SearchGPT能否挑战谷歌搜索？AI搜索的原理是什么？

OpenAI

但OpenAI的SearchGPT若仅瞄准取代谷歌，格局未免太小。目前，AI搜索领域最受关注的是Perplexity，它代表了更先进的搜索趋势和用户体验。从Perplexity的表现可见，搜索是AI的重要应用场景之一，OpenAI布局AI搜索势在必行。要知道，搜索的本质是信息检索服务。传统搜索，即基于关键词的搜索，大多仅提供单纯的信息检索，人机交互体验十分枯燥乏味，缺乏生动性与智能感。人机交互包含输入与输出两个要素。传统搜索中，输入为关键词，输出则是网络资源列表。用户使用时，需将问题拆解成若干关键词，之后还需从结果列表里逐一挑选最合适的答案，显然仍需耗费大量脑力。AI搜索优化了交互方式，用户输入大白话，AI输出总结结果并附链接，降低脑力消耗。比如，我计划明天去北京郊区骑行。如果用传统搜索方式，得把需求拆解成北京 天气和北京郊区 骑行路线等关键词，逐一输入查询，再从众多结果中筛选、归纳信息，最后才能做出决策。这一过程既耗时又费力。如果使用AI搜索，我的问题就是一句简单的话：明天适合在北京郊区骑行吗？虽然OpenAI的SearchGPT尚未推出，但我可以用Perplexity来展示类似的AI搜索结果，大概如下所示。

先不说信息源的质量如何（七月底说北京气温适中简直荒谬），单就这个输出结果，已经包含了我需要的所有信息，既有关天气，也有关骑行路线，省去了我在网上查找和整理的麻烦。这无疑是一种更加友好的信息检索方式。别把AI搜索想得太复杂，它的原理其实很简单，用几十行代码就能搭建一个基础原型。这并不夸张，确实只需少量代码即可实现。通过了解其原理，你会发现AI搜索并没有那么深奥。构建最简易的AI搜索原型，仅需这几个模块。

首先是自然语言理解，需要从用户的口语化表达中抽取关键信息。这一环节可以借助成熟的大模型（LLM）来实现，应该没什么难度。例如，可以从输入中提取北京 天气或北京 骑行路线这样的关键词组合，实现起来只需简单几行代码即可完成。获取关键词组合后，将其提交至现有的搜索引擎API，即可获得多个搜索结果。由于公开的搜索引擎API众多，实现这一功能仅需几行代码。

谷歌

将重新排序的搜索结果提供给大型语言模型，让它进行总结，并在输出时标明信息来源。前后几十行代码，一个AI搜索原型就完成了。这只是一个原型而已。要实现可用于生产环境的AI搜索，不仅每个模块的算法需要更加复杂和精细，还必须解决访问量、缓存、部署等一系列互联网产品普遍面临的实际问题。因此，别以为AI搜索很容易。我只是简化说明，像OpenAI这样的实力派，做AI搜索并不算特别艰难。从已发布的SearchGPT原型视频来看，其功能与常规的AI搜索无异。用大白话提问，就像这样子。

研究显示，长期饮用咖啡可能增加心血管疾病风险。（来源：最新医学期刊）

大概就这些功能了。此外，像Perplexity这样的先行者早已实现了类似功能，因此SearchGPT在功能层面并无明显优势，只能着重提升搜索结果的质量。不过，我对OpenAI在这方面还是持乐观态度。除了其自身的技术实力外，微软作为OpenAI的强大后盾，一直给予全方位支持。在搜索引擎API方面，OpenAI完全可以依赖微软的技术资源，无需过多操心。这样一来，OpenAI只需专注于语言模型的优化和重排序算法的改进即可。或许有人认为，OpenAI在多模态领域优势明显，能够实现输入输出的多样化，例如将搜索结果通过Sona生成视频进行展示。我认为，输入支持多模态没有问题，但输出不必涉及视频音频的AI生成。从产品定位来看，搜索的核心在于效率，而图文是效率最高的呈现形式。因此，AI搜索结果应以图文为主，即便涉及视频音频内容，也应转化为图文展示，这才是契合搜索场景需求的做法。让我们拭目以待，看看OpenAI的SearchGPT能展现出怎样的实力。关注我@程墨Morgan，探索人工智能与科技前沿动态。