Першоджерело: Полярне тіло мозку
![]()
Джерело зображення: Створено Unbounded AI
Всі ми знаємо, що великі моделі повинні народжуватися, щоб бути корисними для додатків. Отже, яка програма може найшвидше повною мірою розкрити ціннісний потенціал великих моделей штучного інтелекту та стати першою зупинкою для посадки великих моделей? Коли справа доходить до цього питання, багато людей спочатку дадуть відповідь: пошук.
З одного боку, це пов’язано з тим, що після вибуху ChatGPT «основний акціонер» Microsoft спочатку інтегрував свої можливості в пошук Bing, а одного разу оголосив, що покладатиметься на переваги великих моделей, щоб вибрати старшого брата Google у галузі. Потім, у контексті великомасштабного тиражування великих моделей у китайському колі штучного інтелекту, природно думати про просування пошуку + великих моделей спочатку на стороні додатків.
З іншого боку, пошукові системи, природно, мають перевагу в тому, що вони глибоко інтегровані зі штучним інтелектом. Ще в 2014 і 2015 роках традиційні гіганти пошукових систем, такі як Baidu і Google, почали інтегрувати в пошук технології штучного інтелекту, такі як глибоке навчання і граф знань, щоб поліпшити здатність пошукової системи розуміти інструкції користувача і підвищити внутрішню релевантність результатів пошуку.
Видно, що велика модель + пошук, можна сказати, правильний час і місце. Після майже року досліджень велика модель + пошуковий додаток китайської індустрії штучного інтелекту поступово збагачується. Незважаючи на те, що зміни, принесені великими моделями в пошук, не проявилися повністю, сформувалася відносно різноманітна ідея дослідження.
Для того, щоб кожен міг більш наочно зрозуміти поточний прогрес великої моделі + пошуку, а також зрозуміти диференціацію різних ідей. Ми придумали метафору: велика модель + пошук, як гра в шашки. Шахові фігури в руках у всіх гравців однакові, тобто велика модель і технологія пошуку. І кінцева мета у них одна, тобто висиджувати перше популярне застосування в епоху великих моделей.
Але в процесі гри в шахи кожен з них має різні шахові ходи. На даний момент вони поділяються на три жанри.
Учасник 1: Велика модель як покращений плагін для пошукових систем
Пошук є найчастішим контактом між людьми та інформацією в епоху Інтернету. Пошукові системи повинні розуміти як наміри користувачів, так і величезні обсяги інформації. Як центр між інформацією та людьми, потреба пошукових систем у покращенні свого інтелекту є нескінченною.
Відмінність, яку велика модель привносить у пошукову систему, полягає в тому, що вона може не тільки покращити досвід традиційної пошукової системи, але й надати різні можливості генерації контенту для намірів користувачів і результатів пошуку за допомогою моделі AIGC.
Наприклад, велика модель може не тільки підвищити точність пошуку, але й об’єднати кілька результатів пошуку в одне вікно вмісту, заощаджуючи час користувачів. Це еквівалентно наданню користувачам деяких додаткових інструментів пошуку за межами традиційної системи пошуку.
Спираючись на цю ідею, індустрія почала досліджувати перший режим large model + search: можливість великої моделі як розширеного плагіна для пошукових систем. На вітчизняному ринку представником цього жанру є Baidu.
![]()
Можна сказати, що пошуковий бізнес став першою зупинкою Baidu для трансформації продукту завдяки великим модельним можливостям Wenxin. На даному етапі Baidu додала в пошукову систему два «розширених плагіна» на основі можливостей AIGC.
Перший – узагальнити інформацію в першій відповіді.
У процесі поєднання технології штучного інтелекту з пошуком Baidu робить великий акцент на концепції «перший результат пошуку – це задоволення потреб користувачів». Велика модель може агрегувати ключову інформацію з результатів пошуку для створення зведень вмісту. На основі цієї моделі Baidu оновила можливість відповісти на першу відповідь у пошуковій системі, яка охоплює не лише текстову інформацію, а й розуміє відео через велику модель для узагальнення резюме. У цьому режимі, додаючи результати, які користувач хоче шукати у відеоконтенті, користувач може більше не дивитися відео, а безпосередньо отримати резюме відеоконтенту через першу відповідь.
Згідно з даними, опублікованими Baidu, рівень задоволеності першим пошуком у минулому становив лише близько 40%, але після додавання можливостей великої моделі показник досяг 70%. Видно, що велика модель, як плагін пошукової системи, полягає в тому, щоб отримати позитивні відгуки.
Іншим видом «розширеного плагіна» великої моделі в поєднанні з пошуком є надання діалогової панелі штучного інтелекту на додаток до рядка пошуку, яка є можливістю «партнера зі штучним інтелектом», запущеною Baidu Search на Мобільній екологічній конференції в травні цього року.
Партнери зі штучним інтелектом можуть проводити запитання та відповіді AIGC з користувачами, допомагати користувачам виконувати такі можливості, як позначення відповідей, надання джерел інформації, узагальнення резюме документів тощо, під час використання пошукових систем, а також підтримувати виклик інших інструментів та сервісів.
Іншими словами, Baidu надає плагіни AIGC, засновані на великих можливостях моделі в інтерфейсі пошукової системи та за її межами, щоб пошукова система могла отримати велику реконструкцію моделі з різних сторін. За збігом обставин, такий хід думок дуже схожий на інтеграцію чат-бота Bard компанією Google у свою пошукову систему
Видно, що виробники з традиційними перевагами пошукових систем більш схильні використовувати великі моделі в якості плагінів для поліпшення, і інтегрувати ідею «1+1 більше, ніж 2» в традиційні пошукові системи з різних сторін.
Учасник 2: Пошукова програма, схожа на ChatGPT
Крім розширення можливостей традиційних пошукових систем, велика модель також приносить ще одну проблему: чи можна обійти традиційну форму пошуку і безпосередньо генерувати нові пошукові продукти на основі можливостей AIGC?
Також було проведено певне дослідження цієї можливості. Сам ChatGPT має здатність розуміти семантику, багатораундові запитання та відповіді, генерацію контенту тощо, і певною мірою це також можна розглядати як своєрідний «пошук». Просто зміст пошуку змінився від ключових слів до питань і потреб, а результати пошуку перетворилися з веб-сторінок на безпосередньо згенерований текстовий контент.
У результаті новий тип пошукового продукту, який з’явився в індустрії штучного інтелекту Китаю, можна назвати пошуком, схожим на ChatGPT. Серед них репрезентативними «конкурсантами» є пошук Tiangong AI, запущений Kunlun Wanwei.
![]()
Такого роду пошукова система повністю бере AIGC за основну логіку продукту. Користувачі використовують природну мову, щоб висловити наміри своїх потреб, а потім пошуковий інтерфейс реагує на релевантні відповіді, замість того, щоб відображати велику кількість веб-посилань, як традиційні пошукові системи.
Умовно кажучи, одне з нововведень пошуку Tiangong AI полягає в індексі джерел. Використовуючи платформи AIGC, такі як ChatGPT, ми часто стикаємося з невизначеністю того, що відповість ШІ. Велика модель з безлічі питань не може дати правильної відповіді, і навіть вигадує аргументи, літературні джерела, джерела новин і т.д., на що багато хто скаржиться як на «серйозну нісенітницю ШІ».
Tiangong AI search наголошує на генерації відповідей і джерела довідкової інформації одночасно, щоб гарантувати, що користувачі можуть відстежувати посилання на інформацію, що значною мірою дозволяє уникнути проблеми довіри до платформи AIGC. І його довідкові джерела інформації також відносно багаті, включаючи новинні веб-сайти, платформи запитань і відповідей на знання, відео тощо.
Однак на даному етапі межу між пошуком, подібним до ChatGPT, і платформою AIGC все ще важко розрізнити, і сприйняття її користувачами не зрозуміле. Ця модель потребує подальшої популяризації та тестування користувачами.
Гравець 3: Вертикальний пошук посадки великої моделі
Після того, як ландшафт пошукових систем відносно стабільний, з’явилася така ідея галузі: після того, як загальні можливості пошуку не є великими, пошукова система може докласти зусиль у вертикальному полі пошуку, щоб консолідувати базу користувачів з постійним пошуковим попитом у цій галузі. Sogou Search і Quark доклали зусиль у сфері вертикального пошуку. Серед них Quark досяг хороших результатів серед молодих користувачів завдяки своїй здатності до вертикального пошуку.
Третя ідея «велика модель + пошук» полягає в тому, щоб взяти на себе лідерство в посадці великих моделей у вертикальному пошуку. Таким чином, він зміцнює здатність розуміти природну мову та досвід пошуку інформації в конкретних областях пошуку. У цьому полі поточним репрезентативним гравцем є Quark. 14 листопада інтелектуальна інформаційна бізнес-група Alibaba випустила кваркову велику модель. Виходячи з власного диференційованого позиціонування, застосування великої моделі кварка буде віддавати пріоритет застосуванню професійного пошуку та інших інформаційних послуг. На додаток до базової великої мовної моделі, кваркова велика модель також виведе вертикальні моделі, такі як медична допомога та освіта, що показує важливість, яку кварк надає галузі спеціалізованих знань.
![]()
В даний час медицина, освіта, а також гуманітарні та соціальні науки є основними напрямками вертикального пошуку великих моделей. Ці напрямки висувають жорсткі вимоги до джерел інформації, мають характерні риси розпливчастих ключових слів, менш ефективної інформації та сильної логіки, які більше підходять для великих моделей для надання власних характеристик, ніж для загальних пошуків. У той же час поєднання великих моделей і вертикального пошуку також дозволяє знизити витрати на продукцію і підвищити загальну ефективність великих моделей в пошуковому полі.
По суті, існує також варіант поєднання вертикального пошуку і великих моделей, тобто кожен мережевий диск в даний момент знаходиться в мережі з функцією пошуку з можливостями розуміння природної мови. Для отримання даних мережного диска можна використовувати ключову інформацію, таку як розпливчасті описи та прикметники, особливо для зображень, відео та іншого вмісту.
Це все трамплін для супердодатків
Отже, питання, який режим є правильною відповіддю на велику модель + пошук?
Вибачте, відповідь залишається тільки чекати.
Велика модель + пошук - логічно дуже перспективний сценарій посадки великої моделі. Тому після того, як ChatGPT тільки почав вибухати, Microsoft вбудувала можливості великої моделі в BingChat і випустила багато жорстоких слів про пошук Google. Але майже через рік Microsoft відокремила багато своїх можливостей штучного інтелекту від пошукового бізнесу, і домінування Google на ринку не постраждало. Видно, що за такого сценарію попереду ще довгий шлях від теорії до практики.
![]()
Озираючись назад на внутрішній ринок, ви виявите, що три режими дослідження все ще борються окремо, і протистояння не так багато, і немає загального визнання великої моделі + пошук з боку користувача, і навіть ступінь її посадки значно поступається самому діалоговому додатку, подібному до ChatGPT. Причин можна знайти три:
**1. Ці три спроби великої моделі + пошук не завершили прорив форми товару від 0 до 1. ** Народжений для посилення та доповнення попередніх продуктів пошукової системи та діалогів зі штучним інтелектом, тому він має не дуже цікаву точку спалаху продукту.
**2. На даному етапі поліпшення пошукового досвіду великої моделі не сильне в досвіді масового користувача. **Його можна використовувати лише як професійний інструмент у академічній, ІТ-та інших галузях.
**3.In крім того, простір комерціалізації великої моделі + пошук не зрозумілий. ** Після впровадження технології масштабного моделювання бізнес-модель і рівень комерціалізації пошукових продуктів практично не змінилися, тому вони отримали недостатню увагу з боку ринку капіталу.
У довгостроковій перспективі кінцевою метою великих моделей + пошук має бути формування супердодатку в епоху великих моделей. Так само, як і поява пошукових систем в епоху Інтернету, вона повністю змінила спосіб отримання інформації та взаємодії людей.
І якщо мета саме це, то сьогоднішня велика модель + пошукове дослідження неминуче стане трампліном на шляху шахових фігур. Тільки дозволивши шаховим фігурам продовжувати стрибати, в майбутньому на певному вузлі може відбутися якісна зміна.
Поки ви можете тримати велику модель і рухатися вперед, світло на передньому плані все одно набагато більше, ніж темрява.
