Революция браузеров в эпоху ИИ: от поиска к интеллектуальным агентам

Третья война браузеров тихо развертывается. Начиная с Netscape и Microsoft IE в 90-х годах прошлого века, и до Firefox, воплощающего дух открытости, и Google Chrome, борьба браузеров всегда была явным отражением контроля над платформами и изменений технологических парадигм. Chrome завоевал господствующее положение благодаря скорости обновления и экосистемной взаимосвязи, в то время как Google через "двустороннюю олигархию" поиска и браузера сформировал замкнутый круг информационных входов.

Тем не менее, эта структура начинает колебаться. Появление крупных языковых моделей (LLM) приводит к тому, что все больше пользователей выполняют задачи на страницах результатов поиска без кликов, что снижает традиционное поведение кликов на веб-страницах. В то же время слухи о том, что некая технологическая гигант может заменить поисковую систему по умолчанию в своем браузере, еще больше угрожают прибыли материнской компании Google, и рынок уже начал проявлять беспокойство 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, объединяющий различные возможности, такие как ввод данных, поведение пользователей и защита конфиденциальности. Хотя AI Agent силен, для выполнения сложного взаимодействия на страницах, вызова локальных данных о пользователе и управления элементами веб-страниц всё равно требуется опираться на доверительные границы и функциональные песочницы браузера. Браузер превращается из пользовательского интерфейса в платформу системных вызовов для агентов.

Настоящим возможным разрушителем текущей рыночной структуры браузеров может стать не "лучший Chrome", а новая структура взаимодействия: не показ информации, а вызов задач. Будущие браузеры должны быть разработаны для AI-агентов — не только чтобы читать, но и чтобы писать и выполнять. Некоторые проекты пытаются семантизировать структуру страниц, превращая визуальный интерфейс в структурированный текст, доступный для вызова LLM, что значительно снижает затраты на взаимодействие.

На рынке основные проекты начали пробовать новые подходы: одна AI поисковая система создала нативный браузер, заменив традиционные поисковые результаты AI; один браузер объединил защиту конфиденциальности и локальное вывлечение, усилив функции поиска и блокировки с помощью LLM; а некоторые нативные проекты Web3 нацелены на новые входные точки для взаимодействия AI и цепочечных активов. Общая черта этих проектов: попытка реконструировать входную часть браузера, а не улучшать его выходной слой.

Для предпринимателей возможности скрыты в треугольных отношениях между вводом, структурой и агентами. Браузер как интерфейс для вызова мира будущего агентов означает, что тот, кто сможет предоставить структурированные, вызываемые и надежные "блоки возможностей", сможет стать частью нового поколения платформ. От SEO до AEO (оптимизация движка агентов), от трафика страниц до вызовов цепочки задач, форма и дизайн продукта переосмысляются. Третья война браузеров происходит в "вводе", а не в "демонстрации"; решающим фактором станет не тот, кто привлечет внимание пользователя, а тот, кто завоюет доверие агентов и получит доступ к вызову.

Краткая история развития браузеров

В начале 90-х годов XX века появился Netscape Navigator, который открыл двери в цифровой мир миллионам пользователей. Этот браузер не был первым, но он стал первым по-настоящему массовым продуктом, сформировавшим опыт использования Интернета.

Microsoft вскоре осознал важность браузеров и решил жестко интегрировать Internet Explorer в операционную систему Windows, сделав его браузером по умолчанию. Эта стратегия считается "убийственным приемом платформы", которая напрямую подорвала доминирование Netscape на рынке.

В условиях кризиса инженеры Netscape выбрали радикальный и идеалистический путь — они открыли исходный код браузера и призвали к открытым источникам. Этот код впоследствии стал основой проекта браузера Mozilla, который в конечном итоге получил название Firefox.

В то же время появился браузер Opera, который пришел из Норвегии и изначально был экспериментальным проектом. Но начиная с версии 7.0 в 2003 году, он внедрил собственный движок Presto, который первым поддержал такие передовые технологии, как CSS, адаптивная верстка, голосовое управление и кодировка Unicode.

В том же году один из технологических гигантов выпустил свой собственный браузер. Это было знаковое поворотное событие. В то время Microsoft инвестировала 150 миллионов долларов в эту компанию, находящуюся на грани банкротства, чтобы сохранить видимость конкуренции и избежать антимонопольной проверки.

В 2007 году IE7 был выпущен вместе с Windows Vista, но реакция рынка была посредственной. Напротив, Firefox благодаря более быстрому темпу обновлений, более дружелюбной системе расширений и естественной привлекательности для разработчиков уверенно увеличивал свою долю на рынке до примерно 20%. Господство IE постепенно ослабевало, и ветер перемен дул в другую сторону.

Google является еще одной стратегией. Chrome был представлен в 2008 году, разработан на основе открытого проекта Chromium и движка WebKit, используемого Safari. Его прозвали "громоздким" браузером, но благодаря глубоким навыкам Google в рекламе и создании брендов, он быстро стал популярным.

Ключевое оружие Chrome заключается не в функциях, а в частоте обновлений (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 позиции.

В 2020-х годах доминирование Chrome было установлено, и доля рынка стабилизировалась на уровне около 65%. Стоит отметить, что хотя поисковая система Google и браузер Chrome принадлежат одной компании, с точки зрения рынка они представляют собой две независимые гегемонистские системы — первая контролирует около девяти десятых глобальных точек доступа к поиску, в то время как вторая управляет "первым окном" для большинства пользователей в интернет.

Чтобы сохранить эту двойную монопольную структуру, компания не жалеет денег на инвестиции. В 2022 году она заплатила примерно 20 миллиардов долларов одному технологическому гиганту только для того, чтобы Google оставался по умолчанию поисковой системой в ее браузере. Эти расходы составляют 36% от доходов Google от поисковой рекламы, полученных от трафика этого браузера. Иными словами, Google платит "защиту" для своего "крепостного".

Но ветер снова изменился. С ростом крупных языковых моделей (LLM) традиционный поиск начал испытывать давление. В 2024 году доля рынка поиска Google упала с 93% до 89%. Хотя он по-прежнему доминирует, трещины уже начали проявляться. Более разрушительными стали слухи о том, что одна из технологических гигантов может запустить собственную AI поисковую систему — если их поисковая система станет по умолчанию, это не только изменит экологическую структуру, но и может подорвать прибыль материнской компании Google. Рынок быстро отреагировал: акции компании упали с 170 долларов до 140 долларов, что отражает не только панику среди инвесторов, но и глубокую тревогу по поводу будущего эпохи поиска.

От Navigator до Chrome, от идеала с открытым исходным кодом до коммерциализации рекламы, от легковесного браузера до AI-поискового помощника, борьба браузеров всегда была войной о технологиях, платформах, контенте и контроле. Поле битвы постоянно меняется, но суть никогда не меняется: кто контролирует вход, тот определяет будущее.

В глазах венчурных капиталистов третья битва 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 - фронтенд вход

Запрос через HTTPS к ближайшему фронтенду для завершения TLS-расшифровки, QoS-сэмплирования и географической маршрутизации. Если будет обнаружен аномальный трафик (DDoS, автоматическое сканирование), можно ограничить поток или бросить вызов на этом уровне.

Понимание запроса

Фронтенду необходимо понять значение слов, введенных пользователем, что включает в себя три шага: нейронная коррекция орфографии, исправляющая "recpie" на "recipe"; расширение синонимов, расширяющее "how to fix bike" до "repair bicycle". Анализ намерений, определяющий, является ли запрос информационным, навигационным или торговым, и назначающий запрос Vertical.

Кандидат на возврат

Технология запросов, используемая поисковыми системами, называется: обратный индекс. В прямом индексе мы можем индексировать файл, имея только ID. Однако пользователи не могут знать номер содержимого среди сотен миллиардов файлов, поэтому используется очень традиционный обратный индекс для поиска файлов, содержащих соответствующие ключевые слова. Далее используется векторный индекс для обработки семантического поиска, то есть для поиска контента, схожего по смыслу с запросом. Он преобразует текст, изображения и другой контент в многомерные векторы (embedding) и осуществляет поиск на основе схожести 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", так как они семантически схожи. После применения обратного индекса и векторного индекса примерно сто тысяч веб-страниц будут предварительно отобраны.

Многоуровневая сортировка

Системы обычно фильтруют кандидаты из сотен тысяч страниц до примерно 1000, используя тысячи легких признаков, таких как BM25, TF-IDF, оценки качества страниц и так далее, формируя первоначальный набор кандидатов. Такие системы в целом называются рекомендательными системами. Они полагаются на массу признаков, генерируемых различными сущностями, включая поведение пользователей, атрибуты страниц, намерения запросов и контекстные сигналы. Например, будет учитываться история пользователя, отзывы от других пользователей, семантика страницы, смысл запроса и т.д., а также контекстные факторы, такие как время (периоды времени в течение дня, конкретные дни недели) и внешние события, такие как актуальные новости.

Глубокое обучение для главной сортировки

На стадии предварительного поиска используются такие технологии, как RankBrain и Neural Matching, для понимания семантики запроса и фильтрации первоначально релевантных результатов из огромного объема документов. RankBrain — это система машинного обучения, введенная Google в 2015 году, предназначенная для лучшего понимания смысла запросов пользователей, 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 размытых отношений между словами, что помогает лучше сопоставлять запросы и содержимое веб-страниц. Например, для запроса "почему мой ноутбук издает громкий шум вентилятора" Neural Matching может понять, что пользователь, возможно, ищет информацию по устранению неполадок, связанным с перегревом, накоплением пыли или высоким использованием процессора, даже если эти слова не появляются в запросе напрямую.

Глубокая переработка: Применение модели BERT

После предварительной фильтрации соответствующих документов используется модель BERT (Bidirectional Encoder Representations from Transformers) для более тщательной сортировки этих документов, чтобы обеспечить наличие наиболее релевантных результатов на первых местах. BERT — это предварительно обученная языковая модель на основе Transformer, способная понимать контекстное отношение слов в предложении. В поиске BERT используется для повторной сортировки предварительно извлеченных документов. Она выполняет совместное кодирование запроса и документа, вычисляя их оценку релевантности для повторной сортировки документов. Например, для запроса "Парковка на склоне без бордюра" BERT может понять значение "без бордюра" и вернуть предложение водителю направить колеса к обочине, а не ошибочно интерпретировать это как наличие бордюра.

Это типичный рабочий процесс поисковой системы. Однако в эпоху взрывного роста ИИ и больших данных у пользователей возникли новые требования к взаимодействию с браузером.

Почему ИИ будет переосмыслять браузеры

Во-первых, нам нужно понять, почему браузеры все еще существуют? Существует ли третья форма, кроме искусственного интеллекта и браузеров?

Мы считаем, что существование невозможно заменить. Почему искусственный интеллект может использовать браузер, но не может полностью заменить его? Потому что браузер — это универсальная платформа, которая является не только входом для чтения данных, но и универсальным входом для ввода данных. Этот мир не может состоять только из ввода информации, необходимо также генерировать данные и взаимодействовать с веб-сайтами, поэтому браузеры, интегрирующие персонализированную пользовательскую информацию, по-прежнему будут широко распространены.

Мы зафиксировали этот момент: браузер как универсальный вход не только для чтения данных, пользователям часто нужно взаимодействовать с данными. Сам браузер является отличным местом для хранения отпечатков пользователей. Более сложное поведение пользователей и автоматизированные действия должны основываться на браузере.