여러 차례의 폭로 끝에 AI 검색 트랙은 마침내 "중요한 플레이어"인 OpenAI가 출시한 AI 기반 검색 엔진인 SearchGPT를 환영했습니다.
올해 4월 초 엔지니어들은 OpenAI가 자체 AI 검색 제품인 SONIC-SNC(SearchGPT)를 내부적으로 평가하고 있다는 소식을 전했고, OpenAI가 검색 제품을 곧 출시할 것이라는 소식이 온라인에 널리 퍼졌습니다. 그러나 OpenAI의 SearchGPT가 공식적으로 공개된 것은 3개월이 지나서였습니다.
SearchGPT의 출시는 놀라운 일이 아닙니다. 모두가 더 우려하는 것은 AI 검색이 작동할 것인지, 그리고 기존 검색 엔진의 시장 점유율 점유할 수 있는 기회가 있는지입니다.
이에 대해 OpenAI CEO 샘 알트만(Sam Altman)은 SearchGPT를 '새로운 프로토타입(신제품 프로토타입)'이라고 부르며 "현재의 검색에는 개선의 여지가 있다고 생각한다"고 직설적으로 말했다. 그는 또한 "구식" 검색 엔진과 비교했을 때 새로운 SearchGPT가 자신을 놀라게 했다고 말했습니다. 그는 자신의 신제품을 칭찬하는 데 주저하지 않았지만 Google 및 Bing과 같은 경쟁업체에 대해서도 체면을 잃지 않았습니다.
SearchGPT, 이미지 출처: OpenAI
현재 AI 검색 트랙 경쟁은 뉴빙(New Bing), 퍼플렉시티(Perplexity), 유닷컴(You.com), 렙톤서치(Lepton Search), 젠스파크(Genspark), 헤비아(Hebbia) 등 해외 우수 제품은 물론, 미타 AI 검색(MiTa AI Search), 360 AI 검색(360 AI Search)까지 치열하다. , Tiangong AI 검색, Bocha AI 검색, Reportify, Devv 등 국내 제품이 빠르게 발전하고 있습니다.
360 Group의 창립자인 Zhou Hongyi는 SearchGPT에 대해 다음과 같이 말했습니다. “OpenAI는 원래 ChatGPT를 만들었습니다. 그들은 채팅 인터페이스가 일부 문제를 해결할 수 있다고 느꼈지만 이제는 새로운 사용자 경험으로 병렬 SearchGPT를 만들어야 합니다. 아직까지는 검색이 나은지, 채팅이 나은지는 알 수 없지만, 적어도 AI 검색이 누구도 놓칠 수 없는 중요한 현장 입구라는 점을 보여준다.”
AI 검색이 중요하다고 하는데, AI 검색이 직면한 과제 중 하나는 비즈니스 모델을 어떻게 구축하느냐다. "비용이 매우 낮으면 광고를 이용할 수 있지만 지금은 광고를 게재하기가 어렵습니다. 광고가 각 단어 검색 비용을 감당하지 못할 수도 있습니다." Zhou Hongyi는 "모든 사용자가 기꺼이 지불할 의향이 있는 것은 아닙니다. 탐색해 보세요."
이 기사에서 "Jiazi Guangnian"은 SearchGPT 및 관련 AI 검색 제품을 해체하고 AI 검색 제품의 장벽, 혁신 및 미래를 분석합니다.
1.AI 검색은 검색이 아니다
OpenAI 검색 제품의 장점을 이해하려면 먼저 AI 검색 제품의 기본 작동 원리를 이해해야 합니다.
현재 시중에 나와 있는 AI 검색 제품에는 전문 AI 검색 제품, 기존 검색 엔진에서 출시된 AI 기능이 포함된 제품, 대형 모델 제조업체가 만든 검색 기능이 포함된 제품 등 세 가지 주요 카테고리가 있습니다 .
첫 번째 카테고리는 Perplexity, Secret Tower AI Search, Genspark로 대표되고, 두 번째 카테고리는 New Bing, Google AI Review로 대표되며, 세 번째 카테고리는 Kimi, Doubao, Tencent Yuanbao로 대표됩니다. OpenAI 역시 대형 모델 제조사이지만 ChatGPT라는 대형 모델 제품을 보유하고 있기 때문에 전문적인 AI 검색 제품을 재개발한 것이므로 SearchGPT는 첫 번째 카테고리에 속합니다.
AI 검색의 기본 원리는 실제로 검색(Retrieval)과 생성(Generation)의 두 단계를 포함하는 "RAG(Retrieval-Augmented Generation)"로 요약될 수 있습니다. 그 중 '검색(retrieval)'은 대부분 기존 검색 엔진의 API로 완성되며, 일부는 자체 구축한 인덱스 라이브러리 형태로 AI 검색 제품이 하는 일이 주요하다. 결과를 얻은 후 "생성"합니다.) AI를 사용하여 수작업을 대체하고 검색 내용을 읽고 요약 후 사용자에게 직접 답변을 제공합니다.
물론, 질문 재작성(의도 감지), 검색 결과 순위 재지정(Reranking) 및 세부 콘텐츠 가져오기(콘텐츠 읽기)와 같은 몇 가지 중요한 링크를 포함하여 이 뒤에 있는 링크는 더 복잡해집니다. 또한 검색 결과의 전처리와 검색 솔루션 표시도 필요합니다. AI 검색의 전체 프로세스에는 대형 모델에 대한 여러 호출이 포함됩니다. 예를 들어 360은 AI 검색을 수행하기 위해 9개의 대형 모델을 호출합니다.
AI 검색 흐름도, 사진 출처 : AI 제품 레나
360개 이상의 전문가 협업(CoE) 아키텍처 모델 작업 흐름 차트, 사진 출처: "Jiazi Guangnian" 촬영
그러나 일반적으로 AI 검색 제품은 여전히 성숙한 검색 제품을 기반으로 개발되고 있으며 검색 단계는 외부 API를 호출하여 해결할 수 있으며 컨텍스트 향상, 요약 및 생성 단계에서는 기본 대형 모델의 기능만 호출하면 됩니다. 즉, 기존 검색 제품에 비해 AI 검색 제품은 기술 수준의 혁신이 아니라 제품 수준의 혁신이 더 많다는 것이다.
이것이 바로 Perplexity가 스스로를 " 응답 엔진 "이라고 부르는 이유입니다. 검색 API에서 기본 대형 모델로 직접 "셸링"되는 제품인 Perplexity는 직접 검색 기능을 제공하지 않지만 API에 대한 액세스를 통해 이를 얻습니다. 검색엔진을 통해 검색된 콘텐츠를 GPT-4, Claude 등의 대형 모델을 통해 요약하고 최종적으로 고정된 형식으로 정리하여 사용자에게 제시함으로써 사용자가 페이지별로 보고 요약하는 시간을 절약해줍니다.
'쉘'을 활용해 30억 달러의 가치를 달성할 수 있다는 점에서 '쉘의 왕' 퍼플렉시티의 승리는 기술의 승리가 아니라 기술을 바탕으로 한 제품 패키징의 승리라고 할 수 있다. 사용자의 요구를 정확하게 파악한 결과, 빠른 공격의 승리입니다.
이미지 출처: Perplexity
그러므로 AI 검색은 검색이 아니라 요약이다. AI 검색 제품 간의 진정한 경쟁은 근본적인 기술적 역량이 아니라 기술을 기반으로 누가 더 정확한 답변, 더 빠른 응답 속도, 더 지능적인 사용자 경험을 제공할 수 있는지에 달려 있습니다.
그 중에서도 '정확성'이 가장 중요합니다. AI 검색의 가장 큰 장벽은 데이터입니다 . 정확한 답변을 얻으려면 기본 데이터의 품질과 양이 중요합니다 . 기본 데이터베이스가 충분히 크고, 충분한 정보를 보유하고, 적시에 정보를 업데이트하는 경우에만 대형 모델이 콘텐츠를 획득할 때 "증거 기반"임을 보장하여 보다 정확하고 시기적절한 콘텐츠를 요약하고 출력할 수 있습니다. 이는 구글이 검색엔진 분야에서 연중 90% 이상의 시장점유율을 유지하고 있는 이유이기도 하다. 구글은 1998년 창립 첫날부터 색인 작업을 해왔으며, 세계 최대 규모, 가장 포괄적인 색인 라이브러리를 보유하고 있다. 가장 정확하고 시기적절한 검색결과를 제공할 수 있습니다.
따라서 검색 결과를 보다 정확하게 만들고 싶다면 자체 색인 데이터베이스를 구축하는 것이 중요한 솔루션입니다.
현재 대다수의 AI 검색 제품은 하위 수준의 검색 시스템을 다시 만들지 않고 기존 검색 엔진의 API에만 연결되어 있습니다. Secret Tower AI Search(팟캐스트 및 라이브러리 섹션), 360AI 검색 및 몇몇 수직 AI 검색 엔진은 색인 데이터베이스를 구축합니다. 이는 주로 기존 검색 엔진의 API에 액세스하면 이미 문제의 95%를 해결할 수 있기 때문입니다. 또한 자체 구축한 인덱스 라이브러리를 구축하는 데 드는 비용이 매우 높고 따라서 대량 인적, 재정적, 시간이 필요하기 때문입니다. 자체 구축한 인덱스 라이브러리는 Google보다 더 나은 성능을 제공할 수 없습니다. Bing의 API를 사용하여 더 높은 품질의 콘텐츠를 얻으려면 자체 인덱스 라이브러리를 구축할 필요가 없습니다.
AI 검색 흐름도 이미지 출처: ThinkAny 창립자 idoubi, AI 제품 편집자 Huang Shu
자신만의 인덱스 데이터베이스를 구축하는 데 비용이 얼마나 드나요? 360의 부사장인 Liang Zhihui는 팟캐스트에서 5천만 개의 웹페이지를 크롤링하는 데 드는 비용이 약 100만~200만 위안이라고 말한 적이 있지만, 5천만 개의 웹페이지는 기본적으로 검색 엔진으로는 매우 작은 숫자입니다. 엔진을 사용하려면 최소한 1000억 개의 웹 페이지를 크롤링해야 합니다. 글로벌 웹 페이지를 색인화하려면 기본적으로 지원을 제공하기 위해 3,000~10,000대의 서버가 필요합니다.
즉, 가장 간단한 검색엔진을 구축하려면 최소 20억~40억 위안의 예산이 필요하다. 여기에는 페이지랭크(웹페이지 순위)의 서버 비용, 단말기 제조사의 보호 수수료 비용, 그리고 인건비. 이는 중소 규모의 스타트업에게는 극복할 수 없는 비용입니다.
현재 구글, 마이크로소프트, 바이두 등 소수의 대기업만이 검색엔진을 만들고 있는 이유도 바로 이 때문이다. 검색엔진을 만드는 데 드는 비용은 너무 높고, 이를 할 수 있는 자금과 인재, 장비는 대기업만이 갖고 있다. .
높은 비용 외에도 검색 기술과 알고리즘도 상당히 어렵습니다. Google의 자랑스러운 순위 알고리즘을 예로 들면 콘텐츠 품질, 사용자 경험, 모바일 친화성, 페이지 로딩 속도, 보안 등 수백 가지 요소를 고려합니다. 구조가 복잡할 뿐만 아니라 외부 요소도 기반으로 합니다. .환경은 실시간으로 업데이트됩니다. Google은 하루 평균 6번, 연간 최대 2,000번의 알고리즘 업데이트를 릴리스하는 것으로 보고되었으며, 해당 알고리즘은 극도로 기밀이며 Google 내에서 검색 순위 알고리즘의 전체 상황을 아는 사람은 거의 없습니다.
이렇게 막대한 비용과 극도로 높은 기술적 한계로 인해 중소 검색 엔진/AI 검색 회사가 마치 산을 옮기려는 것처럼 전체 네트워크에 대한 자체 인덱스 라이브러리를 구축하는 것이 어렵다고 생각할 수 있습니다. .
하지만 이는 중소기업에게는 어려운 일이지만, OpenAI에게는 어렵지 않습니다.
누적 융자 이 200억 달러가 넘고 인재 밀도가 높은 것으로 알려진 OpenAI에는 당연히 '돈'과 '사람'이 부족하지 않습니다. 따라서 그들은 자신의 인덱스 데이터베이스를 완벽하게 구축할 수 있습니다.
그렇다면 SearchGPT에는 자체 색인 라이브러리가 있습니까?
"Jiazi Guangnian"이 일부 엔지니어에게 질문한 후 그들이 얻은 일반적인 대답은 "OpenAI의 자금과 재능으로 자체 인덱스 데이터베이스를 구축할 수 있지만 전체 네트워크에 대한 인덱스 데이터베이스를 구축하는 데 너무 시간이 걸리기 때문입니다. 소모적이고 힘들며 비용이 많이 듭니다. 인덱스 라이브러리의 일부를 구축했어야 했지만 외부 검색 API에 대한 액세스를 포기하지 않고 크롤러를 사용하여 답변을 보완하기 위해 실시간 검색을 수행할 것입니다.”
기술 미디어 TestingCatalog News는 SearchGPT의 소스 코드를 공개하여 이 추측을 확인했습니다. 그들은 SearchGPT가 여전히 Bing 인덱스 라이브러리의 API에 연결되어 있지만 현재 ChatGPT에서 제공하는 일반 Bing 검색 기능과 달리 SearchGPT는 실제 검색 기능을 더 잘 제공한다는 사실을 발견했습니다. 시간 정보. 이는 주로 웹 크롤러에 의해 수행됩니다.
이미지 출처: TestingCatalog 뉴스
OpenAI 개발자 페이지의 성명은 이 추측을 더욱 확증합니다. "OpenAI는 웹 크롤러와 사용자 에이전트를 사용하여 자동화되거나 사용자 요청에 의해 트리거되는 제품에 대한 작업을 수행합니다."라고 그들은 개발자 플랫폼 개요에 썼습니다.
이미지 출처: OpenAI 플랫폼
요약하면, SearchGPT는 정확하고 시기적절한 검색 결과를 보장하기 위해 " 자체 구축된 부분 색인 데이터베이스 + Bing API에 대한 액세스 + 실시간 웹 크롤러 "를 결합하는 기술 경로를 채택할 가능성이 높습니다.
자체 구축된 인덱스 데이터베이스 외에도 OpenAI가 AI 검색 제품을 위해 구축한 또 다른 데이터 장벽은 콘텐츠입니다 .
SearchGPT의 출시 페이지에서 OpenAI는 사용자가 게시자 웹사이트와 경험을 발견할 수 있도록 돕고 더 많은 검색 선택권을 제공하기 위해 게시자와 제작자의 번성하는 생태계를 구축하기 위해 최선을 다하고 있다고 언급했습니다.
이들이 협력하는 미디어로는 The Atlantic Monthly, Associated Press, Business Insider의 모회사인 Axel Springer와 The Wall Street Journal, The Times, The Sun을 소유한 거대 미디어 News Corp가 있습니다. OpenAI는 이러한 미디어 콘텐츠를 크롤링할 수 있는 권한에 대한 권장 링크를 교환하려고 시도합니다. 또한 미디어와 게시자는 SearchGPT에서 콘텐츠 소스가 표시되는 방식을 선택할 수 있다고 명시했습니다.
기관 미디어 등 전문 정보 제공자와 협력하는 것은 OpenAI가 경쟁사에게 강력한 타격을 줍니다. 페이월과 크롤링 방지 메커니즘의 존재로 인해 많은 AI 검색 제품은 전문 미디어 조직이 제공하는 콘텐츠를 캡처할 수 없으며, 이로 인해 AI 검색 제품에서 생성되는 불완전한 결과와 열악한 경험이 발생합니다. 미디어와 협력 관계를 구축한 후 SearchGPT에서 많은 미디어 독점 보고서를 검색할 수 있으며 이는 의심할 여지 없이 SearchGPT의 콘텐츠 생태계를 번영시키고 사용자 경험을 보장합니다.
기본 데이터 및 콘텐츠 생태계를 개선하는 것 외에도 미디어와 협력 관계를 구축하는 것도 저작권 준수를 보장하기 위한 OpenAI의 의도적인 움직임입니다.
ChatGPT 출시 이후 생성 AI 제품을 둘러싼 저작권 소송이 끝없이 이어졌습니다. 예를 들어 New York Times는 OpenAI와 Microsoft를 기소하다 100만 달러를 지출했으며 헤지펀드 Alden Global Capital 산하의 8개 출판 그룹(포함)이 있습니다. 뉴욕데일리뉴스(Daily News)와 시카고트리뷴(Chicago Tribune)도 두 회사를 상대로 소송을 제기했다. 생성 AI 제품이기도 한 퍼플렉시티(Perplexity) 역시 출처를 정확하게 인용하지 않고 포브스(Forbes)의 보고서를 검색 결과에 사용한 것에 대해 포브스(Forbes)로부터 변호사 편지를 받았습니다.
따라서 미디어 및 출판사와 건전한 협력 메커니즘을 구축하면 더 많은 콘텐츠 소스를 확보할 수 있을 뿐만 아니라 불필요한 저작권 분쟁도 피할 수 있습니다. 앞으로는 광고를 통해 돈을 벌 수 있는 기회가 생길 수도 있습니다. 돌 하나로 .
자체 색인 데이터베이스를 구축하든, 미디어와의 협력을 통해 독점 콘텐츠를 얻든, 이는 SearchGPT가 고품질 데이터를 획득하고 데이터 및 콘텐츠 장벽을 구축한 다음 이미 연기로 가득 찬 AI 검색 전쟁에서 확실한 후발 우위를 확보하는 데 도움이 될 것입니다. .
2. 짧은 대기 시간과 다중 모드로 사용자 경험 재구성
자체 인덱스 데이터베이스를 구축하고 미디어와 협력하는 것이 OpenAI가 자체적으로 설정한 첫 번째 데이터 장벽 이라면, 극도로 낮은 대기 시간, 여러 차례의 질문 및 답변 상호 작용 및 다중 모드 결과 제시는 OpenAI가 설정한 두 번째 장벽입니다. 사용자 경험 장벽 .
앞서 AI 검색은 검색이 아니라 요약이라고 말씀드렸습니다. AI 기술 자체가 '정보 매칭' 문제를 해결한다. AI 검색을 이용하는 사용자의 목적은 단순히 정보를 얻는 것이 아니라 자신의 요구에 맞는 제품을 '고용'하는 것이다. 대형 모델 기술이 본래의 검색 능력을 어느 정도 강화시키겠지만, 좋은 AI 검색 제품을 만들려면 정보 수준 외에도 사용자 측에서도 열심히 노력하고 사용자와 창의적으로 상호 작용해야 합니다. 정보 측면과 대화형 측면을 '두 바퀴로 굴러가게' 하면 경이로운 AI 검색 제품이 탄생할 수 있습니다.
어떤 종류의 상호작용이 좋은 사용자 경험을 가져올 수 있나요?
ThinkAny의 독립 개발자이자 창립자인 idoubi(Ai Doubi)는 AI 검색 엔진에 대한 10,000 단어 리뷰 기사에서 다음과 같이 언급했습니다. “ 좋은 AI 검색 엔진을 만드는 데 가장 중요한 세 가지 포인트는 정확/빠름/안정성, 즉 응답입니다. 결과가 정확해야 하고, 응답 속도도 빨라야 하며, 서비스 안정성도 높아야 합니다 .”
이전 기사에서 언급한 자체 구축된 인덱스 데이터베이스와 미디어와의 협력이 '정확성'을 보장하지만, '빠름'과 '안정성'을 어떻게 보장할 수 있을까요?
응답 지연을 줄이고 여러 차례의 질문과 답변을 수행할 수 있는 것이 중요합니다.
SearchGPT는 또한 낮은 응답 대기 시간을 달성합니다. 데모 영상을 보면, SearchGPT의 응답 속도가 질문 입력부터 답변까지 1~2초밖에 걸리지 않는 것을 볼 수 있습니다.
SearchGPT의 짧은 지연 응답, 비디오 소스: OpenAI
공식 영상이 여전히 편집 의혹을 받고 있다면, 체험 자격을 갖춘 일부 네티즌들이 공개한 체험 영상을 통해 이러한 의혹이 해소됐다. 영상을 통해 SearchGPT의 응답 속도가 실제로 매우 빠른 것을 확인했습니다. 질문부터 답변까지 걸리는 시간은 단 3초입니다.
SearchGPT 실제 측정 영상, 영상 출처 : X @Paul Covert
이 초고속 "실시간"은 어떻게 달성됩니까? 두 가지 방법이 있습니다. 첫 번째는 미리 데이터를 크롤링하여 벡터 데이터베이스에 삽입하는 것이고, 두 번째는 인터넷에서 콘텐츠를 실시간으로 검색하는 것입니다. 이 두 가지 사항은 벡터 검색, 실시간 색인 생성, 실시간 데이터 분석 및 기타 기술을 사용해야 하는 자체 구축 색인 데이터베이스를 구축하기 위한 기초이기도 합니다.
OpenAI는 어떻게 이러한 기술적 역량을 확보하게 되었나요? 이것은 그들의 최근 "큰 움직임"을 언급해야 합니다.
올해 6월 OpenAI는 실시간 분석 데이터베이스 회사인 Rockset을 OpenAI 역사상 최대 규모의 거래인 5억 달러에 인수했습니다. Rockset은 실시간 인덱싱 및 쿼리 기능으로 유명한 실시간 완전 인덱스 데이터베이스 입니다. 해당 서비스는 주로 실시간 대시보드와 같이 대량 의 데이터를 실시간 처리하고 쿼리해야 하는 애플리케이션 시나리오를 대상으로 합니다. 검색 인덱스, 스트리밍 데이터 분석 등
Rockset 공식 홈페이지, 사진 출처: Rockset
Rockset에는 이전에 Facebook에서 근무했던 공동 창업자 Venkat Venkataramani와 Dhruba Borthakur가 공동 개발한 RocksDB라는 키-값 저장 시스템이 있습니다. 특히 빠른 읽기 및 쓰기에 뛰어나 사용자가 읽고 쓸 수 있습니다. 밀리초 단위 로 대규모 데이터 세트를 쿼리하고 분석합니다.
스트리밍 데이터 수집, 자동 인덱싱, 메모리 최적화, 동시성 쿼리 및 기타 기술을 통해 Rockset은 사용자 문의에 대한 SearchGPT의 응답 속도를 크게 향상시켜 AI 검색 제품의 "빠름"을 보장할 수 있습니다.
Rockset은 "빠른" 것 외에도 AI 검색 제품의 "안정성", 즉 여러 차례의 대화형 질문 및 답변을 보장할 수 있습니다.
실시간으로 완전히 색인화된 데이터베이스인 Rockset은 보다 포괄적이고 완전한 데이터를 제공할 수 있으며 다차원 쿼리도 지원합니다. 즉, 사용자는 상황별 색인 및 SQL 쿼리와 같은 기술을 통해 다양한 속성 및 조건을 기반으로 결과를 필터링할 수 있습니다. , Rockset 이를 통해 AI 검색 제품은 컨텍스트 상태를 더 잘 저장 및 검색하고, 세션 연속성을 유지하며, AI 검색 제품의 다단계 대화형 Q&A 경험을 향상할 수 있습니다.
SearchGPT의 질문 기능, 영상 출처: OpenAI
OpenAI가 Rockset을 인수하기 전에는 대형 모델의 데이터 인덱싱, 쿼리 및 저장 문제를 해결할 때 업계에서 일반적인 솔루션은 소위 "벡터 데이터베이스"라고 불리는 대형 모델에 "플러그인"을 추가하는 것이었습니다. 지난 1년 동안 벡터 데이터베이스는 전국적으로 인기를 얻었으며 거의 모든 벡터 데이터베이스 제조업체가 "대형 모델의 메모리"를 셀링 포인트로 마케팅하고 있습니다. Rockset은 벡터 인덱싱뿐만 아니라 키워드 인덱싱, 메타데이터 인덱싱 등 다양한 형태의 데이터를 인덱싱할 수 있어 보다 높은 품질의 검색 결과를 제공하고 다양한 쿼리 요구 사항을 충족할 수 있습니다.
이는 RocksDB( 하이브리드 검색) 외에 Rockset의 또 다른 핵심 기술이기도 합니다. 이는 실시간 데이터를 포함해 다양한 유형의 데이터를 유연하게 색인화하여 사용할 수 있는 다면적인 검색 방법(벡터 검색, 텍스트 검색, 메타데이터 필터링 등의 통합)이므로 문맥상 자주 사용됩니다. 제품 추천, 개인화된 콘텐츠 수집 및 기타 시나리오. 이 기술은 Microsoft의 New Bing과 Google의 AI 개요에서 중요한 역할을 합니다.
SearchGPT가 세 번째 하이라이트인 다중 양식을 갖게 된 것은 바로 이 "하이브리드 검색" 기술 기능 덕분입니다. 답변의 텍스트 버전을 제공할 뿐만 아니라 결과 표시 수준에 데이터, 목록, 사진, 비디오 등을 포함한 다양한 콘텐츠 차원을 추가하여 정보의 풍부함과 이해성을 향상시킵니다.
예를 들어, 테스트 자격을 갖춘 네티즌이 런던의 날씨에 대해 물으면 SearchGPT는 날씨 아이콘과 기타 위젯을 포함하여 향후 7일 동안의 일기 예보를 직접 제공했습니다.
이미지 출처: X @Kesku
네티즌들은 또한 런던에서 피크닉을 즐기기에 가장 좋은 시간과 장소가 무엇인지 물었습니다. 여러 공원 옵션이 제공되었지만 왼쪽에는 다양한 기상 조건의 런던 사진도 나열되어 있습니다.
이미지 출처: X @Kesku
SearchGPT의 모바일 측면에서는 답변의 다중 모드 성능도 매우 좋습니다. 예를 들어 Nvidia의 주식을 검색하면 주식 추세 차트가 제공되고, 노래를 검색하면 SearchGPT가 직접 Youtube 비디오를 제공합니다. , 사용자가 클릭하지 않고도 웹페이지를 재생할 수 있습니다.
이미지 출처: X @Kesku
다중 모드 프레젠테이션이 왜 그렇게 중요한가요? 이는 현재 AI 검색 제품의 대다수가 여전히 텍스트로 답변을 제공하기 때문입니다. 텍스트 답변은 대부분의 사용자 문제를 해결할 수 있지만, 참가자가 많고 균질화가 진행되는 경쟁 환경에서는 보다 입체적이고 풍부한 답변을 제공할 수 있는 사람이 AI 검색의 다음 단계를 마스터할 수 있습니다.
다중 모드 검색은 사용자가 검색 콘텐츠를 보다 직관적으로 이해하고 검색 경험을 향상시키는 데 도움이 될 뿐만 아니라 제품 반복에도 큰 이점이 있습니다. 다중 모드 모델을 갖춘 AI 검색 제품은 텍스트, 이미지, 사운드를 동시에 처리할 수 있습니다. 동시에 비디오 및 기타 다양한 유형의 데이터를 통해 다양한 정보로부터 보다 포괄적인 지식과 맥락을 얻습니다. 이는 교차 모드 학습, AI 검색 제품 및 그 뒤에 있는 모델을 통해 복잡한 작업을 이해하고 실행하는 데 중요합니다. 보이지 않는 상황에 대한 일반화가 향상되어 검색 결과의 정확성, 적응성 및 유용성이 향상됩니다.
검색 결과의 다중 모드 표시는 주로 모델 기능의 축복에서 비롯됩니다. 기본적으로 롱(Long) 수 있는 제조업체는 멀티모달 AI 검색 제품도 제작할 수 있습니다. 이는 360과 같은 주요 제조업체에서 상당수의 멀티모달 AI 검색 제품이 나오는 이유이기도 합니다. 360 그룹이 출시한 AI 검색은 사용자가 사진을 찍어 질문할 수 있도록 지원하며 Kunlun Wanwei가 출시한 Tiangong AI 검색은 AI 이미지 인식, AI 이미지 생성도 지원합니다. 등을 지원하고, 수집, 쓰기, 읽기, 채팅, 말하기도 지원하며 말하기, 듣기, 노래하기 등 다양한 기능을 갖추고 있으며, 에서 만든 AI 검색 제품인 Genspark도 생성합니다. Xiaodu의 전 CEO인 Jing Kun은 사용자 질문을 기반으로 시각적 차트와 그림을 생성할 수도 있습니다.
360 AI 검색 결과, 이미지 출처: 360 AI 검색
Tiangong AI 검색 결과, 사진 출처: Tiangong AI
Genspark 검색 결과, "Jiazi Guangnian"이 접합한 사진
세계에서 가장 강력한 대규모 모델 회사 중 하나인 OpenAI의 모델 다중 모드 처리 기능은 당연히 말할 것도 없습니다.
이번에 SearchGPT가 공개한 데모에는 'Visual Answers'라는 기능이 등장했지만 OpenAI는 그 작동 원리를 자세히 설명하지 않았다.
이미지 출처: OpenAI
앞서 언급했듯이 TestingCatalog News는 SearchGPT의 소스 코드를 공개했습니다. 이 소스 코드는 Bing 인터페이스를 노출했을 뿐만 아니라 검색 결과가 다중 모드 모델에서 지원된다는 사실도 발견했습니다. 비록 구체적인 모델과 그 처리 흐름을 볼 수는 없지만, 멀티모달 모델은 이미지를 자동으로 이해하는 기능을 가지고 있어야 합니다.
이미지 출처: X @TestingCatalog 뉴스
Baidu 데이터베이스 부서의 수석 제품 설계자인 Zhu Jie는 SearchGPT가 Perplexity와 같은 제품과 다른 경험을 창출하고 후발주자로서 추월을 달성하려는 경우 가장 큰 매력은 '다중 양식'이라고 믿습니다. Rockset은 이미 다중 모드 데이터 검색 기능을 제공하고 있습니다. 다중 모드 대형 모델을 사용하여 대화형 측면에서 더 많은 "멋진 작업"을 수행할 수 있다면 사용자 증가가 곧 다가올 것입니다.
간단히 말해서 OpenAI의 다중 모드 대형 모델 지원과 결합된 Rockset의 하이브리드 검색 기능을 통해 SearchGPT는 더 나은 대화형 경험을 제공할 수 있으며 이는 OpenAI가 Rockset을 인수한 원래 의도이기도 합니다.
Rockset 인수 발표에서 OpenAI는 다음과 같이 썼습니다. "AI는 사람과 조직이 자신의 데이터를 활용하는 방식을 변화시킬 수 있는 기회를 가지고 있습니다. 우리는 Rockset의 기술을 통합하여 제품 전반에 걸쳐 검색 인프라를 강화할 것이며 Rockset의 세계적 수준의 구성원은 Rockset의 회원입니다. 팀은 OpenAI에 합류할 것입니다.”(AI는 사람과 조직이 데이터를 사용하는 방식을 변화시킬 수 있는 기회를 제공합니다... 우리는 Rockset의 기술을 통합하여 제품 간 검색 인프라를 강화할 것이며 Rockset의 세계적 수준의 팀 구성원도 OpenAI에 합류할 것입니다. .)
OpenAI의 Rockset 인수 발표, 이미지 출처: OpenAI
OpenAI는 자체 제품 간 검색 인프라에 대한 지원을 제공하기 위해 Rockset을 인수하기를 희망한다고 밝혔습니다. 실시간 데이터 액세스 및 처리가 현재 AI 군비 경쟁에서 중요한 부분이 되었음을 알 수 있습니다. 업계 일각에서는 이번 인수가 본질적으로 벡터 데이터베이스로는 '인공지능 메모리(메모리)' 문제를 해결할 수 없다는 점을 보여준다고 지적했다. 이를 인지한 OpenAI도 내부 대형 모델 각각에 대해 탄탄한 '범용 데이터베이스'를 구축하려고 노력하고 있다. 이를 통해 대형 모델의 착각을 줄이고 AI 생성 콘텐츠의 정확성, 적시성, 맥락적 관련성을 향상시키고 있다.
Rockset 인수는 OpenAI가 SearchGPT를 출시하기 전에 매우 중요한 단계입니다. 이는 OpenAI의 데이터 단점을 보완하고 OpenAI의 데이터 클레임, 처리 및 분석의 효율성과 속도를 향상시키며 OpenAI가 다양한 소스에서 지속적으로 클레임 하고 색인화할 수 있게 해줍니다. Rockset은 OpenAI가 AI 검색 제품의 지연을 줄이고 SearchGPT가 "더 빠르게" 답변을 제공할 수 있도록 도울 뿐만 아니라 효율적이고 완전하며 실시간으로 업데이트되는 인덱스 라이브러리를 구축하여 AI 검색을 더욱 향상시키는 데 큰 도움이 된다고 할 수 있습니다. 제품 답변의 적시성과 정확성.
3.SearchGPT, 왜 지금인가?
지금 SearchGPT를 시작하는 이유는 무엇입니까? 이는 OpenAI가 직면한 재정적 어려움과 관련이 있을 수 있습니다.
최근 더인포메이션(The Information)의 보고서에서는 올해 3월 기준 OpenAI의 추론 비용(마이크로소프트 서버 임대 비용)이 40억 달러에 달하고, 훈련 비용도 올해 30억 달러에 더해 15억 달러까지 치솟을 수 있다고 언급했다. 따라서 인건비로 따지면 올해 OpenAI의 사업 운영 비용은 약 85억 달러에 달합니다.
수익 측면에서 볼 때, OpenAI의 최근 월별 총 수익은 2억 8,300만 달러였지만 연간 수익도 35억~45억 달러에 이를 수 있습니다(FutureSearch의 추정에 따르면 2024년 OpenAI의 연간 반복 수익은 약 34억 달러로 거의 동일합니다). ), 이 수치에 도달할 수 있을지는 올 하반기 판매량에 달려 있다.
즉, OpenAI가 연간 매출 35억 달러를 달성하기 위해 최선을 다하더라도 여전히 장부상 약 50억 달러의 손실이 발생한다는 것입니다.
이로 인해 OpenAI는 돈을 벌 수 있는 방법을 찾기 위해 최선을 다하게 됩니다. OpenAI의 수익 구조에서 수익의 대부분은 여전히 C측에서 발생합니다. 수익의 55%는 ChatGPT Plus(약 770만 명)를 구매하는 유료 가입자에게서 발생하고 나머지 45%는 ChatGPT 기업 버전에서 발생합니다. 21%), API 수익(15%) 및 ChatGPT 팀 버전(8%). 따라서 강력한 C-end 기본 원칙에서 시작하는 것이 OpenAI가 수익 돌파구를 달성하는 열쇠입니다.
이미지 출처: FutureSearch
C 측 시나리오에서 검색은 가장 가치 있는 비즈니스 모델 중 하나입니다. 검색은 사용자 수가 많은 자연스러운 시나리오로서 한때 PC 측면에서 트래픽 1위를 차지했습니다. 바이두는 검색을 통해 세계에서 그 위상을 달성했고, 구글도 검색을 통해 인터넷 기업 중 하나가 되었습니다. 2023년 모회사인 알파벳은 매출 3,703억 시총 만 달러 중 1,750억 3300만 달러를 구글의 검색 업무 에서 창출했습니다(전체 매출의 약 47.26% 차지).
이미지 출처: Alphabet 2023 연례 보고서
ChatGPT의 일일 활성 사용자 수는 여전히 약 5천만 명에 달하지만 여전히 생성 AI 분야에서 유일한 킬러 애플리케이션이지만 인터넷 시대의 Facebook, Youtube, Instagram 등과는 아직 거리가 멀습니다.
Shixiang Technology의 CEO인 Li Guangmi는 올해 4월 인터뷰에서 "나라면 먼저 ChatGPT를 5천만 DAU에서 3억으로 늘릴 것입니다... 현재 ChatGPT의 유료 사용자가 천만 미만이기 때문입니다. 3천만 명의 유료 사용자에 도달한다는 것은 연간 구독 수익이 미화 60억 달러에 달한다는 것을 의미하며, 이는 AGI의 연간 투자를 상대적으로 건전한 방식으로 지원할 수 있습니다.”
검색 시장은 2,000억 달러 규모입니다. 현재 소위 'AI 네이티브 검색 상품'의 시장 규모는 수십억 달러에 불과하며, 아직 채워질 여지가 많다. ChatGPT에 검색 기능이 도입되면 ChatGPT는 구독 시스템 외에도 광고, 추천 등 더 많은 비즈니스 모델을 도출하고 더 많은 수익원을 확대할 수 있습니다.
검색을 사용하여 트래픽과 수익을 높이는 것 외에도 추론 비용 하락으로 인한 시간 창을 확보하는 것이 OpenAI가 현재 SearchGPT를 출시하기로 선택한 두 번째 이유일 수 있습니다.
검색상품의 수익은 C-end 사용자가 직접적으로 발생하는 것이 아니라, C-end 사용자가 일정 금액 이상 누적된 후에 발생하는 B-end 사용자로부터 발생합니다. 따라서 검색 상품이 긍정적인 현금 흐름을 달성하기 전에는 사용자 확보 및 운영 주기가 길 뿐만 아니라 상당한 제품 및 기술 구축 및 유지 비용이 소요됩니다.
전통적인 검색 엔진을 예로 들어 보겠습니다. Morgan Stanley 보고서에 따르면 Google은 2022년에 약 3조 3천억 건의 검색을 수행할 것이며 검색당 평균 비용은 약 0.2센트가 될 것입니다. 수익 측면에서, Kunlun Wanwei 회장 Fang Han이 팟캐스트에서 공개한 데이터에 따르면 2023년 Google 검색 광고 수익은 약 1,600억 달러에 달할 것입니다. 이 계산에 따르면 검색으로 창출되는 수익은 약 5센트입니다.
그렇다면 AI 검색 비용은 얼마나 될까요? 이전 기사에서 AI 검색은 기존 검색 엔진에 대형 모델의 기능을 추가한다는 것을 알 수 있습니다. 따라서 AI 검색 비용은 원래 0.2센트를 기준으로 하며 대형 모델을 호출하여 생성된 계산 도 추가됩니다. 해시레이트 단일 AI 검색 비용은 기존 검색 엔진 비용의 약 10배인 2센트입니다.
올해 5월부터 하드웨어 성능 향상, 알고리즘 최적화 및 기술 아키텍처 혁신으로 대형 모델의 추론 비용이 지속적으로 감소했습니다. 예를 들어 Magic Square Quantification에서 출시한 Deepseek-V2 버전 모델은 혁신적인 MLA 아키텍처를 사용하여 비용을 절감합니다. 메모리 사용량을 과거의 5%-13%로 줄였으며 원래 DeepSeekMoESparse 아키텍처는 계산량을 극도로 줄여 모델 추론 비용을 줄이는 데 도움이 되었습니다. 또 다른 예는 OpenAI 자체입니다. 4o mini는 모델 구조를 개선하고 훈련 데이터와 프로세스를 최적화하여 GPT-4에 가까운 성능을 달성했지만 가격은 GPT-3.5 Turbo에 비해 60% 이상 저렴했습니다. 2년 전 GPT-3의 text-davinci-003 버전에서는 비용이 99% 절감되었습니다.
대규모 모델 추론 비용이 지속적으로 감소함에 따라 이번 SearchGPT 출시는 모델 호출 비용 측면에서 장점이 있을 뿐만 아니라 점점 늘어나는 사용자의 도움으로 단일 검색 비용을 더욱 평탄화할 수 있습니다.
4. 무슨 일이 있어도 검색만 하지 마세요.
OpenAI가 실제로 SearchGPT를 트래픽을 유치하고 상용화를 돌파하기 위한 중요한 단계로 삼는다면, SearchGPT가 OpenAI의 "트래픽 혁신"이 되어 더 많은 일일 사용자를 유치하고 더 나은 전환을 달성할 수 있는 더 나은 기회를 갖도록 제품에서 어떻게 혁신을 이룰 수 있을까요?
"Jiazi Guangnian"은 두 가지 방향이 있다고 믿습니다.
첫 번째는 UGC+AIGC 이고, 두 번째는 자동화된 워크플로 입니다.
먼저 첫 번째 이야기를 해보겠습니다. 앞서 AI 검색의 가장 큰 장벽은 데이터, 즉 콘텐츠라고 언급한 바 있다. 중국의 인터넷 콘텐츠 환경은 바이두(Baidu), 위챗(WeChat), 지후(Zhihu), 샤오홍슈(Xiaohongshu), 타오바오(Taobao) 등 다양한 진영으로 나누어져 있으며, 그들 사이에도 상당히 분열되어 있습니다. 중국에 비해 외국의 인터넷 생태계는 더 개방적이며, 다양한 콘텐츠 진영 간의 데이터 흐름과 공유가 더 자주 발생합니다.
이에 일부 해외 AI 검색 제품은 이를 기회로 삼아 자체 콘텐츠 생태계를 풍부하게 하기 위해 AIGC+UGC 콘텐츠 생성 방식을 모색하기 시작했다. 대표적인 예로 Perplexity와 Genspark가 있다.
Perplexity는 사용자가 Perplexity 플랫폼에서 직접 콘텐츠를 생성할 수 있는 페이지 기능을 출시했습니다. 사용자는 원래 검색을 통해 얻은 답변을 기사 형태의 '페이지'로 변환할 수 있을 뿐만 아니라 검색어를 직접 입력할 수도 있으며, Perplexity에서는 공개된 기사나 보고서를 검색하여 페이지를 직접 생성합니다. 그뿐만 아니라 Perplexity는 사용자 요구에 따라 페이지를 다시 작성하거나 형식을 지정하거나 삭제하거나 관련 사진 및 비디오를 삽입할 수도 있습니다.
이미지 출처: Perplexity
Xiaodu Technology의 전 CEO인 Jing Kun이 설립한 Genspark도 예외는 아닙니다.
ProductHunt에서 Genspark는 다음과 같이 설명합니다. "전용 AI 에이전트가 연구를 수행하고 Sparkpages 라는 사용자 정의 페이지를 생성하는 AI 에이전트 엔진. Sparkpages는 신뢰할 수 있는 정보를 종합하는 편견 없는 SEO 기반 콘텐츠로, 보다 가치 있는 결과를 제공하고 사용자 시간을 절약합니다."
Sparkpages는 Genspark의 핵심입니다. Genspark는 사용자가 질문을 검색하면 다른 AI 검색 제품처럼 먼저 답변을 제공할 뿐만 아니라 검색 결과를 통합하여 주제 웹 페이지를 생성합니다. 검색 주제와 관련된 텍스트, 사진, 동영상 등을 구조화된 방식으로 표시하고 폭포수 흐름으로 사용자에게 제시합니다.
이미지 출처: Genspark
스파크페이지는 "정보집계 웹페이지" 형태를 통해 사용자가 보다 빠르고 효과적으로 정보에 접근할 수 있을 뿐만 아니라, 생성된 페이지를 사용자가 복사 및 편집할 수 있도록 합니다. 오른쪽 상단에 " 내 계획 복사 및 생성 " 버튼이 있습니다. 각 Sparkpage의 모서리를 클릭하면 Sparkpage의 내용을 복사한 편집 페이지가 열립니다. 사용자는 왼쪽의 Context Pool에 대해 오른쪽 Copilot 열에서 상황별 질문을 하고 외부 검색을 호출하여 답변을 얻을 수 있습니다. , 동시에 Copilot의 콘텐츠를 한 번의 클릭으로 왼쪽 Sparkpage에 복사할 수 있습니다. Perplexity의 Pages와 마찬가지로 Sparkpage도 검색 엔진 SEO를 통해 색인을 생성할 수 있습니다.
Jing Kun의 전 부하이자 AI 실무자인 Liu Jia(가명)는 "Jiazi Guangnian"에 Jing Kun이 Xiaodu에서 근무할 때 "검색 뒤의 콘텐츠 생태계를 재구성"해야 할 필요성을 반복적으로 언급했기 때문에 Genspark가 이 조치를 취했다고 말했습니다. AIGC+UGC” 모델은 예상치 못한 것이 아닙니다.
"현재 AI 검색의 가장 큰 장벽은 정보 소스의 품질입니다. Genspark의 장점은 고품질 정보 소스 + AI 이해를 통해 단기적으로 검색 요구를 충족한 후 고품질 구조화를 생성할 수 있다는 것입니다. 요약 페이지 Sparkpage 이 내용은 검색에 의해 다시 포함되며 이는 AI 검색 제품의 "자체 제작 및 자체 판매" 내용과 동일합니다. 이론상으로는 이 플라이휠을 사용하는 사용자가 많을수록 더 많은 고품질 콘텐츠가 생산될수록 검색 뒤에는 더 많은 콘텐츠 장벽이 쌓일 것입니다."라고 Liu Jia는 말했습니다.
Liu Jia의 소셜 미디어 Genspark 평가, 사진 출처: Jiji
SearchGPT는 간단한 인터페이스, 편안한 사용자 경험, 고품질의 정보 소스를 통해 AIGC 콘텐츠에서 좋은 성과를 거두었지만 UGC에서는 아직 충분하지 않습니다.
AI 검색 제품의 '자동화된 워크플로' 구현은 주로 에이전트, 특히 다중 에이전트의 기능에 의존합니다. AI 검색엔진과 기존 검색엔진의 가장 큰 차이점은 검색 결과를 요약하고 분류할 수 있을 뿐만 아니라, 이를 바탕으로 마인드맵 생성, PPT 생성, 일과 생활 계획 등 추가 작업도 수행할 수 있다는 점입니다. . 이 뒤에 있는 기능은 모두 에이전트에 따라 다릅니다.
실제로 현재 대부분의 AI 검색 제품에는 AI Agent 기능이 추가되어 있습니다. 이러한 데이터 수집에 대한 '재미있는' 프레젠테이션은 기본적으로 360 AI 검색 문서 분석 Q&A, 웹 페이지 콘텐츠 분석 등 Agent 플러그인으로 구현됩니다. , 오디오 및 비디오를 분석 및 요약하고 마인드 맵을 생성하는 기능, Secret Tower AI의 마인드 맵 검색 기능, 다양한 관련 인물 및 이벤트를 분류하는 기능, 학술 논문 및 팟캐스트 검색 기능, Tiangong AI 검색 문서 + 오디오 및 비디오 분석, AI 음악, AI PPT 및 기타 기능;
알리바바 인터내셔널이 최근 출시한 B2B AI 검색 엔진에는 AI 에이전트 기능이 숨어 있는 것으로 보인다. 구매자의 자연스러운 언어를 적극적으로 이해하고 이를 전문적인 구매 요청으로 변환할 수 있습니다. 또한 글로벌 시장 데이터를 기반으로 수요를 예측하고 제안을 제공하여 보다 정확한 매칭을 달성할 수도 있습니다. 새로운 AI 검색 엔진에서는 사용자가 '현지어'로 질문하기만 하면 사용자와의 대화를 통해 사용자의 요구 사항을 보다 정확하게 이해하고, 사용자에게 여러 가지 옵션을 추천하며, 장단점을 적극적으로 비교, 요약하여 궁극적으로 도움이 될 것입니다. 사용자가 거래를 완료하고 배송을 이행합니다.
Alibaba International은 프랑스 파리에서 세계 최초의 AI 기반 B2B 검색 엔진 출시를 발표했습니다. 이미지 출처: Alibaba International
하지만 멀티 에이전트 공동 활용 측면에서는 현재 이를 할 수 있는 AI 검색 제품이 상대적으로 적다.
예를 들어 Bocha AI Search는 다중 에이전트 검색(에이전트 검색) + 다중 모드 검색(미디어 검색) 모델을 개척하여 AI 에이전트와 고품질 UGC 콘텐츠를 도입하여 사용자 검색 요구 사항을 파악하고 해당 에이전트를 연결합니다. 질문에 답하고, 웹페이지, 단편 드라마, 동영상, 사진 등 검색도 지원합니다.
Bocha AI 검색의 전체 아키텍처는 Byte Coze(Coze) 개발자 플랫폼을 기반으로 개발되었으며, Coze와 협력하여 에이전트 출시 채널을 오픈했습니다. 앞으로는 개발자가 만든 에이전트를 Bocha에 직접 출시할 수 있습니다. 모든 사람에게 더 많은 리치 검색 콘텐츠를 제공할 수 있을 뿐만 아니라 개발자 에이전트에게 타겟 트래픽을 제공할 수도 있습니다.
Genspark는 또한 검색 결과의 정확성과 관련성을 보장하기 위해 특정 유형의 쿼리에 대한 전문 서비스를 제공할 수 있는 다중 에이전트 프레임 활용합니다. 한 블로거는 Genspark의 검색 프로세스를 분해한 결과 각 검색 프로세스 동안 Genspark가 최소 6개의 AI 에이전트와 대형 모델을 4~14회 호출한다는 사실을 발견했습니다.
이미지 출처: AI 제품 레나
위에서 언급한 에이전트는 에이전트를 사용하는 자동화된 워크플로에 가깝고 수직 검색 측면에서 일반 검색에 더 중점을 두고 있으며 Genspark는 여행, 제품 및 사진에 대한 사용자 검색 의도를 처리하기 위해 세 가지 에이전트도 사용합니다.
이미지 출처: Genspark
사용자는 해당 라벨을 클릭하여 특정 에이전트 페이지에 들어갈 수 있을 뿐만 아니라 입력 상자를 클릭하여 해당 에이전트를 선택하고 대상 에이전트 검색을 입력할 수도 있습니다.
이미지 출처: Genspark
제12회 인터넷 보안 회의에서 Zhou Hongyi는 "Jiazi Guangnian"에게 에이전트의 가장 중요한 점은 대형 모델이 AI 검색 제품에서 "천천히 생각할 수 없는" 문제를 해결하는 것이라고 말했습니다.
"인간의 두뇌에는 빠른 사고와 느린 사고라는 두 가지 사고 방식이 있습니다. 가장 일반적인 큰 모델은 빠른 사고입니다 . 2+2가 무엇인지 물으면 무뚝뚝해집니다. 하지만 논문 작성과 같이 정말 복잡한 문제가 있는 경우에는 또는 분석을 하려면 인간이 느린 사고가 필요하고 , 계획, 반성, 논리적 추론 능력이 동원되어야 합니다. 속도는 느리지만 정확도는 높습니다. 현재 대형 모델은 빠르게 생각하는 능력만 있고 느리지는 않습니다. 우리는 지식과 도구를 통해 느린 사고 시스템을 구축하기 위해 에이전트 프레임 사용할 것을 제안합니다. 대형 모델의 계획을 강화하고 대형 모델에 대해 천천히 생각하는 능력을 구축합니다.”라고 Zhou Hongyi는 말했습니다.
그러나 아직 제품의 프로토타입 단계이기 때문에 현재 SearchGPT에서는 "다중 에이전트" 기능을 볼 수 없습니다. 그러나 SearchGPT는 ChatGPT에 통합되어 있으므로 OpenAI는 이를 GPT Store의 인텔리전스와 통합할 수 있습니다. 엔터티(GPT)와 힘을 합쳐 사용자에게 서비스를 제공합니다.
또한 Zhou Hongyi는 대규모 모델 회사가 AI 제품을 만들 때 최고의 사용자 경험을 달성하기 위해 '시나리오와의 통합'에 주의를 기울여야 한다고 강조했습니다. OpenAI가 검색 제품을 출시한 것은 '시나리오'의 중요성에 점점 더 주목하고 있다는 의미이기도 합니다.
a16z 창립자 Marc Andresson은 Perplexity 창립자 Aravind Srinivas에게 "어차피 검색만 하지 마십시오"라고 조언했습니다. UGC이든 다중 에이전트이든 올바른 사용자 사용 시나리오를 찾는 것만으로도 제품의 "기술"을 검색할 수 있습니다. 당신은 "도와 마술을 통합"하고 성장을 이룰 수 있습니까?
*참고자료:
"AI 검색 상품 심층 분석 - 검색 원리 및 비즈니스 모델 분석", AI 상품 레나
"Google을 때리고 Perplexity를 걷어차십시오. Genspark는 당신에게 좋은 식사를 준비하고 입에 넣어줄 아름다운 여성이 되고 싶습니다!" AI 제품 '신종' 황삼촌
"AI 검색 엔진을 만들었습니다", Ai Doubi
"OpenAI가 올해 50억 달러의 손실을 입을 수 있는 이유", 정보
"OpenAI 수익 보고서", FutureSearch
"Zhang Peng이 Fu Sheng 및 Fang Han과 대화합니다. AI 검색의 기회는 어디에 있습니까? OpenAI가 게임에 참여하지 않은 이유는 무엇입니까? ”, AI 인사이더 팟캐스트 |
"중국에서 가장 빠르게 성장하는 기업인 360AI Search는 무엇을 하고 있나요? AI 제품 관리자 팟캐스트 360VP Liang Zhihui와의 대화 |
"AI 검색 공개: 조개의 왕인 Perplexity는 얼마나 어려운가요?" 인디 개발의 기회가 있을까요?", Hardland Hacking Podcast
(표지 이미지 출처: AI 도구를 사용하여 생성된 "Jiazi Guangnian")
이 기사는 WeChat 공개 계정 "Jiazi Guangnian" 에서 가져온 것입니다. 작성자: Wang Yi, 36 Krypton은 승인을 받아 게시되었습니다.
