Google вдосконалює режим штучного інтелекту, впроваджуючи можливості багатофункціонального пошуку зображень.
Вступ
У значному розширенні своїх функцій пошуку, Google вдосконалив свій AI режим, інтегрувавши мультимодальні можливості. Це оновлення дозволяє користувачам додавати зображення до своїх пошукових запитів, що дає змогу AI режиму надавати відповіді, які не лише текстові, а й засновані на зображеннях. Це свідчить про подальшу еволюцію стратегії Google, спрямовану на вихід за межі традиційного списку блакитних посилань, впроваджуючи більш динамічний та контекстно обізнаний досвід пошуку.
Інтегрована мультимодальна функціональність
Спочатку запущений у 2024 році з поступовими функціями AI, режим Google AI тепер отримав значне оновлення. Остання версія використовує спеціальну ітерацію великої мовної моделі Gemini (LLM) Google, яка тепер підтримує мультимодальний ввід. Завдяки новій кнопці камери та завантаження в панелі пошуку, користувачі можуть легко включати зображення у свої запити. Після отримання зображення покращена модель Gemini співпрацює з Google Lens для аналізу та інтерпретації його вмісту.
Ця синергія між LLM Gemini та Google Lens впроваджує складний процес, відомий як “техніка розгалуження”. Коли зображення завантажується, Lens ретельно ідентифікує ключові об’єкти та елементи в фотографії. Витягнутий контекст передається в AI режим, що дозволяє системі генерувати кілька підзапитів. Наприклад, якщо користувач завантажить фото з кількома обкладинками книг, Lens може розпізнати кожен заголовок і дати можливість AI режиму пропонувати схожі книги та пов’язану інформацію, ґрунтуючись на специфіці кожного заголовка.
Технічний аналіз: інтеграція Gemini LLM та Google Lens
Оновлена структура базується на спеціальному LLM Gemini, тепер налаштованому для обробки та аналізу комбінації текстових та візуальних даних. Експерти зазначають, що архітектура цієї моделі інтегрує сучасні технології обробки природної мови з розвиненими алгоритмами комп’ютерного зору. Техніка розгалуження поглиблює запити, розбиваючи складний візуальний контент на керовані підкомпоненти. Цей механізм не лише покращує точність відповідей, а й прокладає шлях до контекстуальної обізнаності, яка раніше була недоступна з використанням стандартних пошукових парадигм.
Користувацький досвід та вплив на тенденції пошуку
Попередня телеметрія з AI режиму вказує на позитивний тренд: користувачі надають майже вдвічі більше тексту в запитах у порівнянні з традиційними веб-пошуками. Ця збільшена вербальність свідчить про те, що користувачі відчувають себе більш упевненими у формулюванні детальних запитів, використовуючи новий мультимодальний інтерфейс для точнішого отримання інформації. Багатший контекст, який надають інтегровані зображення, здається, знаходить відгук, особливо серед тих, хто шукає нюансовані та точні результати пошуку.
Майбутнє AI у пошуку та думки експертів
Експерти галузі вважають цей крок знаковим у розвитку технологій пошуку. Об’єднуючи передове візуальне розпізнавання з обробкою природної мови, Google прокладає шлях для майбутніх пошукових систем на базі AI. Аналітики очікують, що з ширшим впровадженням цих функціональностей, вони переопределять отримання інформації та вплинуть на різні сектори, що покладаються на точні пошукові технології, від електронної комерції до академічних досліджень.
Більше того, стратегія Google з початковим впровадженням AI режиму через Google Labs — а тепер розширення його для мільйонів підписників Google One AI Premium та вибраних користувачів у США — натякає на майбутнє, в якому мультимодальний пошук може стати стандартним способом взаємодії в Інтернеті. Ця трансформація, ймовірно, спонукатиме конкурентів у цій сфері інвестувати в подібні технології, що може призвести до нового стандарту взаємодії користувачів з мережею.
Висновок
Останнє оновлення Google AI режиму є сміливим кроком до більш багатого та інтерактивного досвіду пошуку в Інтернеті. Завдяки інтеграції LLM Gemini та Google Lens за допомогою техніки розгалуження, користувачі тепер насолоджуються безперебійним поєднанням візуальних та текстових можливостей пошуку. Як тільки більше користувачів почнуть тестувати та приймати ці вдосконалення, стає очевидним, що майбутнє пошуку буде визначатися здатністю розуміти та обробляти інформацію в кількох модальностях — роблячи його не лише швидшим, а й суттєво розумнішим і інтуїтивно зрозумілішим.