추천 시스템은 향후 몇 년간 확산되어 전통적인 검색을 점유율 할 것으로 예상됩니다.
저자: 알파 래빗
이벤트
이 기사의 길이는 약 2100 단어입니다.
"검색" 트랙은 소비자, 기업 및 개발자 생태계 전반에 걸쳐 1조 달러 규모의 기회를 나타냅니다. 검색 시스템이 더욱 개인화됨에 따라 검색과 추천 사이의 경계가 모호해질 것으로 예상됩니다. 우리는 추천 시스템이 향후 몇 년 동안 확산되어 기존 검색의 점유율 차지할 것으로 예상합니다.
BVP는 최근 다음과 같은 기사를 발표 했습니다.
인공 지능의 기술적 혁신은 정보 합성 및 검색의 새로운 모델을 재편하고 있습니다. 지난해 ChatGPT, Stable Diffusion, Dreamfusion 등 제품의 인기와 곧 출시될 GPT-4 이후 대형 모델의 잠재력은 많은 신생 스타트업에 영감을 주었습니다. 여기에 언급된 검색은 Google과 같은 공개적인 인터넷 검색이 아닙니다.
여기서 검색이란 정보를 질의하고 궁극적으로 종합하여 결론을 도출하는 능력을 의미합니다.
여기서 "검색"의 정의에는 엔터프라이즈(B측) 파일 검색, C측 대화형 검색 제품 등이 포함됩니다.
검색은 소비자, 기업 및 개발자 생태계 전반에 걸쳐 1조 달러 규모의 기회를 나타냅니다. AI 기반 검색에 대한 개요를 통해 이러한 진화를 촉진하는 요인이 무엇인지 알아봅니다.
검색 재정의
머신러닝(ML) 과 소프트웨어 인프라의 발전으로 새로운 데이터 유형이 밝혀지고 검색 기능이 맥락을 이해할 수 있게 되었습니다. 그렇다면 이러한 발전은 어디서 오는 것일까요?
1. 고급 다중 모드 모델의 출현. 이미지, 동영상 등 비정형 데이터를 검색하는 것은 매우 어렵습니다. 그러나 OpenAI CLIP 및 LAION과 같은 텍스트-이미지 모델과 같은 최근의 발전과 기술 혁신으로 인해 모델 충실도가 향상되고 구조화되지 않은 데이터가 압축된 표현에 내장되었습니다. 이러한 표현은 종종 벡터로 표현되므로 이미지, 비디오 및 기타 풍부한 데이터 유형에 대한 고급 다중 모드 모델이 가능합니다. 예를 들어 Coactive.ai는 이미지 데이터에 대한 SQL 쿼리 인터페이스를 제공하여 팀이 시각적 데이터에 빠르게 액세스하고 구성하고 활용할 수 있도록 도와줍니다.
2. 상황 인식 및 기본 추론의 발전: 과거의 검색 시스템은 키워드 검색을 제공했지만 현대 모델은 의미 검색 또는 의미 있는 검색 기능을 제공합니다. 최신 검색 시스템은 상황을 인식하고 사용자 의도와 과거 행동을 참조합니다. 이제 대규모 언어 모델의 출현 덕분에 이러한 시스템은 기본적인 추론 작업을 수행할 수 있습니다. 이를 통해 검색 이력을 이해하고 종합적인 조사와 판단을 할 수 있을 뿐만 아니라 보다 직관적이고 대화적인 검색이 가능해집니다 .
일반적인 예는 더 나은 검색 도구를 제공하는 OpenAI의 ChatGPT입니다 . ChatGPT는 사용자가 검색 경험을 반복적으로 개선하고 조정할 수 있는 인간과 유사한 상태 저장 응답 형식으로 정보를 제공합니다.
예를 들어, 사용자가 "오늘은 무엇을 입어야 합니까?"라고 묻는 경우 AI 도구는 먼저 "사람들이 당신의 스타일을 어떻게 보기를 원합니까?"와 같은 조사 질문을 한 다음 답변을 종합할 수 있습니다.
3. 기존 결과를 토대로 구축하는 능력. 많은 대규모 언어 모델은 API와의 통합 및 사용자 인터페이스(예: Perplexity, Adept, OpenAI의 Codex, Google Mind's Eye의 차세대 검색 제품 등)와의 동적 상호 작용을 통해 기존 소프트웨어 스택에 연결됩니다. 마찬가지로 Seek.ai 및 Hearth.ai와 같은 회사도 모델을 데이터베이스 및 CRM에 포함시킬 수 있습니다. 언어 모델이 기존 제품과 더 많이 통합되므로 검색 시스템이 더 많은 분야를 포괄하고 발표에 더 적합할 수 있습니다.
새롭게 떠오르는 대규모 언어 모델 생태계
4. 인프라 규모: 회사는 임베딩 벡터를 발견했습니다. ( 참고: 단어/문장/그림을 표현하기 위해 벡터를 사용하는 것을 임베딩이라고 합니다. 핵심은 특정 로컬 메트릭을 유지하면서 고차원 이미지/언어 정보를 보존하는 것이기 때문입니다. 저위도 공간 )에서는 Zilliz(Milvus), Pinecone, Vespa 및 Weaviate와 같은 벡터 데이터베이스는 물론 Jina, Qdrant 및 FAISS와 같은 오픈 소스 라이브러리에서 워크로드를 계속 구축하고 확장할 수 있습니다. 또한 연구자들은 모델 크기, 데이터 양과 같은 요소가 대규모 신경망의 모델 성능에 어떤 영향을 미치는지 연구하고 있습니다. 분산 딥러닝 분야가 발전하기 시작했고, 스케줄링 최적화와 (데이터) 병렬화 기술은 인공지능 모델과 데이터 양을 더욱 확장할 수 있습니다. 스케줄링 최적화
5. 검색과 추천의 경계가 점차 흐려질 것입니다. 검색 시스템이 더욱 개인화되면서 검색과 추천 사이의 경계가 모호해질 것으로 예상됩니다. 예를 들어, TikTok은 최근 몇 년 동안 빠르게 발전했습니다. ByteDance의 개인화되고 지속적으로 개선되는 추천 모드 경험은 YouTube와 같은 기존 비디오 검색 제품의 시장 점유율 성공적으로 장악했습니다. 앞으로 몇 년 안에 추천 시스템이 더욱 인기를 끌 것으로 예상됩니다. 전통적인 검색을 점유율 하세요.
인공지능이 검색 방식을 바꾸고 있습니다. 우리는 인프라 계층은 물론 소비자 및 기업 검색 모두에서 지속적인 혁신을 목격하고 있습니다.
AI 검색 시장 개요
인공지능 검색 시장의 관점에서 보면 현재 인공지능 검색 트랙에는 To C(Tik Tok도 포함되어 있음) 등 일련의 회사가 있으며, 세계 최초의 비공개 및 익명 검색 업체가 있습니다. 광고 검색 엔진), To B 및 인프라에 중점을 둔 회사 등이 출시되었습니다.
지능형 검색: 이제 막 시작된 시대
AI가 고품질 제작 콘텐츠의 품질과 제작 비용을 줄임에 따라 디지털 콘텐츠의 양은 폭발적으로 늘어날 것입니다. 우리는 향후 10년 안에 온라인 콘텐츠의 최소 50%가 인공 지능에 의해 생성되거나 개선될 것으로 예측합니다. 정보 폭발 시대가 도래함에 따라 이러한 정보를 정리하고 요약하기 위해서는 더 나은 지능형 검색이 필요할 것입니다.
사용자 데이터가 점점 더 중요해지고 심지어 비즈니스 자산이 되면서 기업은 검색 경험을 사용하여 비즈니스 결정을 위한 데이터를 더 잘 분석할 수 있으며, 소비자 환경에서는 사람들이 더 정확하고 개인화된 정보를 통해 혜택을 누릴 수 있습니다. 연결하고, 쇼핑하고, 배우세요.
참고자료:
1.https://www.bvp.com/atlas/entering-the-era-of-intelligent-search?utm_source=email&utm_medium=organic&utm_campaign=entering-the-era-of-intelligent-search
면책조항: 블록체인 정보 플랫폼으로서 이 사이트에 게시된 기사는 작성자와 게스트의 개인적인 관점 만을 나타낼 뿐이며 Web3Caff의 입장과는 아무런 관련이 없습니다. 기사에 포함된 정보는 참고용일 뿐이며 투자 조언이나 제안을 구성하지 않습니다. 귀하가 위치한 국가 또는 지역의 관련 법률 및 규정을 준수하십시오.
