当搜索框用上ChatGPT
原标题：当搜索框用上ChatGPT
本文来自微信公众号：航通社（ID：lifeissohappy），作者：书航，题图来自：
谷歌电脑版首页的格局，是和别处不同的：
在搜索框旁边有两个按钮，而不是一个。在常规搜索按钮的右边还有一个手气不错（Im Feeling Lucky）按钮。
在讲到 ChatGPT 以及同类生成式 AI 和搜索引擎的关系之前，让我们先来看看这个按钮。
手气不错，但点开搜索结果页更棒
在搜索框内键入关键字后，如点击手气不错，将会跳转到搜索结果的第一条。如果什么都不输入，点击手气不错则会进入谷歌的节日 Logo（Doodles）页面。
手气不错自谷歌 1998 年成立时就已经存在。在早期，它的正确用法是输入网站名字直达该网站，而不需要再多点一次。
该按钮也被用作搜索炸弹攻击，即使用搜索引擎优化（SEO）手段，让不正确或恶意的结果排到最前面。2006 年 9 月，在搜索框输入failure（失败）miserable failure（惨败）再点击手气不错都会跳转到时任美国总统小布什的官方简历页面，因为它被刷到了搜索结果的第一条。
手气不错按钮并没有进入谷歌搜索的手机版，或其它有搜索框的地方。在 PC 端它也被弱化，因为输入关键字时，搜索框自动向下展开联想词，遮住了该按钮。在 PC 搜索结果页也没有这个按钮。
不过，谷歌的语音助手 Google Assistant 如果接到一些类似什么是……的提问，如果没有预设答案，也会念出搜索结果的第一项，或者维基百科条目。这可以被看作是变相的手气不错，因为最终也是只呈现一条结果。
手气不错保留至今仅仅是一个情怀的体现。相比以前，谷歌首页也已经很少有人访问了。人们越来越多通过浏览器界面上的搜索框或地址栏进入谷歌搜索，他们看到的第一个页面就是搜索结果页，而不是谷歌首页。
因此，过去数年谷歌对搜索结果页做了重大改进。现在结果页的信息量更丰富，包括从目标页面文字中提取出的那一段有意义的文本。而手气不错并没有做任何调整。比如，现在用搜索框输入数学公式，搜索结果页会显示一个计算器，但手气不错会引导到一个谷歌外部的网页，而不是直接展示运算结果。
搜索结果页也包含维基百科、新闻、图片等大量有价值的信息。如果搜索的是一个门户网站或论坛，那么结果页还附带该站的一个站内搜索框，不点开就可以搜索该站内容；如果搜索的是某款软件，官网的下载链接都会被提取出来。
同时，越来越多的搜索结果页加入了人们还在问（People also ask）板块；每个搜索结果及板块旁边都提供关于此结果（About this result）功能，介绍该搜索结果的来源，以及为什么呈现在这个位置上。
因此，搜索结果页现在已经比提供一个直达链接的手气不错更能满足用户的需要了。谷歌这一点和百度等竞品都一样，搜索引擎们用结构化的信息呈现，尽量把人们留在自己站内而不跳转出去。
然后，我们把搜到的东西讲给别人听
现在，不论用谷歌还是百度，搜索更像是打开一个与关键字有关的面板——对，就像苹果发布会总结某款新手机时候的那种拼图版面，试图在你的屏幕上显示所有可能的信息，并把它们铺满。那种常见的一页页的搜索结果，要继续滚动下去才有。
而作为搜索引擎的使用者，一个人类，你看到这些东西的时候要做的事情，其实是在自己的大脑里总结它们，并将它们转换为一段话。比如说，如果要搜索的这个问题是你老婆问你的，她让你帮她搜一下。那么你回答她的方式并不是给她看你的屏幕，而是自己总结一下再讲给她。而且你最好不要试图逐字念维基百科的结果，她希望听到的或许只有一两个字。
这时候你是什么？你就是一个 ChatGPT 啊。
好的，我们终于要进入正题了。
根据 CNBC 报道，谷歌将更快引入类似 ChatGPT 的自家产品 LaMDA 到搜索引擎中。谷歌的某款设计中的新版首页，就是替换掉手气不错按钮，取而代之的是随着关键字输入，展示 AI 选出的 5 个你最有可能提的问题。而当你打出一句自然语言后，可以点击搜索框最右边的聊天按钮，将页面切换为类似 ChatGPT 的对话模式。
在这方面，LaMDA 可以帮助我们做的工作，其实就是总结搜索结果页首屏可能呈现出来的关键信息，并将其转换为自然语言。这次，你就可以直接念屏幕上的内容给老婆听了。
这些内容现在仍然没有实际可用的产品原型曝光。另外一边，微软已经宣告将在必应搜索整合 ChatGPT 本尊，甚至功能都已经做好了，甚至都对外放出来了——虽然只有短短的 5 分钟，但已经足够至少 3 个人在 Twitter 上放出截图。
根据截图，必应的 ChatGPT 整合使用了这样一个流程：
- 首先拆开自然语言提问，将它们转换为普通的搜索关键字。
- 精选出上述关键字的 5 条最相关的结果。
- 提取结果中与问题直接相关的段落，并合并同类项。
- 以这些语料喂入 ChatGPT，生成一段连贯的段落。段落中来自某个来源的一段话或几个词，会用角标形式给出资料来源。
这样做的好处显而易见，可以减少对算法的干扰，避免它分心处理困难的语义分歧；可以事先过滤关键字，以免惹出麻烦；可以解决未联网的 ChatGPT 瞎编的困境。
当然，我之前也说过，将材料限定在 Prompt 给出的有限文本中，也意味着要放弃它早前从那锅大杂烩里面学到的不知哪儿来的知识，成品可能变得干巴巴的，没有使出十成功力。而这也可能意味着每一次请求结果的运算都更节能，成本更低，甚至如果转化后的关键字别人搜过，还可以直接调用此前生成好的内容呢。真是一举多得。
这话是你说的，你可要负责啊
当人们望着摊开的搜索结果面板自己归纳总结的时候，是人们自己对具体采信哪条信息，放弃另一些信息来负责。比如去搜索一些疾病，搜完往往感觉都是绝症。但造成这种误解的责任只能归结于用户本人。
然而，如果是 AI 帮你总结这一页到底说了什么，而你看到的只是它嚼过的成品，那就变成搜索引擎要对这段话负责了——虽然站在搜索引擎的角度看，它也很无辜，它也避免不了，但我们不用等实际产品上线就会推断出，结局一定会是这样。
因此，谷歌们一定要注意不让这些 AI 对搜索结果的演绎演变为新的搜索炸弹。当然，也不是完全束手无策：它们都做了很长时间的语音助手，在如何规避违规或政治不正确的结果时，积累了一些经验。比如在必应那种模式下，在拆分搜索关键字阶段即可开始干预。
不同的是，因为语音助手的技术相对比较落后，它们更缺乏自信，也更多用车轱辘话搪塞过去，以至于人们有一个它们就玩玩就好的心理预期。ChatGPT 让人感到革命性的重要原因，恰恰是它对自己说的东西充满自信，即使那只是一本正经的胡说八道。这使得它的危险性也直线上升。
即使通过脚注方式让每一句话都可以溯源，这种 AI 辅助的搜索依然没解决下一个问题，就是 FT 专栏作者描述的劣币驱逐良币：如果不可靠的文字可以免费获得，而原创研究既昂贵又费力，那么前者将会蓬勃发展。
AIGC 的内容对一般大众已经足够可用，但对专业人士来说非常粗糙。同时他们对其中借鉴拼凑的痕迹也十分敏感。有些人类画师咒骂说 Midjourney 或 NovelAI 这种 AI 生成的画作，实际上是将人类作品分尸以后拼贴而成的尸块。
但实际上，使用搜索引擎的人类做的就是拼贴，没什么神秘的。以前我们说程序员面向谷歌编程，其实很多人是通往 StackOverflow，该站也是 ChatGPT 解答大量编程问题所使用的信息来源。现在该站据报因为不少原本通过搜索找过来的访问者转而询问 ChatGPT，而损失了一大部分流量。反过来，这又会导致站内人类回答者受到的激励变少，与读者的交互也变少，长远来看不利于维持社区氛围，生成更多的内容。
人类对创作社区的贡献，固然有一些是源于金钱激励，但也有不少是纯粹的我为人人，人人为我，比如维基百科以及 StackOverflow。这些站点在帮助大量新生码农入门的同时，也鼓励他们班门弄斧地分享，通过获得良性反馈达到自己经验和技能上的进步。
专家也是一步一个脚印踏上来的，没有初学者，哪来的专家？但 AIGC 有可能通过掐掉初学者的幼苗，让人类能做的贡献仅限于那些已经练成的专家，再过几代人，那就没什么知识传承了。而现在的 AI 还完全不会凭空创造。它们只是总结，而且经常是瞎猫碰死耗子这样的总结。
AI 犯的错误能改正吗？
从原理上讲，大模型有天生缺陷。更正一个错误对人类来说是非常容易的（当然人类的自主意志或许不愿意认错），但对现在的生成式 AI 很困难。即使是开发者，也很难定位错误具体出现在哪里，只能通过喂养新的材料试图快速更正。当微软曾经研发的聊天机器人 Tay 难以抵挡大量恶意操作激发出的错误用例时，它只能选择关停。
要想治本揪出病根，而不是看到危机了打个补丁这样的方法，行得通吗？
国内的北京智源人工智能研究院就做了这样的尝试。在我之前对它们的采访中，它们曾经组织多条技术路线赛马。有人做了类似 Wikidata 的中国版知识图谱，希望教会 AI 认知不同事物之间的逻辑关系，雄心勃勃。但最后，智源对外正式发布的第一个成果，是另一条路线的大模型悟道。这也是 ChatGPT 蹚过的同一条路线。
大模型源于大数据，但大数据不必然产生（好的）大模型。同样的数据，从什么方向炼，或者拿来以后是否要再筛一下，都可能导致完全不同的结果，机器学习的黑箱也让不同人的经验不能复用。如果大模型就等于大数据，那百度拥有的中文数据量当然是国内最大的。但我之前说过，就算是百度，他们炼丹的过程也极其艰难。
智源说，现在 AI 从大炼模型已经改为炼大模型，从数据上云、算力上云，已经进化到了模型上云。不过，这中间发生了一个插曲：智源宣布自己大模型阶段性成果的那篇论文《A Roadmap for Big Model》，其中居然有大量段落是直接复制粘贴过来的，实在是观感不佳。
当然这确实只是一个插曲，因为这论文不是它们工作的核心内容。炼丹肯定能炼出来东西，这玩意的成本就摆在那里，造假没什么意义。同时它致敬的来源本身是谷歌的科学家 Nicholas Carlini，其实也说明了集中力量炼大模型已经是跨越东西方的行业共识。
反过来说，这也宣告了 AI 也是朝着深度学习原理未知的黑箱方向一条道走到黑，专家系统以及知识图谱路线再一次被打入冷宫。今后，即使大模型因为监管原因，因为政治正确原因必须要有可解释性，那也是用新的机器学习来解释，用一个黑箱来解释另一个黑箱，补丁永远打下去，类似人类的 Prompt 工程。真正治本是没有指望了。
从这个角度来说，就像 LeCun 说过的，以及微软的洪小文在 2019 年 6 月就说过的（我现场听了他那场演讲），当今的 AIGC 相比早前的机器学习没有质的飞跃，只是模型终于大过了可以骗过普通人类的那个临界点。在此之前，其实更多进步主要是业内自嗨，大家都是很会自我安慰的，比如谷歌那个神棍员工把一点蛛丝马迹附会为 AI 有自我意识，创造了自己的语言什么的。这当然是扯淡。
所以，ChatGPT 这种信誓旦旦，虚心接受，坚决不改的玩世不恭劲儿我们还得忍耐好一阵子。当然，必应方案中将来源链接与文本对应的办法更讨巧，但以这个路线实现的 AIGC，依然不可能有从无到有的自我创造。
所以……？
当 ChatGPT 帮我们撰写文书，做总结陈词的时候——我不知道别人怎么想，但我多少有一种开车时，从手动挡变为自动挡，再前进到特斯拉Autopilot让我偶尔能松开方向盘的那种感觉。（巧了，谷歌和百度也都在做自动驾驶。）
适当的改进解放了我的双手，让我精力更充沛。但完全的接管，则还是因为安全原因，不能让我放心。在车厢里，自动驾驶判断错误，会付出生命的代价。在工作中，直接使用 ChatGPT 生成的结果而不润色核查，就要让我自己为这些结果发布后的后果负责。
其结果是，我不得不再自行，或者使用别人的人力，来做事实核查与润色调整。就像我不得不仍然两手放在方向盘上，时不时下意识地转转。
我并没有什么内幕信息，上文描述的情况全都来自公开资料，它们也只是 AI 搜索可能的其中一种实现形式。当然，它的效果会好于目前智能音箱能做到的那种手气不错模式。
大多数人可能用到的会是类似自动挡这样，相对全手动挡是低收益低风险的改进。少数人会越来越拔高其中 AIGC 所占比重，进入高收益高风险的领域。其中多条技术路线相互竞争，最后也许跑出一两个成功的，并且可以被大规模复制的办法（这一点非常重要），让原本的高风险也变成低风险，于是所有人得到更大的收益。我能想到的 AIGC 进化路线，也不外如此。
此时，当前机器学习的黑箱模式，就变成了 AIGC 模式大规模复制的最大障碍。因为你甚至都可能不知道你自己是怎么成功的，你都不能再做第二个同类产品出来。从这个角度上讲，中国厂家即使跟风研究 ChatGPT 竞品，也没什么丢人的。不论用看上去不可能的白箱模式，还是用可信赖、高可靠性的黑箱解释黑箱，只要攻克了可解释性这个深度学习的大难关，对全行业也有着重大意义。
最后，祝你每次用 AI 搜索的时候都手气不错，得到的结果不用人工修改，就可以直接用。
本文来自微信公众号：航通社（ID：lifeissohappy），作者：航通社
本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com
