌ها: اگر زمان زیادی را در یک وب‌سایت خاص صرف می‌کنید، مدل ML احتمالاً آن را در نتایج جستجو در اولویت قرار می‌دهد.
موقعیت مکانی: اگر از جستجوی محلی استفاده می‌کنید، مدل ML می‌تواند از موقعیت مکانی شما برای ارائه پیشنهادات مرتبط‌تر با منطقه شما استفاده کند.
بهبود مداوم: مدل‌های ML به طور مداوم با داده‌های جدید آموزش داده می‌شوند و به مرور زمان دقیق‌تر می‌شوند.
قابلیت‌های شخصی‌سازی: Google در نظر دارد مدل‌های ML را برای کاربران مختلف، مانند کاربران تلفن همراه، سازمانی یا دانشگاهی، شخصی‌سازی کند.
نحوه عملکرد یادگیری ماشینی در omnibox:
جمع‌آوری سیگنال‌های تازه: Google سیگنال‌های جدیدی را از نحوه تعامل کاربران با omnibox جمع‌آوری می‌کند، مانند کلیک‌ها، زمان صرف شده در هر پیشنهاد و غیره.
آموزش مجدد مدل‌ها: Google از این سیگنال‌های جدید برای آموزش مجدد مدل‌های ML خود به طور مداوم استفاده می‌کند و آنها را با نیازهای کاربران تطبیق می‌دهد.
ارزیابی و استقرار مدل‌های جدید: Google به طور منظم مدل‌های ML جدید را ارزیابی می‌کند و بهترین مدل‌ها را در نسخه‌های جدید Chrome منتشر می‌کند.
این به‌روزرسانی یک گام مهم برای ارتقای قابلیت‌های omnibox و تبدیل آن به یک ابزار جستجوی قدرتمندتر و کارآمدتر است.
