ChatGPT能颠覆搜索吗?传统霸主vs新一代挑战者

AI与情感7mos agoupdate lida
93 0 0

文章主题:关键词:ChatGPT, 传统搜索引擎, 替代, 数据实时性

666ChatGPT办公新姿势,助力做AI时代先行者!

🚀ChatGPT的崛起,引发了对它能否颠覆传统搜索引擎的热议。虽然短期挑战重重,但它无疑正在重塑搜索格局,预计中期会形成以基础搜索为主、辅助ChatGPT的新生态。🔍谷歌等巨头的AI研发投入预计将显著增加。ChatGPT以其精准的问题解答和卓越用户体验,超越了传统搜索引擎,但数据更新不实时、高昂的单次搜索成本(约1.3美元)及内容真伪难辨等问题仍存在挑战。💻技术的进步有望部分解决这些问题,而成本问题可能需要时间,随着硬件成本的降低。这场变革不仅加速AI产业的发展,还将引领AI生成内容新时代的到来。💥ChatGPT的搅动,无疑将全球AI化进程推向高潮,我们期待一个更智能、多元化的搜索未来。

▍报告缘起:

🌟ChatGPT的崛起,让搜索引擎界的热议升级!🔥2022年11月30日,OpenAI团队的力作ChatGPT震撼登场,仅两个月就收获超千万DAU和20万MAU的亮眼成绩,其对话式问答的强大魅力无法忽视。🔍相较于前辈GPT3,ChatGPT展现出全面且深入的多轮对话能力,记忆力与篇幅显著提升,知识挖掘更丰富。👀无论是日常问题解答,还是深度内容搜索,ChatGPT都能提供全方位、多角度的回答,让复杂问题迎刃而解。它颠覆了我们对大模型的传统认知,展现出了前所未有的全面性和深度。🔍这样的表现自然引发了关于ChatGPT能否挑战传统搜索引擎地位的热议。🚀本报告将深入探讨其市场潜力及可能带来的行业变革,揭示ChatGPT背后技术如何重塑搜索格局,敬请期待!🌐SEO优化提示:使用关键词“ChatGPT”、“替代传统搜索引擎”、 “深度搜索”和“市场变革”。

🌟ChatGPT引领未来搜索新风尚:通过融合AI与用户互动的智慧升级,GPT模型在3.5版本上实现了深度学习迭代,显著提升了问题到答案的响应精度。它以独特的方式超越传统搜索引擎,提供更个性化、精准的答案匹配服务。🚀

🌟🚀OpenAI’s AI refinement journey involves fine-tuning a GPT3.5 model with a human-centric twist, utilizing Reinforcement Learning through Human Feedback (RLHF). The process begins by sourcing ≈12k-15k carefully curated question-answer pairs from expert humans, serving as the foundation for initial pre-training. Next, an SFT (Super Fine-Tuned) model takes center stage, generating responses to fresh queries, which are then evaluated by human annotators for quality ranking. The feedback is transformed into a Reward Model (RM), a refined evaluation system based on pairwise comparisons. This RM undergoes further refinement through extensive retraining on a larger dataset, with iterations repeating until the optimal performance is achieved. 🚀🌟

🌟ChatGPT的智能升级:🔥一致性大飞跃!🔍经过深度优化,ChatGPT在理解问题与提供精确答案的紧密度上实现了显著跃升。据Deepmind透露,相较于传统搜索引擎仅仅依赖链接导航,它能瞬间生成针对问题的高效率且准确的答案——而且还附带关键证据链接(测试版本中这项特性尚未全面启用)!💡对于开放式问题,ChatGPT展现出了强大的网络数据匹配能力,能生成丰富而连贯的答案,这在处理知识密集型和创意性挑战时,无疑为用户带来了前所未有的搜索体验。🚀无论是快速解答需求还是深度探索,ChatGPT的搜索效能都超越了传统搜索引擎,引领未来智能交互的新潮流。🏆记得关注我们,获取更多关于ChatGPT最新进展的信息哦!💪

▍ChatGPT取代传统搜索引擎:中短期可能性较低。

尽管ChatGPT能大幅优化用户的搜索体验,但要取代传统搜索引擎仍然面临几个关键技术瓶颈。

🌟ChatGPT数据更新挑战:实时性与技术限制交锋🔍面对中英文版本数据时间差的问题,ChatGPT的技术瓶颈显而易见——大模型训练的复杂性阻碍了即时数据库的更新。🔥由于GPT系列对标注数据的需求,每次迭代的成本犹如天文数字,高达百万美元且耗时长达数周至一个月,使用A100显卡进行大规模预训练是常态。💡然而,微调策略虽灵活,却可能导致权重失衡——新知识过重可能挤压旧知识空间,频繁的调整可能会让模型记忆混淆。解决这一挑战的关键在于找到平衡:既要保持模型的适应性,又不能忽视对历史数据的深度学习。🚀未来的研究和优化或许需要突破现有技术限制,寻找更高效且稳定的训练方法,以确保ChatGPT的数据时效性和知识完整性。🌟

2)数据的真实性仍不足可靠。在大量的测试后我们发现,虽然ChatGPT回答问题的准确性有所提高,但如果提出的问题较为模糊或者本身包含部分错误信息在内,模型有可能以“一本正经”的语气生成完全错误甚至凭空捏造的回答。真假答案的混杂会让用户在需要对专业性问题寻求答案时产生严重的困扰,这也是目前语言类大模型普遍存在的问题。据CSDN微信公众号报道,2022年11月几乎同一时间上线的Meta服务科研领域的语言类大模型Galactica就因为真假答案混杂的问题,测试仅仅3天就被用户投诉下线。

3)模型在线推理端成本高昂。根据模型的现有数据,我们假设每次生成的回答长度平均为50个词,使用8x英伟达A100用于推理的情况下,我们估算ChatGPT每一次生成答案的成本约为1.3美分,约为谷歌搜索引擎每次搜索成本的3倍。如果每天面对数以亿计用户的搜索请求,如此高昂的成本是公司所不能承受的,中短期内完全取代传统搜索引擎在商业模式上无法做到。

▍搜索引擎产品演变:传统搜索引擎为主+大语言模型为辅相结合。

目前ChatGPT的技术路径难以在较短时间内解决搜索成本的问题,因此从分场景限制用量的思路出发,我们认为中短期内ChatGPT可以通过部分技术改进辅助传统搜索引擎实现用户体验大幅提升。

1)考虑到ChatGPT在不同分类问题中的表现情况,限制ChatGPT搜索仅在知识类搜索场景下启用可以有效控制成本。

2)面对时效类问题时,模型自动判断转向传统搜索引擎生成答案,并通过传统搜索引擎的数据返回生成ChatGPT版本的汇总新答案。

3)针对回答真实性问题,加入对答案产生来源的引用注明给用户,让用户可以快速检验回答的可靠性。

总的来看,通过一些小技术的革新(大部分已经出现在了其他大语言模型中,只需要借鉴)就可以让ChatGPT成为一个合格的辅助搜索引擎。不过成本的问题短期内暂时看不到太好的解决方法,这也给了目前的搜索引擎巨头充足的时间以应对Chatgpt会带来的冲击。

搜索巨头如谷歌以及百度均在大语言模型上有深厚的积累,尤其是谷歌拥有与ChatGPT相似的对话类模型Sparrow以及Lamda,其部分技术更是在ChatGPT上有所突破,包括使用了多个RM模型以应对不良信息的产生以及加入了新知识迭代优化的相关思路。预计ChatGPT的成功不会给搜索产业带来颠覆性的新入局者,但会推动谷歌等搜索巨头加快迭代大语言模型辅助传统搜索引擎的新格局。

谷歌在最新一季度的财报电话交流会中表示:“谷歌将在未来几周或几个月正式推出类似ChatGPT基于大语言模型的人工智能。这种人工智能将以搜索伴侣的形式辅助其传统搜索引擎。”不过我们认为大语言模型的加入也会影响到中期谷歌等巨头的搜索业务利润空间。在平均每个用户生成50个单词的假设下,我们预计到2023年如果有10%的搜索结果由大语言模型生成,将会给谷歌每年带来约12亿美元的额外运营成本。

风险因素:

AI核心技术发展不及预期风险;科技领域政策监管持续收紧风险;全球宏观经济复苏不及预期风险;宏观经济波动导致欧美企业IT支出不及预期风险;全球云计算市场发展不及预期风险;企业数据泄露、信息安全风险;行业竞争持续加剧风险等。

▍投资策略:

受制于信息更新、回答准确性、算力成本等层面因素的综合约束,ChatGPT中短期内取代传统搜索引擎的概率较低,但料将加速搜索引擎产品演化进程,并在中期形成以传统搜索为主、ChatGPT类模型为辅的新搜索引擎形态,倒逼传统搜索厂商不断加大AI领域投入,同时鉴于目前全球搜索引擎的市场格局,份额较小的微软Bing最有可能率先实验大语言模型的实际应用,谷歌等头部厂商亦将大概率被动跟随。ChatGPT产生的鲶鱼效应,料将推动全球AI产业化进程的全面提速,以及AI生成内容时代的全面到来。

本文源自金融

ChatGPT能颠覆搜索吗?传统霸主vs新一代挑战者

ChatGPT能颠覆搜索吗?传统霸主vs新一代挑战者

AI时代,掌握AI大模型第一手资讯!AI时代不落人后!

免费ChatGPT问答,办公、写作、生活好得力助手!

扫码右边公众号,驾驭AI生产力!

© Copyright notes

Related posts

No comments

No comments...