作者 | Emilia David

編譯 | 伊風

出品 | 51CTO技術(shù)棧（微信號：blog51cto）

AI搜索正在向更深處走去。

AI搜索的領(lǐng)頭羊——Perplexity 最近對其 Pro Search 人工智能工具進行了升級。主要改進是啟動了多步驟推理， 這使得AI搜索可以解決更復雜的問題。Perplexity能理解問題何時需要規(guī)劃，逐步實現(xiàn)目標，并更高效地合成綜合答案，同時可以在先前結(jié)果的基礎(chǔ)上啟動后續(xù)搜索。

無獨有偶，騰訊所推出的大模型應(yīng)用元寶，也布局了AI搜索。當用戶進行提問時，元寶會自動提示用戶是否需要深度探究一個問題。

圖片

點擊深度研究后，元寶會提供更加結(jié)構(gòu)性的答案，也會對相關(guān)問題做發(fā)散，提供更多的背景信息。

圖片

VentureBeat上的一篇文章提出了一個觀點，即生成式 AI注定會顛覆搜索。

文章還預測RAG將徹底改變企業(yè)搜索的游戲規(guī)則，使得未來的每家企業(yè)（甚至一家甜品店）都創(chuàng)立自己的搜索平臺。

1.預言：生成式 AI注定會顛覆搜索

生成式 AI注定會顛覆搜索。它是一項能夠找到幾乎任何問題答案的技術(shù)。在改變搜索世界的過程中，AI開發(fā)人員又發(fā)現(xiàn)了一些能夠進一步融合搜索和生成式AI的東西。

生成式 AI改變了搜索的三個關(guān)鍵方面：人們提問和尋找信息的方式、獲取答案數(shù)據(jù)的方式以及公司向客戶提供信息的方式。

2.傳統(tǒng)搜索引擎將被斬落馬下

多年來，谷歌一直主導著搜索市場。作為主導搜索引擎（擁有近82%的搜索流量），它決定了用戶和客戶如何尋找信息，以及品牌如何在搜索結(jié)果中展示。公司不得不依靠搜索引擎優(yōu)化（SEO）策略，人們將查詢構(gòu)建成關(guān)鍵字組合。盡管結(jié)果不總是理想，但尚可接受，每個人都學會了將問題轉(zhuǎn)化為關(guān)鍵字，并解讀結(jié)果頁面上可能包含他們尋找內(nèi)容的網(wǎng)站列表。

大型語言模型（LLM）改變了這一點，尤其是在像OpenAI的ChatGPT這樣的聊天機器人中部署時。人們突然可以隨意提問（在合理范圍內(nèi)）并立即得到答案。無需點擊一系列網(wǎng)站，所有內(nèi)容都向你解釋清楚。

“如果你有一個能夠理解搜索結(jié)果并以顯而易見的方式向你解釋結(jié)果的AI，這比嘗試瀏覽五百萬個結(jié)果頁面要好得多，”數(shù)據(jù)管理平臺Yext的首席數(shù)據(jù)官Christian Ward在接受VentureBeat采訪時說。

3.AI時代的改變：使用句子提問而不是關(guān)鍵詞

生成式 AI現(xiàn)在鼓勵人們用自然語言提出實際問題，而不是專注于關(guān)鍵詞。它讓人們看到他們需要的信息，而不是去尋找一個足夠好的網(wǎng)站。

AI公司Perplexity利用了這一搜索方式的轉(zhuǎn)變，將自己定位為比能生成代碼或藝術(shù)的聊天機器人更像一個搜索引擎。該公司與Yelp和Wolfram Alpha等數(shù)據(jù)提供商合作，更好地收集數(shù)據(jù)。該策略奏效了。VentureBeat報道，Perplexity的平臺在流量推薦方面有所增長。

甚至谷歌也意識到它可以利用其龐大的數(shù)據(jù)訪問權(quán)，在谷歌I/O大會上表示可以為你完成搜索。除了將谷歌搜索整合到其Gemini聊天機器人中外，還推出了一個AI概述功能，匯總查詢結(jié)果。

但對于企業(yè)來說，不僅要學會用自然語言提問，還要能夠基于其文檔回答問題。

4.RAG是企業(yè)搜索的游戲規(guī)則改變者

檢索增強生成（RAG）正在成為生成式 AI領(lǐng)域的大趨勢，因為模型提供商正在尋找向企業(yè)提供附加服務(wù)的方法。RAG使公司能夠?qū)I模型“扎根”于自己的數(shù)據(jù)，確保結(jié)果來自公司的文檔。

“LLM變得相當出色，所以突然之間，你可以做很多事情。但實際上，我看到了大量對客戶支持等內(nèi)部用例的興趣，因為公司對涉及的風險非常有信心，”MongoDB產(chǎn)品管理總監(jiān)Ben Flast說。

他補充說，RAG架構(gòu)的價值在于它能夠參考實際文檔，使用戶更容易接近他們尋找的答案。

像亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）和微軟這樣的超大規(guī)模公司已經(jīng)開始向客戶提供RAG特定服務(wù)，但RAG生態(tài)系統(tǒng)正在增長。像Elastic、Pinecone和Qdrant這樣的公司提供矢量數(shù)據(jù)庫，將知識圖映射到RAG框架中。Flast還指出，RAG系統(tǒng)的監(jiān)控工具仍處于起步階段。

企業(yè)越來越多地采用RAG，但目前，其許多用例仍然是內(nèi)部的，因為這些用例仍易于出現(xiàn)幻覺。提供商鼓勵企業(yè)先評估RAG模型。AWS在其Amazon Q產(chǎn)品中將RAG作為其生成式AI策略的重要組成部分，并提出了一種測試RAG結(jié)果準確性的新方法。

5.公司專用搜索平臺可能是未來

隨著RAG的發(fā)展，企業(yè)可能會面臨搜索的另一種變化。越來越多的搜索查詢發(fā)布途徑不斷增加，因此企業(yè)需要弄清楚是希望自己提供數(shù)據(jù)，還是繼續(xù)向像谷歌這樣的信息聚合器被動提供信息。這將使他們能夠控制如何向客戶展示信息。

Yext的Ward說，可能會有一天每家公司都會建立自己的搜索平臺，一個由RAG和生成式AI驅(qū)動的平臺，讓客戶能夠找到基于品牌數(shù)據(jù)的最佳信息。將搜索扎根于自身數(shù)據(jù)的企業(yè)可以向客戶提供特定于其產(chǎn)品和服務(wù)的答案。例如，有人想知道Nike的褲子有多少種顏色。與其去谷歌這樣的搜索引擎，不如去Nike網(wǎng)站問其平臺這個問題。

“這不是搜索的終結(jié)，但某些搜索查詢可能會出現(xiàn)搜索的去中心化。如果我想知道最近的披薩店，谷歌是為此而設(shè)的，但如果我想了解這家店的過敏原信息，我需要問店家自己，”他說。

本文轉(zhuǎn)載自??51CTO技術(shù)棧??，作者：伊風