Революция браузеров в эпоху ИИ: от отображения информации до выполнения задач
Третья война браузеров тихо разворачивается. С 90-х годов, начиная с Netscape и Microsoft IE, и до открытого Firefox и Google Chrome, борьба браузеров всегда была концентрированным выражением контроля над платформами и смены технологических парадигм. Chrome завоевал господствующее положение благодаря скорости обновления и экосистемной взаимосвязи, а Google создал замкнутый цикл входа в информацию через структуру "двух олигархов", состоящую из поиска и браузера.
Тем не менее, эта структура начинает колебаться. Появление крупных языковых моделей (LLM) привело к тому, что все больше пользователей выполняют задачи на страницах результатов поиска с "ноль кликов", традиционное поведение кликов по веб-страницам сокращается. В то же время слухи о том, что Apple может заменить поисковую систему по умолчанию в Safari, еще больше угрожают прибыли Alphabet, и на рынке уже начали проявляться признаки тревоги по поводу "ортодоксального поиска".
Браузер сам по себе также сталкивается с переосмыслением своей роли. Он больше не просто инструмент для отображения веб-страниц, но и контейнер для множества возможностей, таких как ввод данных, поведение пользователей и защита конфиденциальности. Хотя AI Agent силен, для выполнения сложных взаимодействий на странице, вызова локальных данных о пользователе и управления элементами веб-страницы все равно необходимо полагаться на доверительные границы и функциональные песочницы браузера. Браузер постепенно превращается из интерфейса для человека в платформу системных вызовов для агентов.
Настоящим прорывом в текущей рыночной структуре браузеров станет не очередной "лучший Chrome", а новая структура взаимодействия: не просто отображение информации, а вызов задач. Будущие браузеры должны быть спроектированы для AI-агентов — они должны не только читать, но и писать и выполнять. Проекты, такие как Browser Use, пытаются семантизировать структуру страниц, превращая визуальный интерфейс в структурированный текст, который может быть вызван LLM, что значительно снижает затраты на взаимодействие.
На рынке основные проекты уже начали пробовать свои силы: Perplexity строит нативный браузер Comet, используя ИИ вместо традиционных результатов поиска; Brave объединяет защиту конфиденциальности и локальное обоснование, усиливая функции поиска и блокировки с помощью LLM; а такие крипто-родные проекты, как Donut, нацелены на новый вход в взаимодействие ИИ и активов на блокчейне. Общая характеристика этих проектов заключается в том, что они пытаются перестроить входную часть браузера, а не улучшить его выходной слой.
Для предпринимателей возможности скрыты в треугольных отношениях между вводом, структурой и агентом. Браузер как интерфейс для будущих вызовов агентов в мире означает, что тот, кто может предоставить структурированные, вызываемые и доверенные "блоки возможностей", сможет стать частью нового поколения платформ. От SEO до AEO (оптимизация движка агентов), от трафика страниц до вызовов цепочек задач, формы продуктов и дизайнерские мышления находятся в процессе реконструкции. Третья война браузеров происходит в "вводе", а не в "представлении"; победитель определяется не тем, кто привлекает внимание пользователей, а тем, кто завоевывает доверие агентов и получает доступ к вызовам.
История развития браузеров
В начале 90-х годов прошлого века, когда интернет еще не стал частью повседневной жизни, Netscape Navigator появился на свет и открыл двери в цифровой мир для миллионов пользователей. Этот браузер не был первым, но стал первым по-настоящему массовым продуктом, который сформировал опыт использования интернета.
Однако, слава была мимолетной. Microsoft вскоре принудительно связала Internet Explorer с операционной системой Windows, сделав его браузером по умолчанию. Эта стратегия могла бы называться "убийственным приемом платформы", который напрямую разрушил доминирование Netscape на рынке. IE благодаря возможностям распространения Windows быстро стал лидером отрасли, а Netscape оказался на пути упадка.
В условиях кризиса инженеры Netscape выбрали радикальный и идеалистический путь - они открыли исходный код браузера и призвали сообщество с открытым исходным кодом к действию. Этот код впоследствии стал основой проекта браузера Mozilla, который изначально назывался Phoenix (в значении «возрождение птицы») и, после нескольких смен названия, в конечном итоге получил название Firefox.
Firefox не просто копирует Netscape, он достиг значительных прорывов в пользовательском опыте, экосистеме плагинов, безопасности и других аспектах. Его создание стало символом победы духа открытого кода и вдохнуло новую жизнь в целую индустрию.
В 1994 году появился браузер Opera, который пришёл из Норвегии и изначально был экспериментальным проектом. Однако с версии 7.0 в 2003 году он представил собственный движок Presto, первым поддержав CSS, адаптивную верстку, голосовое управление и кодировку Unicode, а также другие передовые технологии. Хотя количество пользователей было ограничено, с технической точки зрения он всегда оставался на переднем крае отрасли, став "любимчиком гиков".
В том же году Apple выпустила браузер Safari. Хотя по умолчанию поисковой системой Safari с момента его появления является Google, эта история с Microsoft символизирует сложные и тонкие отношения между интернет-гигантами: сотрудничество и конкуренция всегда идут рука об руку.
В 2007 году IE7 был выпущен вместе с Windows Vista, но отзывы на рынке были посредственными. Напротив, Firefox, благодаря более быстрой скорости обновлений, более дружелюбной механике расширений и естественной привлекательности для разработчиков, постепенно увеличил свою долю на рынке до примерно 20%. Господство IE постепенно ослабевает, ветер перемен дует.
Chrome был представлен в 2008 году и создан на основе проекта с открытым исходным кодом Chromium и движка WebKit, используемого в Safari. Его прозвали "громоздким" браузером, но благодаря глубоким навыкам Google в области рекламы и брендинга, он быстро набрал популярность.
Ключевое оружие Chrome заключается не в функциональности, а в частом обновлении версий (раз в шесть недель) и едином опыте на всех платформах. В ноябре 2011 года Chrome впервые обошел Firefox, достигнув доли рынка в 27%; через шесть месяцев он снова обошел IE, завершив переход от претендента к доминирующей силе.
В то же время мобильный интернет в Китае также формирует свою собственную экосистему. Браузер UC, принадлежащий Alibaba, стремительно набрал популярность в начале 2010-х годов, особенно на таких развивающихся рынках, как Индия, Индонезия и Китай, благодаря легкому дизайну, сжатию данных для экономии трафика и другим характеристикам, что привлекло пользователей с низкоуровневыми устройствами. В 2015 году его доля на глобальном рынке мобильных браузеров превысила 17%, в Индии она достигала 46%. Но эта победа была недолговечной. С усилением правительством Индии проверки безопасности китайских приложений браузер UC был вынужден покинуть ключевой рынок и постепенно потерял былую славу.
В начале 2020-х годов доминирование Chrome было установлено, его доля на мировом рынке стабилизировалась примерно на уровне 65%. Стоит отметить, что поисковая система Google и браузер Chrome, хотя и принадлежат Alphabet, с точки зрения рынка представляют собой две независимые гегемонистские системы - первая контролирует около девяти десятых глобальных поисковых входов, в то время как вторая управляет "первым окном" для большинства пользователей в интернет.
Чтобы сохранить эту двойную монополию, Google не жалеет средств. В 2022 году Alphabet заплатила Apple около 20 миллиардов долларов только для того, чтобы Google оставался по умолчанию в Safari. Аналитики указывают, что эта сумма составляет 36% от доходов Google от поисковой рекламы, получаемых через трафик Safari. Другими словами, Google платит "защиту" за свою защитную стену.
Но ветер снова изменился. С ростом крупных языковых моделей (LLM) традиционный поиск начал подвергаться ударам. В 2024 году доля рынка поиска Google упала с 93% до 89%, хотя он все еще доминирует, но трещины уже начинают проявляться. Более разрушительные слухи о том, что Apple может запустить собственную AI поисковую систему - если по умолчанию в Safari будет использоваться собственный поисковик, это не только изменит экосистему, но и может потрясти прибыль Alphabet. Рынок отреагировал быстро, акции Alphabet упали с 170 долларов до 140 долларов, что отражает не только панику инвесторов, но и глубокую тревогу по поводу будущего эпохи поиска.
От Navigator до Chrome, от идеалов открытого кода до коммерциализации рекламы, от легковесных браузеров до AI-поисковых помощников, борьба браузеров всегда была войной о технологиях, платформах, контенте и контроле. Поле боя постоянно меняется, но суть никогда не меняется: кто контролирует вход, тот определяет будущее.
В глазах венчурных капиталистов третья война браузеров постепенно разворачивается, опираясь на новые потребности людей в поисковых системах в эпоху LLM и ИИ.
Устаревшая архитектура современных браузеров
Говоря о архитектуре браузера, классическая традиционная архитектура выглядит следующим образом:
Клиент - Вход на фронтенд
Запросите последние Google Front End, доставленные через HTTPS, завершите TLS-расшифровку, выборку QoS и географическую маршрутизацию. Если обнаружен аномальный трафик (DDoS, автоматический сбор данных), можно ограничить скорость или вызвать проверку на этом уровне.
Понимание запроса
Фронтенд должен понимать значение слов, вводимых пользователем, и включает три шага: нейронная проверка правописания, исправление "recpie" на "recipe"; расширение синонимов, превращение "how to fix bike" в "repair bicycle". Анализ намерений, определение, является ли запрос информационным, навигационным или торговым, и распределение запросов по вертикалям.
Кандидат на возврат
Технология запросов, используемая Google, называется: обратный индекс. В прямом индексе мы можем индексировать файл, имея конкретный ID. Но пользователи не могут знать номер содержимого среди сотен миллиардов файлов, поэтому используется традиционный обратный индекс, который позволяет искать файлы по содержимому и соответствующим ключевым словам. Далее Google применяет векторный индекс для обработки семантического поиска, то есть для поиска содержимого, схожего по смыслу с запросом. Он преобразует текст, изображения и другие материалы в высокоразмерные векторы (embedding) и выполняет поиск на основе сходства между этими векторами. Например, даже если пользователь ищет "как сделать тесто для пиццы", поисковая система может вернуть результаты, связанные с "руководством по приготовлению теста для пиццы", потому что они семантически схожи. После использования обратного индекса и векторного индекса около ста тысяч веб-страниц будет предварительно отобрано.
Многоуровневая сортировка
Системы обычно отбирают десятки тысяч候选页面 до примерно 1000 статей, используя тысячи легких характеристик, таких как BM25, TF-IDF, оценка качества страницы, формируя предварительный набор候选ов. Эти системы в целом называются рекомендательными системами. Они зависят от множества характеристик, генерируемых различными сущностями, включая поведение пользователей, атрибуты страниц, намерения запросов и контекстные сигналы. Например, Google учитывает историю пользователей, отзывы других пользователей, семантику страниц, значение запросов и другую информацию, а также учитывает контекстные факторы, такие как время (время дня, конкретные дни недели) и текущие новости и другие внешние события.
Глубокое обучение для основной сортировки
На этапе предварительного поиска Google использует такие технологии, как RankBrain и Neural Matching, чтобы понять семантику запросов и отфильтровать первоначально релевантные результаты из огромного количества документов. RankBrain – это система машинного обучения, введенная Google в 2015 году, которая предназначена для лучшего понимания значения пользовательских запросов, особенно тех, которые появляются впервые. Она преобразует запросы и документы в векторные представления, вычисляя их сходство, чтобы найти наиболее релевантные результаты. Например, для запроса "как сделать тесто для пиццы", даже если в документе нет полностью совпадающих ключевых слов, RankBrain может распознать содержание, связанное с "основой для пиццы" или "приготовлением теста".
Neural Matching — это еще одна технология, представленная Google в 2018 году, которая направлена на более глубокое понимание семантических отношений между запросами и документами. Она использует модели нейронных сетей для захвата нечетких отношений между словами, что помогает Google лучше сопоставлять запросы и содержимое веб-страниц. Например, по запросу "почему мой ноутбук сильно гудит" Neural Matching может понять, что пользователь, возможно, ищет информацию по устранению проблем, связанных с перегревом, накоплением пыли или высокой загрузкой ЦП, даже если эти слова не появляются непосредственно в запросе.
Глубокая перестановка: применение модели BERT
После предварительного отбора соответствующих документов Google использует модель BERT (Bidirectional Encoder Representations from Transformers) для более тщательной сортировки этих документов, чтобы гарантировать, что наиболее релевантные результаты находятся на первых местах. BERT — это предварительно обученная языковая модель на основе Transformer, способная понимать контекстное значение слов в предложении. В поиске BERT используется для повторной сортировки предварительно извлеченных документов. Он выполняет совместное кодирование запроса и документа, рассчитывая между ними оценку релевантности, что позволяет повторно сортировать документы. Например, для запроса "Парковка на склоне без обочины" BERT может понять значение "без обочины" и вернуть рекомендации водителям направить колеса к краю дороги, а не ошибочно интерпретировать это как ситуацию с обочиной. Для SEO-инженеров это означает необходимость точно изучить алгоритмы сортировки Google и рекомендательные алгоритмы машинного обучения, чтобы целенаправленно оптимизировать веб-контент и добиться более высокого ранжирования.
Это типичный рабочий процесс поисковой системы Google. Однако в эпоху бурного развития ИИ и больших данных у пользователей появились новые требования к взаимодействию с браузерами.
Почему ИИ будет переосмыслять браузеры
Прежде всего, нам нужно понять, почему такая форма, как браузер, все еще существует? Существует ли третья форма?
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Искусственный интеллект в новой экосистеме браузеров: революция от отображения информации до интеллектуального вызова задач
Революция браузеров в эпоху ИИ: от отображения информации до выполнения задач
Третья война браузеров тихо разворачивается. С 90-х годов, начиная с Netscape и Microsoft IE, и до открытого Firefox и Google Chrome, борьба браузеров всегда была концентрированным выражением контроля над платформами и смены технологических парадигм. Chrome завоевал господствующее положение благодаря скорости обновления и экосистемной взаимосвязи, а Google создал замкнутый цикл входа в информацию через структуру "двух олигархов", состоящую из поиска и браузера.
Тем не менее, эта структура начинает колебаться. Появление крупных языковых моделей (LLM) привело к тому, что все больше пользователей выполняют задачи на страницах результатов поиска с "ноль кликов", традиционное поведение кликов по веб-страницам сокращается. В то же время слухи о том, что Apple может заменить поисковую систему по умолчанию в Safari, еще больше угрожают прибыли Alphabet, и на рынке уже начали проявляться признаки тревоги по поводу "ортодоксального поиска".
Браузер сам по себе также сталкивается с переосмыслением своей роли. Он больше не просто инструмент для отображения веб-страниц, но и контейнер для множества возможностей, таких как ввод данных, поведение пользователей и защита конфиденциальности. Хотя AI Agent силен, для выполнения сложных взаимодействий на странице, вызова локальных данных о пользователе и управления элементами веб-страницы все равно необходимо полагаться на доверительные границы и функциональные песочницы браузера. Браузер постепенно превращается из интерфейса для человека в платформу системных вызовов для агентов.
Настоящим прорывом в текущей рыночной структуре браузеров станет не очередной "лучший Chrome", а новая структура взаимодействия: не просто отображение информации, а вызов задач. Будущие браузеры должны быть спроектированы для AI-агентов — они должны не только читать, но и писать и выполнять. Проекты, такие как Browser Use, пытаются семантизировать структуру страниц, превращая визуальный интерфейс в структурированный текст, который может быть вызван LLM, что значительно снижает затраты на взаимодействие.
На рынке основные проекты уже начали пробовать свои силы: Perplexity строит нативный браузер Comet, используя ИИ вместо традиционных результатов поиска; Brave объединяет защиту конфиденциальности и локальное обоснование, усиливая функции поиска и блокировки с помощью LLM; а такие крипто-родные проекты, как Donut, нацелены на новый вход в взаимодействие ИИ и активов на блокчейне. Общая характеристика этих проектов заключается в том, что они пытаются перестроить входную часть браузера, а не улучшить его выходной слой.
Для предпринимателей возможности скрыты в треугольных отношениях между вводом, структурой и агентом. Браузер как интерфейс для будущих вызовов агентов в мире означает, что тот, кто может предоставить структурированные, вызываемые и доверенные "блоки возможностей", сможет стать частью нового поколения платформ. От SEO до AEO (оптимизация движка агентов), от трафика страниц до вызовов цепочек задач, формы продуктов и дизайнерские мышления находятся в процессе реконструкции. Третья война браузеров происходит в "вводе", а не в "представлении"; победитель определяется не тем, кто привлекает внимание пользователей, а тем, кто завоевывает доверие агентов и получает доступ к вызовам.
История развития браузеров
В начале 90-х годов прошлого века, когда интернет еще не стал частью повседневной жизни, Netscape Navigator появился на свет и открыл двери в цифровой мир для миллионов пользователей. Этот браузер не был первым, но стал первым по-настоящему массовым продуктом, который сформировал опыт использования интернета.
Однако, слава была мимолетной. Microsoft вскоре принудительно связала Internet Explorer с операционной системой Windows, сделав его браузером по умолчанию. Эта стратегия могла бы называться "убийственным приемом платформы", который напрямую разрушил доминирование Netscape на рынке. IE благодаря возможностям распространения Windows быстро стал лидером отрасли, а Netscape оказался на пути упадка.
В условиях кризиса инженеры Netscape выбрали радикальный и идеалистический путь - они открыли исходный код браузера и призвали сообщество с открытым исходным кодом к действию. Этот код впоследствии стал основой проекта браузера Mozilla, который изначально назывался Phoenix (в значении «возрождение птицы») и, после нескольких смен названия, в конечном итоге получил название Firefox.
Firefox не просто копирует Netscape, он достиг значительных прорывов в пользовательском опыте, экосистеме плагинов, безопасности и других аспектах. Его создание стало символом победы духа открытого кода и вдохнуло новую жизнь в целую индустрию.
В 1994 году появился браузер Opera, который пришёл из Норвегии и изначально был экспериментальным проектом. Однако с версии 7.0 в 2003 году он представил собственный движок Presto, первым поддержав CSS, адаптивную верстку, голосовое управление и кодировку Unicode, а также другие передовые технологии. Хотя количество пользователей было ограничено, с технической точки зрения он всегда оставался на переднем крае отрасли, став "любимчиком гиков".
В том же году Apple выпустила браузер Safari. Хотя по умолчанию поисковой системой Safari с момента его появления является Google, эта история с Microsoft символизирует сложные и тонкие отношения между интернет-гигантами: сотрудничество и конкуренция всегда идут рука об руку.
В 2007 году IE7 был выпущен вместе с Windows Vista, но отзывы на рынке были посредственными. Напротив, Firefox, благодаря более быстрой скорости обновлений, более дружелюбной механике расширений и естественной привлекательности для разработчиков, постепенно увеличил свою долю на рынке до примерно 20%. Господство IE постепенно ослабевает, ветер перемен дует.
Chrome был представлен в 2008 году и создан на основе проекта с открытым исходным кодом Chromium и движка WebKit, используемого в Safari. Его прозвали "громоздким" браузером, но благодаря глубоким навыкам Google в области рекламы и брендинга, он быстро набрал популярность.
Ключевое оружие Chrome заключается не в функциональности, а в частом обновлении версий (раз в шесть недель) и едином опыте на всех платформах. В ноябре 2011 года Chrome впервые обошел Firefox, достигнув доли рынка в 27%; через шесть месяцев он снова обошел IE, завершив переход от претендента к доминирующей силе.
В то же время мобильный интернет в Китае также формирует свою собственную экосистему. Браузер UC, принадлежащий Alibaba, стремительно набрал популярность в начале 2010-х годов, особенно на таких развивающихся рынках, как Индия, Индонезия и Китай, благодаря легкому дизайну, сжатию данных для экономии трафика и другим характеристикам, что привлекло пользователей с низкоуровневыми устройствами. В 2015 году его доля на глобальном рынке мобильных браузеров превысила 17%, в Индии она достигала 46%. Но эта победа была недолговечной. С усилением правительством Индии проверки безопасности китайских приложений браузер UC был вынужден покинуть ключевой рынок и постепенно потерял былую славу.
В начале 2020-х годов доминирование Chrome было установлено, его доля на мировом рынке стабилизировалась примерно на уровне 65%. Стоит отметить, что поисковая система Google и браузер Chrome, хотя и принадлежат Alphabet, с точки зрения рынка представляют собой две независимые гегемонистские системы - первая контролирует около девяти десятых глобальных поисковых входов, в то время как вторая управляет "первым окном" для большинства пользователей в интернет.
Чтобы сохранить эту двойную монополию, Google не жалеет средств. В 2022 году Alphabet заплатила Apple около 20 миллиардов долларов только для того, чтобы Google оставался по умолчанию в Safari. Аналитики указывают, что эта сумма составляет 36% от доходов Google от поисковой рекламы, получаемых через трафик Safari. Другими словами, Google платит "защиту" за свою защитную стену.
Но ветер снова изменился. С ростом крупных языковых моделей (LLM) традиционный поиск начал подвергаться ударам. В 2024 году доля рынка поиска Google упала с 93% до 89%, хотя он все еще доминирует, но трещины уже начинают проявляться. Более разрушительные слухи о том, что Apple может запустить собственную AI поисковую систему - если по умолчанию в Safari будет использоваться собственный поисковик, это не только изменит экосистему, но и может потрясти прибыль Alphabet. Рынок отреагировал быстро, акции Alphabet упали с 170 долларов до 140 долларов, что отражает не только панику инвесторов, но и глубокую тревогу по поводу будущего эпохи поиска.
От Navigator до Chrome, от идеалов открытого кода до коммерциализации рекламы, от легковесных браузеров до AI-поисковых помощников, борьба браузеров всегда была войной о технологиях, платформах, контенте и контроле. Поле боя постоянно меняется, но суть никогда не меняется: кто контролирует вход, тот определяет будущее.
В глазах венчурных капиталистов третья война браузеров постепенно разворачивается, опираясь на новые потребности людей в поисковых системах в эпоху LLM и ИИ.
Устаревшая архитектура современных браузеров
Говоря о архитектуре браузера, классическая традиционная архитектура выглядит следующим образом:
Клиент - Вход на фронтенд
Запросите последние Google Front End, доставленные через HTTPS, завершите TLS-расшифровку, выборку QoS и географическую маршрутизацию. Если обнаружен аномальный трафик (DDoS, автоматический сбор данных), можно ограничить скорость или вызвать проверку на этом уровне.
Понимание запроса
Фронтенд должен понимать значение слов, вводимых пользователем, и включает три шага: нейронная проверка правописания, исправление "recpie" на "recipe"; расширение синонимов, превращение "how to fix bike" в "repair bicycle". Анализ намерений, определение, является ли запрос информационным, навигационным или торговым, и распределение запросов по вертикалям.
Кандидат на возврат
Технология запросов, используемая Google, называется: обратный индекс. В прямом индексе мы можем индексировать файл, имея конкретный ID. Но пользователи не могут знать номер содержимого среди сотен миллиардов файлов, поэтому используется традиционный обратный индекс, который позволяет искать файлы по содержимому и соответствующим ключевым словам. Далее Google применяет векторный индекс для обработки семантического поиска, то есть для поиска содержимого, схожего по смыслу с запросом. Он преобразует текст, изображения и другие материалы в высокоразмерные векторы (embedding) и выполняет поиск на основе сходства между этими векторами. Например, даже если пользователь ищет "как сделать тесто для пиццы", поисковая система может вернуть результаты, связанные с "руководством по приготовлению теста для пиццы", потому что они семантически схожи. После использования обратного индекса и векторного индекса около ста тысяч веб-страниц будет предварительно отобрано.
Многоуровневая сортировка
Системы обычно отбирают десятки тысяч候选页面 до примерно 1000 статей, используя тысячи легких характеристик, таких как BM25, TF-IDF, оценка качества страницы, формируя предварительный набор候选ов. Эти системы в целом называются рекомендательными системами. Они зависят от множества характеристик, генерируемых различными сущностями, включая поведение пользователей, атрибуты страниц, намерения запросов и контекстные сигналы. Например, Google учитывает историю пользователей, отзывы других пользователей, семантику страниц, значение запросов и другую информацию, а также учитывает контекстные факторы, такие как время (время дня, конкретные дни недели) и текущие новости и другие внешние события.
Глубокое обучение для основной сортировки
На этапе предварительного поиска Google использует такие технологии, как RankBrain и Neural Matching, чтобы понять семантику запросов и отфильтровать первоначально релевантные результаты из огромного количества документов. RankBrain – это система машинного обучения, введенная Google в 2015 году, которая предназначена для лучшего понимания значения пользовательских запросов, особенно тех, которые появляются впервые. Она преобразует запросы и документы в векторные представления, вычисляя их сходство, чтобы найти наиболее релевантные результаты. Например, для запроса "как сделать тесто для пиццы", даже если в документе нет полностью совпадающих ключевых слов, RankBrain может распознать содержание, связанное с "основой для пиццы" или "приготовлением теста".
Neural Matching — это еще одна технология, представленная Google в 2018 году, которая направлена на более глубокое понимание семантических отношений между запросами и документами. Она использует модели нейронных сетей для захвата нечетких отношений между словами, что помогает Google лучше сопоставлять запросы и содержимое веб-страниц. Например, по запросу "почему мой ноутбук сильно гудит" Neural Matching может понять, что пользователь, возможно, ищет информацию по устранению проблем, связанных с перегревом, накоплением пыли или высокой загрузкой ЦП, даже если эти слова не появляются непосредственно в запросе.
Глубокая перестановка: применение модели BERT
После предварительного отбора соответствующих документов Google использует модель BERT (Bidirectional Encoder Representations from Transformers) для более тщательной сортировки этих документов, чтобы гарантировать, что наиболее релевантные результаты находятся на первых местах. BERT — это предварительно обученная языковая модель на основе Transformer, способная понимать контекстное значение слов в предложении. В поиске BERT используется для повторной сортировки предварительно извлеченных документов. Он выполняет совместное кодирование запроса и документа, рассчитывая между ними оценку релевантности, что позволяет повторно сортировать документы. Например, для запроса "Парковка на склоне без обочины" BERT может понять значение "без обочины" и вернуть рекомендации водителям направить колеса к краю дороги, а не ошибочно интерпретировать это как ситуацию с обочиной. Для SEO-инженеров это означает необходимость точно изучить алгоритмы сортировки Google и рекомендательные алгоритмы машинного обучения, чтобы целенаправленно оптимизировать веб-контент и добиться более высокого ранжирования.
Это типичный рабочий процесс поисковой системы Google. Однако в эпоху бурного развития ИИ и больших данных у пользователей появились новые требования к взаимодействию с браузерами.
Почему ИИ будет переосмыслять браузеры
Прежде всего, нам нужно понять, почему такая форма, как браузер, все еще существует? Существует ли третья форма?