Первоисточник: Полярное тело мозга
Источник изображения: Generated by Unbounded AI
Все мы знаем, что большие модели должны рождаться, чтобы быть полезными для приложений. Итак, какое приложение может быстрее всего раскрыть потенциал больших моделей ИИ и стать первой остановкой для приземления больших моделей? Когда дело доходит до этого вопроса, многие люди сначала ответят: поиск.
С одной стороны, это связано с тем, что после взрыва ChatGPT «основной акционер» Microsoft впервые интегрировал его возможности в поиск Bing, а однажды объявил, что будет полагаться на преимущества крупных моделей, чтобы выделить старшего брата Google в отрасли. Затем, в контексте широкомасштабного тиражирования больших моделей в китайском кругу ИИ, естественно подумать о продвижении поиска + больших моделей в первую очередь на стороне приложения.
С другой стороны, поисковые системы, естественно, имеют преимущество в том, что они глубоко интегрированы с искусственным интеллектом. Еще в 2014 и 2015 годах традиционные поисковые гиганты, такие как Baidu и Google, начали интегрировать технологии искусственного интеллекта, такие как глубокое обучение и граф знаний, в поиск, чтобы улучшить способность поисковой системы понимать инструкции пользователя и повысить внутреннюю релевантность результатов поиска.
Видно, что большая модель + поиск, можно сказать, это правильное время и место. После почти года исследований большая модель + поисковое приложение китайской индустрии искусственного интеллекта постепенно обогащается. Несмотря на то, что изменения, привнесенные большими моделями в поиск, полностью не проявились, сформировалась относительно разнообразная идея исследования.
Для того, чтобы каждый мог более ярко понять текущий прогресс большой модели + поиск, и понять дифференциацию различных идей. Мы придумали метафору: большая модель + поиск, как игра в шашки. Шахматные фигуры в руках у всех игроков одинаковые, то есть технология большой модели и технология поиска. И конечная цель у них одна и та же, то есть инкубация первого популярного приложения в эпоху больших моделей.
Но в процессе игры в шахматы у каждого из них есть разные шахматные ходы. На данный момент они делятся на три жанра.
Участник 1: Большая модель как расширенный плагин для поисковых систем
Поиск является наиболее частым контактом между людьми и информацией в эпоху Интернета. Поисковые системы должны понимать как намерения пользователей, так и огромные объемы информации. Поскольку поисковые системы являются центром между информацией и людьми, потребность в улучшении их интеллекта никогда не заканчивается.
Разница, которую большая модель привносит в поисковую систему, заключается в том, что она может не только улучшить опыт традиционной поисковой системы, но и привнести различные возможности генерации контента в намерения пользователей и результаты поиска с помощью модели AIGC.
Например, большая модель может не только повысить точность поиска, но и объединить несколько результатов поиска в одно поле содержимого, экономя время пользователей. Это эквивалентно предоставлению пользователям некоторых дополнительных инструментов поиска, выходящих за рамки традиционной системы поиска.
Основываясь на этой идее, индустрия начала исследовать первый режим большой модели + поиск: возможность большой модели в качестве расширенного плагина для поисковых систем. На отечественном рынке представителем этого жанра является компания Baidu.
Можно сказать, что поисковый бизнес стал первой остановкой Baidu для трансформации продукта благодаря возможностям больших моделей Wenxin. На данном этапе Baidu добавила в поисковую систему два «расширенных плагина», основанных на возможностях AIGC.
Во-первых, агрегировать информацию в первом ответе.
В процессе объединения технологии искусственного интеллекта с поиском Baidu уделяет большое внимание концепции «первый результат поиска — это удовлетворение потребностей пользователей». Возможность большой модели может агрегировать ключевую информацию из результатов поиска для создания сводок по содержимому. Основываясь на этой модели, Baidu обновила возможность отвечать на первый ответ в поисковике, которая охватывает не только текстовую информацию, но и понимает видео через большую модель для подведения итогов. В этом режиме, добавляя результаты, которые пользователь хочет искать в видеоконтенте, пользователь больше не может смотреть видео, а напрямую получать сводку по видеоконтенту через первый ответ.
Согласно данным, опубликованным Baidu, уровень удовлетворенности первым поиском в прошлом составлял всего около 40%, но после добавления возможности большой модели этот показатель достиг 70%. Можно видеть, что возможность большой модели, как плагина поисковой системы, заключается в том, чтобы получить положительные отзывы.
Еще один вид «расширенного плагина» типа большой модели в сочетании с поиском заключается в предоставлении диалоговой панели ИИ в дополнение к строке поиска, которая является возможностью «партнера ИИ», представленной Baidu Search на Мобильной экологической конференции в мае этого года.
Партнеры по ИИ могут проводить вопросы и ответы AIGC с пользователями, помогать пользователям выполнять такие функции, как пометка ответов, предоставление источников информации, обобщение сводок документов и т. д., при использовании поисковых систем, а также поддерживать вызов других инструментов и сервисов.
Другими словами, Baidu предоставляет плагины AIGC, основанные на больших возможностях модели в интерфейсе поисковой системы и за ее пределами, так что поисковая система может получить большую реконструкцию модели с нескольких ракурсов. Так совпало, что этот ход мыслей очень похож на интеграцию чат-бота Bard в поисковую систему Google
Видно, что производители, обладающие традиционными преимуществами поисковых систем, более склонны использовать большие модели в качестве плагинов для расширения, а также интегрировать идею «1+1 больше, чем 2» в традиционные поисковые системы с разных сторон.
Участник 2: Поисковое приложение, похожее на ChatGPT
Помимо расширения возможностей традиционных поисковых систем, большая модель также порождает еще одну проблему: можно ли обойти традиционную форму поиска и напрямую генерировать новые поисковые продукты на основе возможностей AIGC?
Также была проведена некоторая проверка такой возможности. Сам ChatGPT обладает способностью понимать семантику, многораундовые вопросы и ответы, генерацию контента и т. д., и в какой-то степени это также можно рассматривать как своего рода «поиск». Просто содержание поиска изменилось с ключевых слов на вопросы и потребности, а результаты поиска изменились с веб-страниц на непосредственно сгенерированный текстовый контент.
В результате новый тип поискового продукта, появившийся в индустрии искусственного интеллекта Китая, можно назвать ChatGPT-подобным поиском. Среди них репрезентативными «конкурсантами» является поиск ИИ «Тяньгун», запущенный компанией «Куньлунь Ваньвэй».
Этот вид поисковой системы полностью использует AIGC в качестве основной логики продукта. Пользователи используют естественный язык для выражения намерения своих потребностей, а затем поисковый интерфейс реагирует на релевантные ответы, вместо того, чтобы отображать большое количество веб-ссылок, как традиционные поисковые системы.
Условно говоря, одно из нововведений поиска Tiangong AI заключается в индексе источника. При использовании платформ AIGC, таких как ChatGPT, мы часто сталкиваемся с неопределенностью того, что ответит ИИ. Большая модель из множества вопросов не может дать правильного ответа, и даже выдумывает аргументы, литературные источники, новостные источники и т.д., на что широко жалуются как на «серьезную чушь ИИ».
Поиск Tiangong AI делает акцент на генерации ответов и источнике справочной информации одновременно, чтобы пользователи могли отслеживать ссылку на информацию, что в значительной степени позволяет избежать проблемы доверия к платформе AIGC. Источники справочной информации также относительно богаты, в том числе новостные сайты, платформы вопросов и ответов, видео и т.д.
Однако на данном этапе граница между ChatGPT-подобным поиском и платформой AIGC все еще трудно различима, и восприятие ее пользователями не ясно. Эта модель нуждается в дальнейшей популяризации и тестировании пользователями.
Игрок 3: Вертикальный поиск при посадке большой модели
После того, как ландшафт поисковых систем относительно стабилен, возникла такая отраслевая идея: после того, как общие возможности поиска не велики, поисковая система может прилагать усилия в вертикальном поле поиска, чтобы консолидировать пользовательскую базу с постоянным поисковым спросом в этой области. Sogou Search и Quark приложили усилия в области вертикального поиска. Среди них Quark добился хороших результатов среди молодых пользователей благодаря своей способности к вертикальному поиску.
Третья идея поиска больших моделей + заключается в том, чтобы взять на себя инициативу в привлечении больших моделей в вертикальном поиске. Таким образом, он укрепляет способность понимать естественный язык и опыт поиска информации в конкретных областях поиска. В этой области текущим репрезентативным игроком является Quark. 14 ноября бизнес-группа Alibaba, занимающаяся интеллектуальной информацией, выпустила большую модель кварка. Исходя из собственного дифференцированного позиционирования, применение кварковой большой модели будет отдавать приоритет применению профессиональных поисковых и других информационных сервисов. В дополнение к базовой модели большого языка, большая модель кварка также будет выводить вертикальные модели, такие как здравоохранение и образование, что показывает важность, которую кварк придает области специализированных знаний.
В настоящее время основными направлениями вертикального поиска больших моделей являются медицина, образование, гуманитарные и социальные науки. Эти направления предъявляют высокие требования к источникам информации и обладают характеристиками расплывчатых ключевых слов, менее эффективной информации и строгой логики, которые больше подходят для больших моделей для проявления собственных характеристик, чем для общего поиска. В то же время сочетание больших моделей и вертикального поиска также может снизить себестоимость продукта и повысить общую эффективность больших моделей в области поиска.
По сути, существует также вариант комбинации вертикального поиска и больших моделей, то есть каждый сетевой диск в данный момент находится в сети с функцией поиска с возможностями понимания естественного языка. Для получения данных сетевого диска, особенно для изображений, видеозаписей и другого содержимого, можно использовать ключевую информацию, такую как расплывчатые описания и прилагательные.
Это все трамплин для суперприложений
Итак, вопрос в том, какой режим является правильным ответом на большую модель + поиск?
Извините, ответ можно только ждать.
Большая модель + поиск — это логически очень перспективный сценарий посадки большой модели. Поэтому, после того, как ChatGPT только начал бурно развиваться, Microsoft встроила возможность большой модели в BingChat и выпустила много жестоких слов о поиске Google. Но почти год спустя Microsoft выделила большую часть своих возможностей искусственного интеллекта из поискового бизнеса, и доминирование Google на рынке не пострадало. Видно, что от теории до практики при таком раскладе еще далеко.
Оглянувшись на отечественный рынок, вы обнаружите, что три режима исследования по-прежнему сражаются по отдельности, и противостояния не так много, и нет общего признания большой модели + поиска на стороне пользователя, и даже степень его приземления сильно уступает самому диалоговому приложению, подобному ChatGPT. Можно выделить три причины:
**1. Эти три попытки большой модели + поиск не завершили прорыв формы товара с 0 до 1. ** Рожден для усиления и дополнения предыдущих диалоговых продуктов поисковой системы и искусственного интеллекта, поэтому у него нет очень интересной точки вспышки продукта.
**2. На данном этапе улучшение поискового опыта большой модели не является сильным в опыте массового пользователя. **Его можно использовать только в качестве профессионального инструмента в академической, IT и других областях.
**3.In Кроме того, не ясна коммерциализация больших моделей + поиск. **После добавления технологии крупномасштабных моделей бизнес-модель и уровень коммерциализации поисковых продуктов не сильно изменились, поэтому они получили недостаточное внимание со стороны рынка капитала.
В долгосрочной перспективе конечной целью больших моделей + поиска должно быть формирование суперприложения в эпоху больших моделей. Так же, как и появление поисковых систем в эпоху Интернета, он полностью изменил способ получения информации и взаимодействия с людьми.
И если это и есть цель, то сегодняшняя большая модель + поисковая разведка неизбежно станет трамплином на пути шахматных фигур. Только позволив шахматным фигурам продолжать прыгать, можно в будущем произойти качественное изменение в определенном узле.
До тех пор, пока вы можете держать большую модель и поиск вперед, свет на переднем плане по-прежнему намного больше, чем тьма.
