آیا می‌دانید که بیش از ۶۲٪ از جستجوهای موبایل در گوگل شامل نتایج تصویری می‌شود؟ این آمار تنها نشان‌دهنده‌ی شاید مهم‌ترین تحولی است که گوگل در سالگرد ۲۵ سالگی خود به عرصه آورده: بازطراحی ریشه‌ای جستجوی تصویری (Google Images) با تمرکز بر «بیشتر تصویر» و «بیشتر هوش مصنوعی». در عصری که محتوای بصری زبان اول اینترنت شده، گوگل نه تنها حجم نتایج را چند برابر کرده، بلکه لایه‌های درک معنا، تولید کپشن و جستجوی مولتی‌مودال را بر روی بستر Gemini و MUM پیاده‌سازی کرده است.

پیشینه و تاریخچه: از لیست ساده تا جستجوی معنایی

جستجوی تصویری گوگل در ژوئیه ۲۰۰۱ (چند ماه پس از راه‌اندازی گوگل) با انگیزه‌ی جستجوی پوست‌ جامک جنیفر لوپز در Grammyها متولد شد. نسخه اول تنها یک شبکه‌ی تصاویر کوچک با لینک مستقیم بود. در ۲۰۱۱، جستجوی معکوس تصویر (Reverse Image Search) اضافه شد. ۲۰۱۵ شاهد ورود RankBrain برای درک معنایی بود. ۲۰۲۱ با MUM (Multitask Unified Model)، گوگل توانست متن، تصویر و ویدئو را به‌صورت همزمان درک کند. اکنون در ۲۰۲۶، سالگرد ۲۵ سالگی، گوگل با ادغام Gemini 1.5 Pro و Imagen 3، جستجوی تصویری را از «یافتن» به «درک و تولید» ارتقا می‌دهد.

جزئیات کامل خبر: چه تغییراتی اعمال شده؟

به گزارش Ars Technica در ۱۴ ژوئیه ۲۰۲۶، گوگل سه ستون اصلی را در بازطراحی جدید تقویت کرده است:

• پوشش بصری گسترده‌تر: اندیس تصاویر گوگل از ۱۰ میلیارد به بیش از ۴۰ میلیارد تصویر گسترش یافته، با اولویت‌دهی به محتوای اصلی، باکیفیت و با مجوز قابل ردیابی (IPTC metadata).
• کپشن‌گذاری مولتی‌مودال (Multimodal Captions): مدل Gemini 1.5 Pro اکنون برای هر تصویر یک «توضیح غنی» (Rich Caption) تولید می‌کند که شامل موضوع، سبک هنری، بافت فرهنگی، احساسات القا شده و حتی کدهای رنگی است. این کپشن‌ها در نتایج جستجو، Discover و Google Lens نمایش داده می‌شوند.
• جستجوی مولتی‌مودال یکپارچه: کاربران می‌توانند همزمان متن + تصویر + ویدئو + صدا را به عنوان کوئری وارد کنند. مثال: عکس یک صندلی میدسینچری + «رنگ سبز سیج» + «قیمت زیر ۳۰۰ دلار» → نتایج خرید دقیق.
• ImageFX در جستجو: دکمه‌ی «Generate variations» با قدرت Imagen 3 مستقیماً در SERP تعبیه شده؛ کاربر می‌تواند با پرامپت متنی، تنوع‌های بصری جدید بسازد و دانلود کند (با واترمارک SynthID).
• فیلترهای پیشرفته حقوقی: منوی «Usage Rights» بازطراحی شده، گزینه‌های «Creative Commons»، «Public Domain»، «Commercial Use Allowed» و «AI-Generated» را با آیکون‌های بصری جدا می‌کند.

مقایسه با نسخه قبلی و رقبا

حجم اندیس~۱۰B۴۰B+~۱۲B~۳۰۰M (پین‌ها) کپشن AIALT text سادهRich Caption (Gemini)Basic AI tagsProduct-focused Multimodal Queryخیربله (متن+تصویر+ویدئو)محدودخیر Generative UIخیرImageFX در SERPDALL-E 3 در Bing Chatخیر حقوق مالکیتفیلتر سادهمتادیتای IPTC + SynthIDفیلتر سادهمحدود

🔍 تحلیل نیکای

این بازطراحی تنها یک آپدیت UI نیست؛ گوگل در حال تغییر قرارداد جستجو است: از «لینک دهی» به «پاسخ‌دهی و تولید». با ادغام Gemini 1.5 Pro (پنجره زمینه ۲ میلیون توکن) در خط لوله‌ی اندیس‌گذاری، گوگل می‌تواند بافت فرهنگی، تاریخی و هنری تصاویر را در مقیاس وب درک کند — چیزی که رقبا مانند بینگ یا یاندکس با محدودیت محاسباتی مواجه‌اند. برای بازار ایران، دو پیامد حیاتی وجود دارد: اول، فیلترهای حقوقی پیشرفته و واترمارک SynthID، نگرانی‌های کپی‌رایت تولیدکنندگان محتوا فارسی را کاهش می‌دهد. دوم، جستجوی مولتی‌مودال فارسی (متن فارسی + تصویر) با بهبودی در tokenizerهای چندزبانه Gemini، دقت درک پرسش‌های پیچیده فارسی را به شدت افزایش می‌دهد. پیش‌بینی ۳-۶ ماهه: گوگل «Visual Shopping Graph» را با این بستر یکپارچه خواهد کرد تا تجربه‌ی «جستجو → مقایسه → خرید» را بدون خروج از SERP کامل نماید.

💡 نکات کلیدی

• اندیس تصویری گوگل چهاربرابر شده و اکنون بیش از ۴۰ میلیارد تصویر را پوشش می‌دهد.
• Gemini 1.5 Pro کپشن‌های غنی مولتی‌مودال برای هر تصویر تولید می‌کند که درک معنا را ریشه‌ای تغییر می‌دهد.
• جستجوی مولتی‌مودال (متن + تصویر + ویدئو + صدا) اکنون در SERP اصلی فعال است.
• ImageFX با Imagen 3 امکان تولید تنوع‌های بصری مستقیماً در نتایج جستجو را فراهم می‌کند.
• فیلترهای حقوقی با متادیتای IPTC و واترمارک SynthID، شفافیت مالکیت فکری را تضمین می‌کنند.

🎯 برای چه کسانی مهم است؟

این تغییرات برای تولیدکنندگان محتوای بصری (عکاسان، طراحان، هنرمندان AI)، تسریرهای دیجیتال و سئوکارها (بهینه‌سازی برای Rich Caption)، توسعه‌دهندگان اپلیکیشن‌های خرید و الگوگیری مد، دانشجویان و پژوهشگران هنر/تاریخ (جستجوی مولتی‌مودال)، و مشاوران حقوق مالکیت فکری (فیلترهای پیشرفته) حیاتی است.

سؤال: با فعال‌سازی جستجوی مولتی‌مودال و تولید تصویر در SERP، آیا گوگل در حال تبدیل شدن از «موتور جستجو» به «موتور کشف و تولید بصری» است؟ نظر شما چیست؟

منبع: Ars Technica — Google revamps image search for its 25th anniversary with more images and more AI