國內首款AI搜索首發實測：0廣告支持多輪追問，搜索結果自動總結

國內首款AI搜索首發實測：0廣告支持多輪追問，搜索結果自動總結

夢晨 衡宇 發自 凹非寺

量子位 | 公眾號 QbitAI

AI大模型攪局搜索這事，又熱鬧起來了。

谷歌除了推出Bard，也開始在傳統搜索上實驗AI增強；微軟必應悄悄增加GPT4啟用開關；創業公司Perplexity.ai也出了新版本。

國內方面，也出現一個新物種：首款AI搜索產品“天工AI搜索”，來自大模型黑馬玩家昆侖萬維。

如果不算大模型插件形式的實驗，那么這就是國內首款正式落地，并投入應用的獨立AI搜索產品了。

之前網友們預言的“搜索引擎給一頁10個藍藍的鏈接，就像老式撥號電話的轉盤一樣成為歷史”難道真的要應驗了？柯達時刻既視感。

量子位第一時間參加了天工AI搜索的內測，實際體驗了一波，玩起來和傳統搜索體驗確實大不一樣——

就像是雇了一個助理在幫你資料，找完還給出總結匯報。

現在天工AI搜索也已經正式上線并開啟內測申請（鏈接：tiangong.cn），大家可以盡情體驗了。

AI搜索新物種

AI搜索這個新物種，一般長啥樣？

以天工AI搜索為例，首頁乍一看和普通搜索引擎似乎沒什么不同。

試著搜索一些問題，才看到區別所在。

從推薦問題也可以看出，官方在有意引導用自然語言提問，不再需要用戶自己去提煉關鍵詞，想問什么就像問身邊的人一樣去問即可。

在展示搜索結果環節，傳統搜索占主要篇幅的搜索結果，被壓縮成了一小塊“參考”。

只展示對回答這個問題有參考價值的篩選后結果，屏蔽了廣告和低質量內容。

占頁面正中C位的變成“回答”，也就是AI大模型根據問題和參考生成的內容了，經過AI整合提煉，避免了冗余無效信息，更高效和精準。

這部分也可以看出借鑒了AI聊天機器人應用，有反饋的點贊點踩按鈕，一鍵復制，以及不滿意可以重答。

再往下，大家熟悉的分頁組件也不需要了。

取而代之的是“追問”，也就是AI預測接下來你還可能想問什么，點一下就可以繼續延續上文聊下去。

這樣將搜索引擎與大模型結合起來，有什么好處？

借助大模型的理解能力可以按整句分析用戶的真實意圖，而不是僅依賴于關鍵詞匹配。

對于無法直接搜索到的內容，AI搜索也可以在理解的基礎上作答。

還可以借助大模型的能力對搜索到的信息重新組織、整理、再按指定方式輸出。

比如要對比兩個事物的異同，AI搜索不光省去了篩選信息的過程，甚至可以一步到位直接讓AI把搜索出來的結果繪制成表格，一目了然。

注意表格中每一句話后面都會附上來源，提供了信息溯源能力，解決了單純的大模型生成內容大模型提供信息不容易驗證的問題。

大模型的多輪對話能力也為搜索增加了新的玩法。

比如在學習一個思維模型時，不光可以讓AI把方法介紹出來：

還可以通過繼續“追問”這個話題，調動大模型對復雜問題的推理能力，回答“舉例說明這個方法如何應用”這種開放式問題：

最后，AI搜索還可以從聊天機器人借鑒保存和分享對話記錄。

在自己的搜索歷史中再次搜索，可以解決“我上次搜出來一個什么但是忘記是怎么搜的了”這個問題。

為每一次搜索會話編上一個id，就可以分享出去，在不同設備查看，或者讓其他人也看到同樣的搜索結果，以及繼續新的對話。

在試用中也發現一些有趣的現象，搜索結果不光影響AI生成的內容，還影響著AI生成的風格。

比如搜到的參考信息是繁體，AI容易也被帶跑用了部分繁體字。

問專業性較強的問題，AI的回答也容易晦澀難懂。問日常生活問題，AI的回答又容易質量不高。

不過好在，大模型的那些提示工程技巧在這里同樣適用。

看來AI搜索雖好，但要最大程度發揮其價值，就要去學習掌握大模型提示工程技巧了。

大模型+搜索，1+1>2

剛剛看到AI搜索的種種特點，都是借助大模型的能力才實現。

但這也不光是搜索從大模型身上得到好處，對于大模型來說，搜索同樣是很好的增強和輔助。

在AI研究界，近期一個熱點就是檢索增強生成（RAG，Retrieval Augmented Generation），用外部數據提高大模型回答問題的準確率、減少幻覺。

比直接用提示詞提供上下文支持的數據量更多、質量更高，又比重新訓練或微調大模型的成本低。

△來自fiddler.ai

一個經典用法是接入企業本地數據作為大模型的外部“知識庫”。

大模型如果搜索到確切信息，自然就不用瞎編了，如果明確沒搜索到結果，也更容易促使大模型答出“我不知道”。

在天工AI搜索測試中，也可以觀察到互聯網上搜索不到提問相關內容時回答“未搜索到”的情況。

AI搜索則是在此基礎上更進一步，直接把整個互聯網作為大模型的“知識庫”。

具體來說，天工AI搜索使用了在處理長篇文檔和復雜問題上具有天然優勢的Dense Passage Retrieval（DPR）技術。

對問題和潛在相關文檔（例如維基百科頁面或論壇帖子）進行編碼，并計算它們之間的相似度，確保準確無誤地檢索到與問題高度相關的文檔及其關鍵段落。

同時，搜索引擎也能給訓練數據固定的大模型提供最新的知識，保證生成方案的時效性。

比如大模型已經學到了各地景點的知識，但不知道未來幾天的天氣。

搜索補上這個缺口，就可以按照查到的天氣信息有針對性的安排旅行計劃。

在這個過程中，向量語義檢索發揮了重要作用。

通過高維向量空間映射，排序系統能夠快速篩選和定位網頁中與用戶問題最相關的段落，確保為大模型提供優質的信息輸入。

再利用向量相似度算法，系統能夠捕捉到內容間的微妙差異和多樣性。這確保了傳遞給大模型的信息來源不僅是高度相關的，同時也保持了廣泛的視角和維度，從而實現搜索結果的豐富性和深度。

最后通過召回用戶之前查詢的搜索結果，提高搜索結果與用戶交互的連貫性，打造了一種更自然、流暢的搜索對話體驗。

超級流量入口 or 個人智能助理

ChatGPT問世至今半年，行業逐漸達成了一個共識，即AI搜索確實是一個新的搜索范式。

它將搜索引擎與AI大模型結合，使搜索更加智能和人性化。

加上語義理解和多輪互動，讓智能搜索不僅可以解析用戶的搜索意圖，還能根據上下文進行多輪提問，提供更精準的結果。

那么，這樣一次重要的技術升級，能延展出什么新玩法？

昆侖萬維作為局中人，給出了兩種方向：

第一種，成為零成本、高效率的新一代生產力助手。

主要承擔的任務，有材料收集、文案撰寫、科研學習、智力外腦等功能。

沿著這條路線，未來AI搜索有可能作為互聯網基礎設施，以及超級流量入口的，最終形成新形態生產力工具的門戶。

第二種，作為全天候私人管家。

基礎版本的AI管家可以為用戶的衣食住行提供個性化決策，并且妥善安排好日程。

進一步連鎖，也可以在學習用戶的偏好和習慣方向加強，提供更個性化的搜索體驗，成為人手一個的個人助理。

言而總之，AI搜索產品這個形態，融合了大模型理解語義、記憶系統存儲信息、以及交互工具與用戶互動，和最近大火的AI智能體Agent天然適配。

“大模型+記憶+工具使用”這樣的配置，距離OpenAI華人科學家翁麗蓮給出的“配方”，也只差一步“主動規劃”。

隨著產品不斷完善，未來可以在AI主動分解任務、缺少條件的時候AI可以主動反問用戶等方向探索，如國外的Perplexity已經在往這方面探索。

而我們獲悉，昆侖萬維對AI搜索接下來的探索方向放在了大模型的另一個重要趨勢：多模態。

除了文字，AI搜索可以集成圖像、聲音等多種輸入方式，允許用戶通過各種方式搜索信息。例如，用戶可以上傳一張植物的照片來查詢它的名稱和相關信息。

在傳統搜索的文字搜文字，文字搜圖、以圖搜圖之外，又能打開一個以圖搜文字的新玩法維度。

AI搜索取得的這些進展，不禁讓人想到萬維網發明者TimBernes Lee和那一輩先驅們的夢想：

在互聯網實現人與人之間高效協作后，把機器引入進來與人交互，再次釋放生產力。

為此他們提出改造整個互聯網的“語義網”（Semantic Web）概念，在人能看懂的文字圖片之外添加機器能看懂的元數據，實現信息和知識的發現、自動處理和重新組織，最終每個人都能擁有智能個人助理（Intelligent Personal Assistant）。

不過由于技術太復雜、工程規模太大等種種原因，這個夢想至今也沒有完全實現。

兜兜轉轉近30年，大模型橫空出世帶來新的轉機。

這一次人們不用去手動改造整個互聯網了，而是AI通過機器學習去理解互聯網中的知識，以及人們使用互聯網的方式。

而AI搜索這個新物種，就是邁向智能個人助理的重要一步了。

看到這里，你打算如何利用AI搜索？期待未來人手一個的AI助理嗎？

歡迎在評論區留言聊聊。

點擊左下方“閱讀原文”，申請加入“天工AI搜索”內測

天工AI搜索內測申請地址：tiangong.cn

參考鏈接：[1]https://www.fiddler.ai/blog/fourwaysthatenterprisesdeployllms

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態