Grand modèle + recherche : un jeu de dames et trois joueurs

Source d’origine : Corps polaire cérébral

Source de l’image : Généré par Unbounded AI

Nous savons tous que les grands modèles doivent naître pour être utiles pour les applications. Alors, quelle application peut exploiter pleinement le potentiel de valeur des grands modèles d’IA le plus rapidement et devenir le premier arrêt pour l’atterrissage de grands modèles ? Lorsqu’il s’agit de cette question, beaucoup de gens répondront d’abord : rechercher.

D’une part, c’est parce qu’après l’explosion de ChatGPT, le « principal actionnaire » Microsoft a d’abord intégré ses capacités dans la recherche Bing, et a annoncé une fois qu’il s’appuierait sur les avantages des grands modèles pour choisir le grand frère Google dans l’industrie. Ensuite, dans le contexte de la réplication à grande échelle de grands modèles dans le cercle de l’IA en Chine, il est naturel de penser à promouvoir la recherche + grands modèles d’abord du côté de l’application.

D’autre part, les moteurs de recherche ont naturellement l’avantage d’être profondément intégrés à l’IA. Dès 2014 et 2015, les géants traditionnels des moteurs de recherche tels que Baidu et Google ont commencé à intégrer des technologies d’IA telles que l’apprentissage profond et le graphe de connaissances dans la recherche, afin d’améliorer la capacité du moteur de recherche à comprendre les instructions de l’utilisateur et à renforcer la pertinence interne des résultats de recherche.

On peut voir que le grand modèle + recherche peut être considéré comme le bon moment et le bon endroit. Après près d’un an d’exploration, l’application grand modèle + recherche de l’industrie chinoise de l’IA s’est progressivement enrichie. Bien que les changements apportés par les grands modèles à la recherche n’aient pas complètement émergé, une idée d’exploration relativement diversifiée s’est formée.

Afin de permettre à chacun de mieux comprendre les progrès actuels de la recherche de grands modèles +, et de comprendre la différenciation des différentes idées. Nous avons pensé à une métaphore : grand modèle + recherche, comme un jeu de dames. Les pièces d’échecs entre les mains de tous les joueurs sont les mêmes, c’est-à-dire la technologie des grands modèles et la technologie de recherche. Et leur but ultime est le même, c’est-à-dire incuber la première application populaire à l’ère des grands modèles.

Mais dans le processus de jeu d’échecs, chacun d’eux a des mouvements d’échecs différents. À l’heure actuelle, ils sont divisés en trois genres.

Concurrent 1 : Grand modèle en tant que plugin amélioré pour les moteurs de recherche

La recherche est le contact le plus fréquent entre les personnes et l’information à l’ère d’Internet. Les moteurs de recherche doivent comprendre à la fois l’intention de l’utilisateur et d’énormes quantités d’informations. En tant que plaque tournante entre l’information et les personnes, le besoin des moteurs de recherche d’améliorer leur intelligence est sans fin.

La différence que le grand modèle apporte au moteur de recherche est qu’il peut non seulement améliorer l’expérience du moteur de recherche traditionnel, mais également apporter diverses capacités de génération de contenu à l’intention de l’utilisateur et aux résultats de recherche grâce au modèle AIGC.

Par exemple, un grand modèle peut non seulement améliorer la précision de la recherche, mais aussi fusionner plusieurs résultats de recherche dans une seule zone de contenu, ce qui permet aux utilisateurs de gagner du temps. Cela équivaut à donner aux utilisateurs des outils de recherche supplémentaires en dehors du cadre de recherche traditionnel.

Sur la base de cette idée, l’industrie a commencé à explorer le premier mode de recherche grand modèle + : la capacité du grand modèle en tant que plug-in amélioré pour les moteurs de recherche. Sur le marché intérieur, le représentant de ce genre est Baidu.

On peut dire que l’activité de recherche est la première étape de Baidu pour la transformation des produits grâce aux capacités de modèles à grande échelle de Wenxin. À ce stade, Baidu a ajouté au moteur de recherche deux « plug-ins améliorés » basés sur les capacités d’AIGC.

La première consiste à agréger les informations de la première réponse.

Dans le processus de combinaison de la technologie de l’IA avec la recherche, Baidu met l’accent sur le concept de « premier résultat de recherche est de répondre aux besoins des utilisateurs ». La capacité du modèle de grande taille peut agréger des informations clés à partir des résultats de recherche pour générer des résumés de contenu. Sur la base de ce modèle, Baidu a mis à jour la possibilité de répondre à la première réponse dans le moteur de recherche, qui couvre non seulement les informations textuelles, mais comprend également la vidéo grâce à un grand modèle pour résumer le résumé. Dans ce mode, en ajoutant les résultats que l’utilisateur souhaite rechercher dans le contenu vidéo, l’utilisateur ne peut plus regarder la vidéo, mais obtenir directement un résumé du contenu vidéo via la première réponse.

Selon les données publiées par Baidu, le taux de satisfaction de la première recherche dans le passé n’était que d’environ 40 %, mais après avoir ajouté la capacité du grand modèle, le taux a atteint 70 %. On peut voir que la capacité du grand modèle, en tant que plug-in de moteur de recherche, est d’obtenir des commentaires positifs.

Un autre type de grand modèle de type « plug-in amélioré » combiné à la recherche consiste à fournir une barre de dialogue AI en plus de la barre de recherche, qui est la capacité de « partenaire d’IA » lancée par Baidu Search lors de la Mobile Ecological Conference en mai de cette année.

Les partenaires d’IA peuvent mener des séances de questions-réponses avec les utilisateurs, aider les utilisateurs à compléter des fonctionnalités telles que le marquage des réponses, la fourniture de sources d’information, le résumé de résumés de documents, etc., lors de l’utilisation des moteurs de recherche, et également prendre en charge l’appel d’autres outils et services.

En d’autres termes, Baidu fournit des plug-ins AIGC basés sur des capacités de modèle de grande taille dans l’interface du moteur de recherche et en dehors du moteur de recherche, afin que le moteur de recherche puisse obtenir une reconstruction de modèle de grande taille sous plusieurs angles. Par coïncidence, cette ligne de pensée est très similaire à l’intégration par Google du chatbot Bard dans son moteur de recherche

On peut voir que les fabricants avec les avantages traditionnels des moteurs de recherche sont plus enclins à utiliser de grands modèles comme plug-ins d’amélioration, et à intégrer l’idée de « 1 + 1 est supérieur à 2 » dans les moteurs de recherche traditionnels sous plusieurs angles.

Concurrent 2 : Application de recherche de type ChatGPT

En plus d’améliorer les capacités des moteurs de recherche traditionnels, le grand modèle pose également un autre problème : est-il possible de contourner le formulaire de recherche traditionnel et de générer directement de nouveaux produits de recherche basés sur les capacités de l’AIGC ?

Cette possibilité a également été explorée. ChatGPT lui-même a la capacité de comprendre la sémantique, les questions-réponses à plusieurs tours, la génération de contenu, etc., et dans une certaine mesure, cela peut également être considéré comme une sorte de « recherche ». C’est juste que le contenu de la recherche est passé de mots-clés à des questions et des besoins, et que les résultats de la recherche sont passés de pages Web à du contenu textuel généré directement.

En conséquence, un nouveau type de produit de recherche qui a émergé dans l’industrie chinoise de l’IA peut être appelé recherche de type ChatGPT. Parmi eux, les « concurrents » représentatifs sont la recherche d’IA Tiangong lancée par Kunlun Wanwei.

Ce type de moteur de recherche prend complètement AIGC comme logique de base du produit. Les utilisateurs utilisent le langage naturel pour exprimer l’intention de leurs besoins, puis l’interface de recherche répond aux réponses pertinentes, au lieu d’afficher un grand nombre de liens Web comme les moteurs de recherche traditionnels.

Relativement parlant, l’une des innovations de la recherche Tiangong AI réside dans l’index source. Lorsque nous utilisons des plateformes AIGC telles que ChatGPT, nous sommes souvent confrontés à l’incertitude de ce que l’IA va répondre. Le grand modèle de nombreuses questions ne peut pas donner la bonne réponse, et invente même des arguments, des sources de littérature, des sources d’information, etc., ce qui est largement qualifié de « non-sens sérieux de l’IA ».

La recherche de l’IA Tiangong met l’accent sur la génération de réponses et la source d’information de référence en même temps, afin de s’assurer que les utilisateurs peuvent retracer la référence de l’information, ce qui évite grandement le problème de confiance de la plate-forme AIGC. Et ses sources d’information de référence sont également relativement riches, notamment les sites d’information, les plateformes de questions-réponses sur les connaissances, les vidéos, etc.

Cependant, à ce stade, la frontière entre la recherche de type ChatGPT et la plate-forme AIGC est encore difficile à distinguer, et la perception qu’en ont les utilisateurs n’est pas claire. Ce modèle doit être encore popularisé et testé par les utilisateurs.

Joueur 3 : Recherche verticale d’atterrissage d’un grand modèle

Une fois que le paysage des moteurs de recherche est relativement stable, il y a eu une telle idée de l’industrie : une fois que l’opportunité de recherche générale n’est pas grande, le moteur de recherche peut faire des efforts dans le domaine de la recherche verticale, afin de consolider la base d’utilisateurs avec une demande de recherche continue dans ce domaine. Sogou Search et Quark ont tous fait des efforts dans le domaine de la recherche verticale. Parmi eux, Quark a obtenu de bons résultats auprès des jeunes utilisateurs grâce à sa capacité de recherche verticale.

La troisième idée de grand modèle + recherche est de prendre les devants en atterrissant de grands modèles dans la recherche verticale. De cette façon, il renforce la capacité de compréhension du langage naturel et l’expérience de recherche d’informations dans des zones de recherche spécifiques. Dans ce domaine, l’acteur représentatif actuel est Quark. Le 14 novembre, le groupe d’affaires d’information intelligente d’Alibaba a publié un grand modèle de quark. Sur la base de son propre positionnement différencié, l’application du modèle quark large donnera la priorité à l’application de la recherche professionnelle et d’autres services d’information. En plus du modèle de langage de base du grand langage, le modèle du quark large dérivera également des modèles verticaux tels que les soins médicaux et l’éducation, ce qui montre l’importance que le quark attache au domaine des connaissances spécialisées.

À l’heure actuelle, les soins médicaux, l’éducation et les sciences humaines et sociales sont les principales directions de la recherche verticale de grands modèles. Ces directions ont de fortes exigences en matière de sources d’information et présentent les caractéristiques de mots-clés vagues, d’informations moins efficaces et d’une logique forte, qui conviennent mieux aux grands modèles pour exercer leurs propres caractéristiques que les recherches générales. Dans le même temps, la combinaison de grands modèles et de la recherche verticale peut également réduire les coûts des produits et améliorer l’efficacité globale des grands modèles dans le domaine de la recherche.

En fait, il existe également une variante de la combinaison de la recherche verticale et des grands modèles, c’est-à-dire que chaque disque réseau est actuellement en ligne avec une fonction de recherche avec des capacités de compréhension du langage naturel. Vous pouvez utiliser des informations clés telles que des descriptions vagues et des adjectifs pour récupérer des données de disque réseau, en particulier pour les images, les vidéos et d’autres contenus.

C’est un tremplin pour les super applications

La question est donc de savoir quel mode est la bonne réponse à la recherche d’un grand modèle + ?

Désolé, la réponse ne peut qu’attendre.

Grand modèle + recherche est un scénario d’atterrissage de grand modèle logiquement très prometteur. Par conséquent, après que ChatGPT ait commencé à exploser, Microsoft a intégré la capacité de grand modèle dans BingChat et a publié beaucoup de mots cruels sur la recherche Google. Mais près d’un an plus tard, Microsoft a retiré une grande partie de ses capacités d’IA du secteur de la recherche, et la domination de Google sur le marché n’a pas été affectée. On peut voir qu’il y a encore un long chemin à parcourir de la théorie à la pratique dans ce scénario.

En regardant le marché intérieur, vous constaterez que les trois modes d’exploration se battent toujours séparément, et qu’il n’y a pas beaucoup de confrontation, et qu’il n’y a pas de reconnaissance générale du grand modèle + recherche du côté de l’utilisateur, et même son degré d’atterrissage est bien inférieur à l’application de dialogue de type ChatGPT elle-même. Trois raisons peuvent être invoquées :

**1. Ces trois tentatives de grand modèle + recherche n’ont pas abouti à la percée de la fiche produit de 0 à 1. **Né pour renforcer et compléter les précédents produits de moteur de recherche et de dialogue de l’IA, il n’a donc pas de point d’éclair de produit très intéressant.

**2. À ce stade, l’amélioration de l’expérience de recherche du grand modèle n’est pas forte dans l’expérience de l’utilisateur de masse. **Il ne peut être utilisé que comme outil professionnel dans les domaines académiques, informatiques et autres.

**3.In plus, l’espace de commercialisation du grand modèle + recherche n’est pas clair. **Après l’ajout de la technologie des modèles à grande échelle, le modèle d’affaires et le niveau de commercialisation des produits de recherche n’ont pas beaucoup changé, de sorte qu’ils n’ont pas reçu suffisamment d’attention de la part du marché des capitaux.

À long terme, le but ultime du grand modèle + recherche doit être de former une super application à l’ère des grands modèles. Tout comme l’émergence des moteurs de recherche à l’ère d’Internet, elle a complètement changé le mode d’acquisition et d’interaction de l’information des gens.

Et si tel est l’objectif, l’exploration du grand modèle + recherche d’aujourd’hui sera inévitablement un tremplin sur le chemin des pièces d’échecs. Ce n’est qu’en laissant les pièces d’échecs continuer à sauter qu’un changement qualitatif peut se produire à un certain nœud à l’avenir.

Tant que vous pouvez faire avancer le grand modèle et la recherche, la lumière au premier plan est toujours bien plus grande que l’obscurité.