Các hệ thống đề xuất dự kiến sẽ phát triển nhanh chóng trong vài năm tới và chiếm thị phần từ tìm kiếm truyền thống.
Tác giả: Alpha Rabbit
Ảnh bìa: Ảnh của DeepMind trên Bapt
sự kiện
Bài này khoảng 2100 từ
Lộ trình "tìm kiếm" đại diện cho cơ hội nghìn tỷ đô la trong hệ sinh thái người tiêu dùng, doanh nghiệp và nhà phát triển. Khi các hệ thống tìm kiếm trở nên cá nhân hơn, chúng tôi dự đoán rằng ranh giới giữa tìm kiếm và đề xuất sẽ trở nên mơ hồ. Chúng tôi hy vọng các hệ thống đề xuất sẽ phát triển nhanh chóng trong vài năm tới và chiếm lấy thị phần từ tìm kiếm truyền thống.
BVP gần đây đã xuất bản một bài báo , trong đó đề cập:
Bước đột phá công nghệ của trí tuệ nhân tạo đang định hình lại phương thức tổng hợp và truy xuất thông tin mới. Kể từ năm ngoái, sự phổ biến của các sản phẩm như ChatGPT, Stable Diffusion và Dreamfusion, cũng như GPT-4 sắp ra mắt, v.v., tiềm năng của các mô hình lớn đã truyền cảm hứng cho nhiều công ty khởi nghiệp mới. Các tìm kiếm được đề cập ở đây không chỉ là các tìm kiếm công khai trên Internet như Google.
Tìm kiếm ở đây nói đến khả năng truy vấn thông tin, cuối cùng là tổng hợp và đưa ra kết luận.
Định nghĩa về "tìm kiếm" ở đây bao gồm tìm kiếm tệp doanh nghiệp (B-side), đến các sản phẩm tìm kiếm hội thoại bên C, v.v.
Lộ trình "tìm kiếm" đại diện cho cơ hội nghìn tỷ đô la bao trùm hệ sinh thái người tiêu dùng, doanh nghiệp và nhà phát triển: Với bản đồ tổng quan về tìm kiếm do AI cung cấp, chúng tôi khám phá điều gì đang xúc tác cho quá trình phát triển này.
xác định lại tìm kiếm
Những tiến bộ trong cơ sở hạ tầng machine learning đã mở khóa các loại dữ liệu mới và tìm kiếm có khả năng hiểu ngữ cảnh, vậy những tiến bộ này đến từ đâu?
1. Xuất hiện các mô hình đa phương thức tiên tiến. Rất khó để tìm kiếm dữ liệu phi cấu trúc như hình ảnh và video. Tuy nhiên, những tiến bộ và đột phá công nghệ gần đây, chẳng hạn như các mô hình hình ảnh văn bản như OpenAI CLIP và LAION, đã cải thiện độ trung thực của các mô hình bằng cách nhúng dữ liệu phi cấu trúc vào các biểu diễn nhỏ gọn. Các biểu diễn này thường được biểu diễn dưới dạng vectơ, cho phép các mô hình đa phương thức nâng cao hơn cho hình ảnh, video và nhiều loại dữ liệu phong phú khác. Ví dụ: Coactive.ai cung cấp giao diện truy vấn SQL cho dữ liệu hình ảnh, có thể giúp các nhóm nhanh chóng truy cập, sắp xếp và sử dụng dữ liệu hình ảnh của họ.
2. Những tiến bộ trong nhận thức ngữ cảnh và lý luận cơ bản: Trong khi các hệ thống tìm kiếm trước đây cung cấp tìm kiếm từ khóa, các mô hình hiện đại cung cấp tìm kiếm ngữ nghĩa hoặc khả năng tìm kiếm có ý nghĩa. Các hệ thống tìm kiếm hiện đại cũng nhận biết ngữ cảnh và đề cập đến mục đích và hành vi lịch sử của người dùng. Và bây giờ, nhờ các mô hình ngôn ngữ lớn, các hệ thống này có thể thực hiện các nhiệm vụ suy luận cơ bản. Bằng cách này, một tìm kiếm đàm thoại và trực quan hơn được mang đến , không chỉ có thể hiểu lịch sử tìm kiếm mà còn tiến hành nghiên cứu và phán đoán toàn diện.
Ví dụ điển hình là ChatGPT của OpenAI - nơi cung cấp các công cụ tìm kiếm tốt hơn . ChatGPT trình bày thông tin dưới dạng phản hồi có vẻ giống trạng thái, giống con người mà người dùng có thể lặp đi lặp lại tinh chỉnh và điều chỉnh trải nghiệm tìm kiếm của họ.
Ví dụ: nếu người dùng hỏi: “Hôm nay tôi nên mặc gì?”, công cụ AI có thể bắt đầu bằng cách đặt câu hỏi thăm dò như “Bạn muốn mọi người nghĩ gì về phong cách của mình?” rồi tổng hợp câu trả lời.
3. Khả năng xây dựng dựa trên kết quả hiện có. Nhiều mô hình ngôn ngữ lớn được tích hợp vào các ngăn xếp phần mềm hiện có (chẳng hạn như Perplexity, Adept, OpenAI's Codex và các sản phẩm tìm kiếm thế hệ tiếp theo của Google's Mind's Eye, v.v.) thông qua tích hợp với API và tương tác động với giao diện người dùng. Tương tự, các công ty như Seek.ai và Hearth.ai cũng có thể nhúng các mô hình của họ vào cơ sở dữ liệu và CRM. Vì các mô hình ngôn ngữ được kết nối nhiều hơn với các sản phẩm hiện có, hệ thống tìm kiếm có thể bao phủ nhiều lĩnh vực hơn và hiệu quả hơn. Tốt cho việc đăng thông báo.
Hệ sinh thái mô hình ngôn ngữ lớn mới nổi
4. Quy mô cơ sở hạ tầng: Công ty đã phát hiện ra vectơ nhúng (lưu ý: sử dụng vectơ để biểu thị một từ/một câu/một hình ảnh được gọi là nhúng, bởi vì bản chất là lưu giữ thông tin hình ảnh/ngôn ngữ nhiều chiều trên tiền đề giữ lại một số liệu cục bộ nhất định Ánh xạ xuống không gian có vĩ độ thấp hơn ), bạn có thể tiếp tục xây dựng và thay đổi quy mô khối lượng công việc trên cơ sở dữ liệu vectơ chẳng hạn như Zilliz (Milvus), Pinecone, Vespa và Weaviate cũng như các thư viện nguồn mở như Jina, Qdrant và THẤT BẠI. Ngoài ra, các nhà nghiên cứu cũng đang nghiên cứu xem các yếu tố như kích thước mô hình và khối lượng dữ liệu ảnh hưởng như thế nào đến hiệu suất mô hình của các mạng lưới thần kinh lớn. Lĩnh vực học sâu phân tán đã bắt đầu phát triển và các công nghệ song song (dữ liệu) và tối ưu hóa lịch trình có thể mở rộng hơn nữa các mô hình trí tuệ nhân tạo và khối lượng dữ liệu. tối ưu hóa lịch trình
5. Ranh giới giữa tìm kiếm và đề xuất sẽ dần mờ đi. Khi các hệ thống tìm kiếm trở nên cá nhân hơn, chúng tôi dự đoán rằng ranh giới giữa tìm kiếm và đề xuất sẽ mờ đi. Ví dụ: TikTok đã phát triển nhanh chóng trong những năm gần đây, trải nghiệm chế độ đề xuất được cá nhân hóa và liên tục cải tiến của ByteDance đã thành công chiếm lĩnh thị phần từ các sản phẩm tìm kiếm video truyền thống như Youtube.
Trí tuệ nhân tạo đang định hình lại tìm kiếm. Chúng tôi đang chứng kiến sự đổi mới liên tục trong cả tìm kiếm của người tiêu dùng và doanh nghiệp cũng như lớp cơ sở hạ tầng.
Tổng quan thị trường tìm kiếm AI
Nếu chúng ta nhìn vào thị trường tìm kiếm trí tuệ nhân tạo, một loạt công ty đã xuất hiện trên đường tìm kiếm trí tuệ nhân tạo, chẳng hạn như To C's (Tik Tok cũng được tính trong số đó, và nền tảng không dây và riêng tư đầu tiên trên thế giới như của Neeva). động cơ), Đến B và những người tập trung vào cơ sở hạ tầng, v.v.
Tìm kiếm thông minh: Kỷ nguyên mới bắt đầu
Lượng nội dung kỹ thuật số sẽ bùng nổ khi AI giảm chất lượng và chi phí sản xuất nội dung được tạo chất lượng cao. Chúng tôi dự đoán rằng trong thập kỷ tới, ít nhất 50% nội dung trực tuyến sẽ được tạo ra hoặc tăng cường bởi AI. Với sự ra đời của kỷ nguyên bùng nổ thông tin, sẽ cần tìm kiếm thông minh hơn để tổ chức và tóm tắt thông tin này.
Khi dữ liệu người dùng ngày càng trở nên quan trọng, thậm chí trở thành tài sản chính của doanh nghiệp, doanh nghiệp có thể sử dụng trải nghiệm tìm kiếm để phân tích dữ liệu tốt hơn cho việc ra quyết định kinh doanh, trong khi ở môi trường người tiêu dùng, mọi người sẽ chính xác hơn, cá nhân hóa hơn. kết quả chi tiết hơn sẽ tác động đến cách mọi người kết nối, mua sắm hoặc học hỏi.
người giới thiệu:
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
Tuyên bố miễn trừ trách nhiệm: Là một nền tảng thông tin blockchain, các bài viết được đăng trên trang này chỉ thể hiện quan điểm cá nhân của tác giả và khách mời, không liên quan gì đến quan điểm của Web3Caff. Thông tin trong bài viết chỉ mang tính chất tham khảo, không cấu thành bất kỳ lời khuyên hay ưu đãi đầu tư nào, đồng thời vui lòng tuân thủ luật pháp và quy định có liên quan của quốc gia hoặc khu vực nơi bạn sinh sống.
