Dengan Chrome 124 di Mac, Windows, dan ChromeOS, Google memilikinya diperbarui bilah alamat, atau Mahakotak, dengan model ML untuk menawarkan saran yang lebih baik.
Sebelumnya, Chrome memanfaatkan “serangkaian formula yang dibuat dengan tangan dan disesuaikan secara manual” yang “sulit untuk ditingkatkan atau diadaptasi dengan skenario baru.” Misalnya, salah satu sinyalnya adalah “waktu sejak navigasi terakhir”:
Harapan dari sinyal ini adalah semakin kecil sinyal tersebut (semakin baru Anda menavigasi ke URL tertentu), semakin besar kontribusi sinyal terhadap skor relevansi yang lebih tinggi.
Google mengatakan sistem penilaian yang bertanggung jawab untuk menampilkan/memberi peringkat URL dan pertanyaan yang disarankan “sebagian besar tidak tersentuh untuk waktu yang lama.”
Untuk sebagian besar waktu, model penilaian yang dilatih ML adalah jalan maju yang jelas. Namun butuh banyak permulaan yang salah untuk akhirnya sampai di sini. Ketidakmampuan kami untuk mengatasi tantangan ini dalam jangka waktu yang lama disebabkan oleh sulitnya mengganti mekanisme inti dari sebuah fitur yang digunakan miliaran kali setiap hari.
Sistem ML baru ini akan menghasilkan bilah alamat Chrome yang menampilkan saran laman yang “lebih tepat dan relevan bagi Anda”. Ini akan memungkinkan Google untuk “mengumpulkan sinyal-sinyal baru, melatih kembali, mengevaluasi, dan menerapkan model-model baru secara berkala dari waktu ke waktu.” Salah satu peningkatan yang dilakukan model seiring berjalannya waktu sejak navigasi terakhir adalah:
…ketika waktu sejak navigasi sangat singkat (detik, bukan jam, hari, atau minggu), model menurunkan skor relevansinya. Ternyata data pelatihan mencerminkan pola di mana pengguna terkadang membuka URL yang sebenarnya tidak mereka inginkan, lalu segera kembali ke omnibox Chrome dan coba lagi. Dalam hal ini, URL yang baru saja mereka navigasikan hampir pasti bukan yang mereka inginkan, sehingga URL tersebut akan menerima skor relevansi yang rendah pada upaya kedua ini.
Ke depan, Google sedang mempertimbangkan untuk menggabungkan sinyal-sinyal baru, “seperti membedakan waktu dalam sehari untuk meningkatkan relevansi.”
Tim juga sedang menjajaki “pelatihan versi khusus model untuk lingkungan tertentu.” Pendekatan baru ini saat ini tersedia di desktop, namun penerapannya di masa depan dapat menargetkan penggunaan seluler, perusahaan, dan pendidikan.
Lebih lanjut tentang Chrome:
FTC: Kami menggunakan tautan afiliasi otomatis yang menghasilkan pendapatan. Lagi.
