Google在周四推出了一项名为Web Guide的新AI功能,用于组织Google搜索结果。Web Guide是Search Labs的一个实验性功能,利用AI技术将搜索结果页面按照搜索查询的特定方面进行分组整理。
Search Labs实验是Google测试新想法的方式,让用户可以选择加入他们感兴趣的功能。这些实验可以随时开启或关闭,包括Google的AI模式、Notebook LM、影片制作工具Flow,以及其他更加细分的创意,比如基于Google Discover信息流新闻的音频节目。
这项新的Web Guide实验是Google在AI模式中已经使用的扇形展示搜索结果技术的变体。该功能由Gemini提供支持,帮助Google更好地理解搜索查询,然后链接到使用传统Google搜索可能遗漏的其他页面。
Google表示,该功能适用于开放性搜索查询,如"如何独自在日本旅行",甚至更复杂的多句查询。例如,用户可以询问"我的家人分布在多个时区。有什么最好的工具可以保持联系并维持亲密关系,尽管距离遥远?"
搜索结果的每个部分都会专注于查询的一种类型的答案。以独自旅行的例子来说,Web Guide会显示诸如综合指南、安全提示、人们分享个人经历的链接等不同分组。
该实验功能将提供给选择加入的用户,初期将重新配置搜索页面Web标签中的搜索结果。如果用户想要查看标准结果而不想完全禁用实验,也可以直接从该标签关闭Web View。
Google表示,随着时间推移,该实验功能还将扩展到搜索的其他领域,包括"全部"标签。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。