LLM 和搜索引擎是一样的吗?

在这篇文章中,了解更多关于 AI 大型语言模型(如 ChatGPT)的潜力。了解他们如何彻底改变生产力,并探索他们与搜索引擎不断变化的关系。

像 ChatGPT 这样的 AI 大型语言模型 (LLM) 已经风靡全球,并被集成到工作流程、平台和软件中,以提高我们的效率和生产力。

ChatGPT 就像新弗兰克的红辣酱;人们用它来做任何事情。

像谷歌和必应这样的搜索引擎已经发生了变化,将人工智能聊天机器人纳入他们的算法中,但搜索引擎和人工智能LLM现在有同样的目的吗?

以下是 AI LLM 和搜索引擎之间的比较:

功能

AI 大型语言模型旨在根据它们收到的输入生成类似人类的文本。他们可以回答问题、起草内容、提供建议、协助完成任务等等。

虽然最初 ChatGPT 没有搜索网络,但如果您使用的是版本 4 或 Plus,它现在可以浏览互联网。然而,一些 AI LLM 会根据它们提供的大量训练数据生成响应。

搜索引擎旨在从网络上索引和检索信息。

它们提供与用户查询相关的网页、文档、图像、视频等的链接---但随着 AI 聊天机器人被整合到搜索引擎结果中以及在搜索引擎算法中使用 AI,这种情况正在发生变化。

以下是最受欢迎的提供商和 LLM 模型列表:

供应商 模型 它可以访问互联网吗?
OpenAI GPT-3.5/4 Turbo 可以,但仅限于通过 GPT-4 的 Plus 和 Enterprise 用户
Anthropic Claude Instant 和 Claude 2 不可以
Meta Llama 2 70b 不可以
Google PaLM 2 可以

数据源

LLM 是在大量数据上训练的。

他们依赖于他们上次训练的数据。因此,如果他们不访问网络并且没有不断在新数据集上进行训练,他们有时可能没有实时或最新的信息。

搜索引擎不断抓取和索引网络,这有助于他们找到有关某个主题的最新可用信息,假设内容已被索引。

相互作用

LLM 旨在实现更多的对话交互,可以进行来回对话并以基于上下文的方式生成文本。

搜索引擎主要提供单向交互。

您输入查询,搜索引擎会提供相关内容的相关链接,这些内容可能满足您的信息需求,现在还有 Google 和 Bing 对话结果。

输出

LLM 提供生成的文本作为答案,甚至图像。答案的质量和准确性可能会有所不同,并且值得怀疑,但它通常采用连贯且人类可读的格式。

搜索引擎提供指向外部资源的链接或引用。

然后,用户必须单击并阅读这些资源才能找到具体的答案,但由于谷歌的 SGE(搜索生成体验)以及将 OpenAI 的下一代大型语言模型 (LLM) 整合到 Bing 搜索结果中,这种情况已经发生了变化。

GPT-4 在大型文本和代码数据集上进行训练,它能够以更人性化和信息丰富的方式理解和生成人类语言。

最新版本的 Open AI ChatGPT 4 的最新发展可以通过 Bing 访问和处理信息,这使其能够提供最新且相关的搜索结果。

除了 GPT-4,Bing 还使用其他 AI 技术为其搜索结果提供支持,用于对网站进行排名、识别和过滤垃圾邮件以及生成个性化搜索结果。

人工智能在为 Bing 的搜索结果提供动力方面发挥着至关重要的作用。通过使用 GPT-4 和其他 AI 技术,必应能够为用户提供更全面、信息丰富和个性化的搜索体验。

可靠性和准确性

LLM 容易出错,因为当它们生成答案时,存在不准确或过时信息的风险------尤其是在它们没有接受过较新数据的训练的情况下。LLM的一些缺点包括:

  • LLM 可能会被错误信息和宣传所愚弄。
  • 它们的训练和部署在计算上可能很昂贵。
  • 他们可能无法像人类那样理解网页的上下文

搜索引擎提供指向来源的直接链接,允许用户验证信息的准确性。但是,结果的顺序和可见性可能会受到各种算法、SEO 实践和潜在偏见的影响。

LLM会夺走搜索引擎的市场份额吗?

LLM模型尚未对搜索引擎市场份额产生重大影响。

谷歌仍然是那只重达800磅的大猩猩,继续主导着全球搜索引擎市场份额,占有90%以上的份额。必应紧随其后,仅占搜索引擎市场份额的一小部分。

然而,AI LLM 将在未来几年继续彻底改变搜索引擎行业。

LLM 可以为搜索查询提供更全面、更翔实的答案。他们还可以生成新的创意内容和图像,并做许多其他事情,如代码和总结段落,仅举几例。

随着 LLM 的进步,这可能会导致市场份额转向由 AI LLM 驱动的搜索引擎。在我看来,他们不会占据搜索引擎市场份额的主导地位------尽管他们可能会破坏它。

至少在不久的将来,LLM不太可能完全取代搜索引擎,原因如下:

  • 最新信息:搜索引擎提供对网络上可用最新信息的访问。LLM 可能没有实时数据,除非它们持续更新或访问互联网。
  • 深度和广度:虽然 LLM 可以为深入研究或对某个主题的不同观点提供快速答案,但搜索引擎提供了一系列来源,但一些 LLM 如 PALM2 和 Google Bard 确实提供了他们获取信息的来源,这与 OpenAI 的 ChatGPT 不同。
  • 不同的用例:LLM 非常适合对话式 AI、辅导、内容生成、编码等,而搜索引擎对于研究、新闻和广泛的信息发现至关重要。随着 LLM 被纳入搜索结果,这种情况将随着时间的推移而继续改变。

最后

虽然 AI LLM 有可能彻底改变搜索,但它们不会完全取代搜索引擎。AI LLM 将来可能会继续用于增强搜索引擎,以:

  • 生成信息量更大、更全面的搜索结果。
  • 根据用户的个人需求和兴趣对搜索结果进行个性化设置。
  • 识别并过滤掉垃圾邮件和错误信息。
  • 为用户提供更自然的对话式搜索体验。

搜索的未来很可能是传统搜索引擎和人工智能LLM的混合体。

AI LLM将继续在搜索中发挥越来越重要的作用,但它们不太可能完全取代搜索引擎。

相关推荐
m0_748232925 分钟前
DALL-M:基于大语言模型的上下文感知临床数据增强方法 ,补充
人工智能·语言模型·自然语言处理
szxinmai主板定制专家10 分钟前
【国产NI替代】基于FPGA的32通道(24bits)高精度终端采集核心板卡
大数据·人工智能·fpga开发
海棠AI实验室13 分钟前
AI的进阶之路:从机器学习到深度学习的演变(三)
人工智能·深度学习·机器学习
机器懒得学习25 分钟前
基于YOLOv5的智能水域监测系统:从目标检测到自动报告生成
人工智能·yolo·目标检测
QQ同步助手39 分钟前
如何正确使用人工智能:开启智慧学习与创新之旅
人工智能·学习·百度
AIGC大时代42 分钟前
如何使用ChatGPT辅助文献综述,以及如何进行优化?一篇说清楚
人工智能·深度学习·chatgpt·prompt·aigc
流浪的小新1 小时前
【AI】人工智能、LLM学习资源汇总
人工智能·学习
martian6652 小时前
【人工智能数学基础篇】——深入详解多变量微积分:在机器学习模型中优化损失函数时应用
人工智能·机器学习·微积分·数学基础
人机与认知实验室3 小时前
人、机、环境中各有其神经网络系统
人工智能·深度学习·神经网络·机器学习
黑色叉腰丶大魔王3 小时前
基于 MATLAB 的图像增强技术分享
图像处理·人工智能·计算机视觉