Google möchte die Nutzung seines Chrome-Browsers so einfach wie möglich machen. Vor diesem Hintergrund implementiert das Unternehmen maschinelles Lernen, um die Chrome-Adressleiste, auch Omnibox genannt, intelligenter zu machen.
Der Name „Omnibox“ ist nicht zufällig gewählt. Das Unternehmen hat die Adressleiste so entwickelt, dass Sie von dort aus viele Dinge leicht finden können, nicht nur im Web, sondern auch im Browser selbst. Je nachdem, was Sie schreiben, erhalten Sie beispielsweise Vorschläge zu ähnlichen Seiten, die Sie besucht haben, oder zu möglichen neuen Ergebnissen. Auch über Tabs, die Sie bereits geöffnet haben, oder mit Lesezeichen versehene Elemente.
Das neueste Update von Chrome integriert maschinelles Lernen für bessere Omnibox-Ergebnisse
Da es sich um ein Kernelement des Browsers handelt, hat das Unternehmen besonderen Wert auf dessen Verbesserung gelegt. Daher bringt das neueste Chrome-Update (M124) eine Omnibox mit durch maschinelles Lernen erweiterten Funktionen. Das bedeutet, dass die Ergebnisse nun „genauer und relevanter für Sie,” laut dem Beitrag im Chromium-Blog. Das Update kommt für Chrome für Windows, Mac und ChromeOS.
„Maschinelles Lernen“ ähnelt der KI, allerdings in etwas kleinerem Maßstab. Im Wesentlichen geht es darum, große Datenmengen zu analysieren, um anhand erkannter Muster präzise Entscheidungen zu treffen oder Aktionen auszuführen. In Google Chrome implementiert das Entwicklerteam es, damit die Nutzungsmuster von Ihnen und Millionen von Nutzern die Omnibox-Ergebnisse präziser machen.
Der Fokus der Verbesserung liegt auf dem „Bewertungssystem“, das bestimmt, wie relevant ein Ergebnis für Sie ist. Je mehr Relevanzwerte es hat, desto wahrscheinlicher ist es, dass es als Vorschlag angezeigt wird, während Sie in die Adressleiste tippen.
Die Probleme des vorherigen Ansatzes
Justin Donnelly, Chrome-Softwareentwickler, ist das Team, das für die Omnibox verantwortlich ist. Sie behaupten, dass die Suchleiste an sich schon gut sei. Das Hauptproblem war jedoch seine Inflexibilität. Das bedeutet, dass es zwar in seinem Kontext gut funktionierte, seine Anpassungsfähigkeit jedoch kompliziert war.
Es war ziemlich schwierig, Verbesserungen umzusetzen oder neue Betriebsszenarien in Betracht zu ziehen.Von Hand abgestimmte Formeln“ Methode. Die Omnibox war wie ein leistungsstarkes System mit perfekt ineinandergreifenden Teilen. Allerdings war die Änderung eines wichtigen Teils unmöglich, ohne dass alles auseinanderfiel, wie ein Kartenhaus.
Donnelly erwähnt auch, dass die Popularität von Chrome auch die Komplexität erhöht hat. Schließlich hätte die Umsetzung von Änderungen am Browser Auswirkungen auf zig Millionen Menschen auf der ganzen Welt. Donnelly beschrieb die Herausforderung als „das Flugzeug bauen, während man es fliegt.“
Es gibt einen weiteren großen Vorteil des neuen Ansatzes des maschinellen Lernens gegenüber früheren, von Hand abgestimmten Formeln. Jetzt ist es in der Lage, Daten in einem Ausmaß zu verarbeiten, das mit „handwerklichen“ oder traditionellen Methoden nicht abgedeckt werden kann.
Wie maschinelles Lernen die Ergebnisse in der Chrome-Suchleiste verbessert
Die Leistungsfähigkeit des maschinellen Lernens half dem Entwicklerteam, bestimmte Situationen zu erkennen, die es zuvor nicht erkennen konnte. Beispielsweise gab es ein allgemeines Muster, bei dem viele Benutzer nach dem Zugriff auf eine Website über die Omnibox einige Sekunden verweilten und dann zu einer anderen URL wechselten. Der Grund dafür war, dass die Chrome-Adressleiste nicht wirklich das richtige Ergebnis lieferte und sie versehentlich darauf zugegriffen haben. Bei weiteren Versuchen kam es jedoch immer wieder zu falschen Empfehlungen.
Mit dem neuen Modell sollte dieses Verhalten nun anders sein. In diesem Fall reduziert Chrome die Punktzahl dieser Empfehlung intelligent. Dadurch erhält es eine geringe Relevanz, sodass es nicht ständig angezeigt wird. Grundsätzlich lernt der Browser von Ihnen, während Sie ihn verwenden.
Abschließend erwähnt Donnelly, dass dies erst der Anfang des maschinellen Lernens ist. Durch den neuen Ansatz können viele weitere Parameter berücksichtigt werden, um die Relevanz der Chrome-Omnibox-Ergebnisse zu bestimmen. Zum Beispiel die Tageszeit oder auch die Nutzungsumgebung des Browsers.
