نموذج كبير + بحث: لعبة الداما وثلاثة لاعبين

المصدر الأصلي: الجسم القطبي الدماغ

مصدر الصورة: تم إنشاؤه بواسطة الذكاء الاصطناعي غير محدود

نعلم جميعا أن النماذج الكبيرة يجب أن تولد لتكون مفيدة للتطبيقات. لذا ، ما هو التطبيق الذي يمكن أن يفسح المجال كاملا لإمكانات القيمة الذكاء الاصطناعي النماذج الكبيرة الأسرع وتصبح المحطة الأولى لهبوط النماذج الكبيرة؟ عندما يتعلق الأمر بهذا السؤال ، سيجيب الكثير من الناس أولا: البحث.

من ناحية ، هذا لأنه بعد انفجار ChatGPT ، قام “المساهم الرئيسي” Microsoft أولا بدمج قدراته في بحث Bing ، وأعلن ذات مرة أنه سيعتمد على مزايا النماذج الكبيرة لاختيار الأخ الأكبر Google في الصناعة. بعد ذلك ، في سياق النسخ المتماثل على نطاق واسع للنماذج الكبيرة في الدائرة الذكاء الاصطناعي في الصين ، من الطبيعي التفكير في تعزيز البحث + النماذج الكبيرة أولا على جانب التطبيق.

من ناحية أخرى ، تتمتع محركات البحث بطبيعة الحال بميزة التكامل العميق مع الذكاء الاصطناعي. في وقت مبكر من عامي 2014 و 2015 ، بدأ عمالقة محركات البحث التقليدية مثل Baidu و Google في دمج تقنيات الذكاء الاصطناعي مثل التعلم العميق والرسم البياني المعرفي في البحث ، وذلك لتحسين قدرة محرك البحث على فهم تعليمات المستخدم وتعزيز الصلة الداخلية لنتائج البحث.

يمكن ملاحظة أن النموذج الكبير + البحث يمكن القول أنه الوقت والمكان المناسبين. بعد ما يقرب من عام من الاستكشاف ، تم إثراء النموذج الكبير + تطبيق البحث للصناعة الذكاء الاصطناعي في الصين تدريجيا. على الرغم من أن التغييرات التي جلبتها النماذج الكبيرة للبحث لم تظهر بالكامل ، فقد تم تشكيل فكرة استكشاف متنوعة نسبيا.

من أجل السماح للجميع بفهم التقدم الحالي للنموذج الكبير + البحث بشكل أكثر وضوحا ، وفهم تمايز الأفكار المختلفة. فكرنا في استعارة: نموذج كبير + بحث ، مثل لعبة الداما. قطع الشطرنج في أيدي جميع اللاعبين هي نفسها ، أي تقنية النموذج الكبير وتقنية البحث. وهدفهم النهائي هو نفسه ، أي احتضان أول تطبيق شائع في عصر النماذج الكبيرة.

ولكن في عملية لعب الشطرنج ، لكل منهم حركات شطرنج مختلفة. في الوقت الحالي ، يتم تقسيمها إلى ثلاثة أنواع.

** المتسابق 1: نموذج كبير كمكون إضافي محسن لمحركات البحث **

البحث هو الاتصال الأكثر شيوعا بين الأشخاص والمعلومات في عصر الإنترنت. تحتاج محركات البحث إلى فهم كل من نية المستخدم والكميات الهائلة من المعلومات. كمحور بين المعلومات والناس ، فإن الحاجة إلى محركات البحث لتحسين ذكائهم لا تنتهي أبدا.

الفرق الذي يجلبه النموذج الكبير لمحرك البحث هو أنه لا يمكنه فقط تعزيز تجربة محرك البحث التقليدي ، ولكن أيضا جلب إمكانات إنشاء محتوى متنوعة لنية المستخدم ونتائج البحث من خلال نموذج AIGC.

على سبيل المثال ، لا يمكن للنموذج الكبير تحسين دقة البحث فحسب ، بل يمكنه أيضا دمج نتائج بحث متعددة في مربع محتوى واحد ، مما يوفر وقت المستخدمين. هذا يعادل منح المستخدمين بعض أدوات البحث الإضافية خارج إطار البحث التقليدي.

بناء على هذه الفكرة ، بدأت الصناعة في استكشاف الوضع الأول للنموذج الكبير + البحث: قدرة النموذج الكبير كمكون إضافي محسن لمحركات البحث. في السوق المحلية ، ممثل هذا النوع هو بايدو.

يمكن القول أن أعمال البحث هي المحطة الأولى لشركة Baidu لتحويل المنتج من خلال قدرات نموذج Wenxin الكبيرة. في هذه المرحلة ، أضافت بايدو “مكونا إضافيين محسنين” استنادا إلى قدرات AIGC إلى محرك البحث.

الأول هو تجميع المعلومات في الإجابة الأولى.

وفي عملية الجمع بين التكنولوجيا الذكاء الاصطناعي والبحث، تركز بايدو تركيزا كبيرا على مفهوم “نتيجة البحث الأولى هي تلبية احتياجات المستخدمين”. يمكن لقدرة النموذج الكبير تجميع المعلومات الأساسية من نتائج البحث لإنشاء ملخصات المحتوى. بناء على هذا النموذج ، قامت بايدو بتحديث القدرة على الإجابة على الإجابة الأولى في محرك البحث ، والتي لا تغطي المعلومات النصية فحسب ، بل تفهم الفيديو أيضا من خلال نموذج كبير لتلخيص الملخص. في هذا الوضع ، من خلال إضافة النتائج التي يريد المستخدم البحث عنها في محتوى الفيديو ، لم يعد بإمكان المستخدم مشاهدة الفيديو ، ولكن الحصول مباشرة على ملخص لمحتوى الفيديو من خلال الإجابة الأولى.

وفقا للبيانات الصادرة عن Baidu ، كان معدل الرضا عن البحث الأول في الماضي حوالي 40٪ فقط ، ولكن بعد إضافة قدرة النموذج الكبيرة ، وصل المعدل إلى 70٪. يمكن ملاحظة أن قدرة النموذج الكبيرة ، كمكون إضافي لمحرك البحث ، هي الحصول على ردود فعل إيجابية.

نوع آخر من نوع “المكونات الإضافية المحسنة” من النماذج الكبيرة جنبا إلى جنب مع البحث هو توفير شريط حوار الذكاء الاصطناعي بالإضافة إلى شريط البحث ، وهو إمكانية “الشريك الذكاء الاصطناعي” التي أطلقتها Baidu Search في المؤتمر البيئي المتنقل في مايو من هذا العام.

يمكن للشركاء الذكاء الاصطناعي إجراء AIGC Q&A مع المستخدمين ، ومساعدة المستخدمين على إكمال القدرات مثل وضع علامة على الإجابات ، وتوفير مصادر المعلومات ، وتلخيص ملخصات المستندات ، وما إلى ذلك ، عند استخدام محركات البحث ، وكذلك دعم استدعاء الأدوات والخدمات الأخرى.

بمعنى آخر ، توفر بايدو مكونات AIGC الإضافية بناء على إمكانات النموذج الكبيرة في واجهة محرك البحث وخارج محرك البحث ، بحيث يمكن لمحرك البحث الحصول على إعادة بناء نموذج كبير من زوايا متعددة. من قبيل الصدفة ، يشبه هذا الخط من التفكير إلى حد كبير دمج Google لروبوت الدردشة Bard في محرك البحث الخاص بها

يمكن ملاحظة أن الشركات المصنعة التي تتمتع بالمزايا التقليدية لمحركات البحث تميل أكثر إلى استخدام النماذج الكبيرة كمكونات إضافية للتحسين ، ودمج فكرة “1 + 1 أكبر من 2” في محركات البحث التقليدية من زوايا متعددة.

** المتسابق 2: تطبيق بحث يشبه ChatGPT **

بالإضافة إلى تعزيز قدرات محركات البحث التقليدية ، يجلب النموذج الكبير أيضا مشكلة أخرى: هل من الممكن تجاوز نموذج البحث التقليدي وإنشاء منتجات بحث جديدة مباشرة بناء على قدرات AIGC؟

كان هناك أيضا بعض الاستكشاف لهذا الاحتمال. تتمتع ChatGPT نفسها بالقدرة على فهم الدلالات ، والأسئلة والأجوبة متعددة الجولات ، وإنشاء المحتوى ، وما إلى ذلك ، وإلى حد ما ، يمكن اعتبار ذلك أيضا نوعا من “البحث”. كل ما في الأمر أن محتوى البحث قد تغير من الكلمات الرئيسية إلى الأسئلة والاحتياجات ، وتغيرت نتائج البحث من صفحات الويب إلى محتوى نصي تم إنشاؤه مباشرة.

نتيجة لذلك ، يمكن تسمية نوع جديد من منتجات البحث التي ظهرت في صناعة الذكاء الاصطناعي في الصين بالبحث الشبيه ب ChatGPT. من بينها ، “المتسابقون” التمثيليون هم بحث Tiangong الذكاء الاصطناعي الذي أطلقه Kunlun Wanwei.

يأخذ هذا النوع من محركات البحث AIGC تماما كمنطق أساسي للمنتج. يستخدم المستخدمون لغة طبيعية للتعبير عن نية احتياجاتهم ، ثم تستجيب واجهة البحث للإجابات ذات الصلة ، بدلا من عرض عدد كبير من روابط الويب مثل محركات البحث التقليدية.

نسبيا ، يكمن أحد ابتكارات Tiangong الذكاء الاصطناعي البحث في فهرس المصدر. عند استخدام منصات AIGC مثل ChatGPT ، غالبا ما نواجه عدم اليقين بشأن ما سيجيب الذكاء الاصطناعي. لا يمكن للنموذج الكبير للعديد من الأسئلة أن يعطي الإجابة الصحيحة ، بل ويختلق الحجج ومصادر الأدب ومصادر الأخبار وما إلى ذلك ، والتي يشكو منها على نطاق واسع على أنها “هراء خطير الذكاء الاصطناعي”.

يؤكد بحث Tiangong الذكاء الاصطناعي على توليد الإجابات ومصدر المعلومات المرجعية في نفس الوقت ، وذلك لضمان أن المستخدمين يمكنهم تتبع مرجع المعلومات ، مما يتجنب إلى حد كبير مشكلة الثقة في منصة AIGC. كما أن مصادر المعلومات المرجعية الخاصة بها غنية نسبيا ، بما في ذلك المواقع الإخبارية ومنصات أسئلة وأجوبة المعرفة ومقاطع الفيديو وما إلى ذلك.

ومع ذلك ، في هذه المرحلة ، لا يزال من الصعب التمييز بين البحث الشبيه ب ChatGPT ومنصة AIGC ، وتصور المستخدمين لها غير واضح. يحتاج هذا النموذج إلى مزيد من الترويج والاختبار من قبل المستخدمين.

**اللاعب 3: نموذج كبير الهبوط البحث العمودي **

بعد أن أصبح مشهد محرك البحث مستقرا نسبيا ، كانت هناك فكرة صناعية: بعد أن لا تكون فرصة البحث العامة كبيرة ، يمكن لمحرك البحث بذل جهود في مجال البحث الرأسي ، وذلك لتوحيد قاعدة المستخدمين مع طلب البحث المستمر في هذا المجال. بذلت كل من Sogou Search و Quark جهودا في مجال البحث الرأسي. من بينها ، حقق Quark نتائج جيدة بين المستخدمين الشباب بفضل قدرته على البحث الرأسي.

الفكرة الثالثة للنموذج الكبير + البحث هي أخذ زمام المبادرة في هبوط النماذج الكبيرة في البحث الرأسي. وبهذه الطريقة ، فإنه يعزز القدرة على فهم اللغة الطبيعية وتجربة استرجاع المعلومات في مناطق بحث محددة. في هذا المجال ، اللاعب التمثيلي الحالي هو Quark. في 14 نوفمبر ، أصدرت مجموعة أعمال المعلومات الذكية التابعة لشركة علي بابا نموذجا كبيرا للكوارك. استنادا إلى تحديد المواقع المتباينة الخاصة به ، فإن تطبيق نموذج الكوارك الكبير سيعطي الأولوية لتطبيق البحث المهني وخدمات المعلومات الأخرى. بالإضافة إلى نموذج اللغة الكبيرة الأساسي ، فإن نموذج الكوارك الكبير سيستمد أيضا نماذج رأسية مثل الرعاية الطبية والتعليم ، مما يدل على الأهمية التي يوليها الكوارك لمجال المعرفة المتخصصة.

في الوقت الحاضر ، تعد الرعاية الطبية والتعليم والعلوم الإنسانية والاجتماعية هي الاتجاهات الرئيسية للبحث الرأسي عن النماذج الكبيرة. هذه الاتجاهات لها متطلبات قوية لمصادر المعلومات ، ولها خصائص الكلمات الرئيسية الغامضة ، والمعلومات الأقل فعالية ، والمنطق القوي ، والتي هي أكثر ملاءمة للنماذج الكبيرة لممارسة خصائصها الخاصة من عمليات البحث العامة. في الوقت نفسه ، يمكن أن يؤدي الجمع بين النماذج الكبيرة والبحث الرأسي أيضا إلى تقليل تكاليف المنتج وتحسين الكفاءة الإجمالية للنماذج الكبيرة في مجال البحث.

في الواقع ، هناك أيضا متغير من مزيج البحث الرأسي والنماذج الكبيرة ، أي أن كل قرص شبكة متصل حاليا بوظيفة بحث ذات إمكانات فهم اللغة الطبيعية. يمكنك استخدام المعلومات الأساسية مثل الأوصاف والصفات الغامضة لاسترداد بيانات قرص الشبكة ، خاصة للصور ومقاطع الفيديو والمحتويات الأخرى.

** كل ذلك نقطة انطلاق للتطبيقات الفائقة **

لذا فإن السؤال هو ، ما هو الوضع الصحيح للنموذج الكبير + البحث؟

آسف ، الجواب يمكن أن يكون الانتظار فقط.

نموذج كبير + بحث هو سيناريو هبوط نموذج كبير واعد منطقيا. لذلك ، بعد أن بدأ ChatGPT في الانفجار ، قامت Microsoft ببناء قدرة النموذج الكبيرة في BingChat وأصدرت الكثير من الكلمات القاسية حول بحث Google. ولكن بعد عام تقريبا ، قامت Microsoft بفصل الكثير من قدراتها الذكاء الاصطناعي من أعمال البحث ، ولم تتأثر هيمنة Google على السوق. يمكن ملاحظة أنه لا يزال هناك طريق طويل لنقطعه من النظرية إلى التطبيق في هذا السيناريو.

إذا نظرنا إلى الوراء في السوق المحلية ، ستجد أن أوضاع الاستكشاف الثلاثة لا تزال تقاتل بشكل منفصل ، وليس هناك الكثير من المواجهة ، ولا يوجد اعتراف عام بنموذج كبير + بحث من جانب المستخدم ، وحتى درجة هبوطه أدنى بكثير من تطبيق الحوار الشبيه ب ChatGPT نفسه. يمكن العثور على ثلاثة أسباب:

** 1. هذه المحاولات الثلاث للنموذج الكبير + البحث لم تكمل اختراق نموذج المنتج من 0 إلى 1. ** ولدت لتقوية وإكمال محرك البحث السابق ومنتجات الحوار الذكاء الاصطناعي ، لذلك ليس لديها نقطة اشتعال منتج مثيرة للاهتمام للغاية.

**2. في هذه المرحلة ، لا يكون تحسين تجربة البحث للنموذج الكبير قويا في تجربة المستخدم الشامل. ** يمكن استخدامه فقط كأداة احترافية في المجالات الأكاديمية وتكنولوجيا المعلومات وغيرها من المجالات.

** 3.In بالإضافة إلى ذلك ، فإن مساحة التسويق للنموذج الكبير + البحث غير واضحة. ** بعد إضافة تقنية النماذج واسعة النطاق ، لم يتغير نموذج الأعمال ومستوى تسويق منتجات البحث بشكل كبير ، لذلك لم يحظوا باهتمام كاف من سوق رأس المال.

على المدى الطويل ، يجب أن يكون الهدف النهائي للنموذج الكبير + البحث هو تشكيل تطبيق فائق في عصر النماذج الكبيرة. تماما مثل ظهور محركات البحث في عصر الإنترنت ، فقد غيرت تماما وضع الحصول على المعلومات والتفاعل مع الأشخاص.

وإذا كان هذا هو الهدف ، فإن نموذج اليوم الكبير + استكشاف البحث سيكون حتما نقطة انطلاق على طريق قطع الشطرنج. فقط من خلال السماح لقطع الشطرنج بالاستمرار في القفز يمكن أن يحدث تغيير نوعي في عقدة معينة في المستقبل.

طالما يمكنك الحفاظ على النموذج الكبير والبحث يمضي قدما ، فإن الضوء في المقدمة لا يزال أكبر بكثير من الظلام.