随着生成式人工智能重新定义我们与技术的互动，我们搜索信息的方式也在发生深刻的转变。传统的搜索引擎依赖于关键词匹配和检索，而现在正逐渐被更先进的系统所取代，这些系统利用生成式人工智能提供情境驱动、更深入、更准确的洞察。从基本检索到深度推理的转变将改变我们与信息的互动，使搜索引擎从简单的数据查找器发展成为有价值的助手，不仅可以帮助我们找到所需内容，还可以帮助我们理解信息并做出明智的决策。
搜索的演变
搜索技术的发展始于简单的基于关键字的系统。早期的搜索引擎（如AltaVista和Yahoo!）主要依赖于将用户查询与索引网页进行匹配。虽然这些系统在一定程度上是有效的，但它们通常会返回大量不相关的结果，用户需要仔细浏览信息页面才能找到所需内容。
20 世纪 90 年代末，谷歌的出现标志着搜索引擎的一次重大飞跃。谷歌的PageRank 算法通过考虑网页的相关性和权威性，彻底改变了搜索方式，从而带来了更准确、更实用的结果。然而，即使有了这些进步，传统搜索引擎仍然受到对关键字匹配的依赖，从根本上受到限制。
人工智能在搜索领域的崛起
人工智能与搜索技术的融合开辟了新的可能性。机器学习算法、自然语言处理(NLP) 和神经网络使搜索引擎能够理解上下文、意图和语义。这推动了更直观、更人性化的搜索体验的发展。
人工智能搜索最显著的进步之一是能够处理自然语言查询。用户现在可以以对话的方式提问，而不必输入一系列关键词。例如，用户可以问“纽约市最好的意大利餐厅有哪些？”，而不是搜索“纽约最好的意大利餐厅？”。人工智能搜索引擎可以理解查询的意图并提供相关结果。
为什么搜索引擎需要深度推理
尽管人工智能已经显著提高了搜索结果的准确性和相关性，但搜索技术仍然难以处理需要更深入推理和细致理解的复杂查询。想象一下，尝试为一种罕见的疾病找到最佳治疗方案，或者就合同纠纷寻求法律建议。目前的搜索技术，即使是经过人工智能增强的技术，也可能为您提供文章或文档列表 – 但如果您需要更多内容怎么办？如果您正在寻找一个不仅可以检索信息，还可以理解查询的复杂性、权衡不同观点并提供合理分析的系统，该怎么办？
这就是当前搜索技术的不足之处。虽然它在获取数据方面很出色，但在面对复杂问题时却很难将各个点联系起来。例如，问“人工智能在医疗保健中的伦理影响是什么？”可能会分别返回有关伦理、人工智能和医疗保健的文章，但它不会将这些线索整合成一个真正解决您的查询复杂性的连贯答案。为了处理这种复杂的查询，搜索引擎应该具有推理能力，能够综合来自多个来源的信息，分析影响并提供详细、完善的响应。
检索增强生成如何改变搜索引擎
检索增强生成(RAG) 最近在搜索技术方面取得了重大进展。与依赖关键字匹配的传统方法不同，RAG 将信息检索与生成式 AI 相结合。这种组合使系统不仅可以从庞大的数据集中提取相关数据，还可以使用大型语言模型创建针对用户特定查询修改的连贯、上下文丰富的响应。基于 RAG 的搜索技术的例子包括Google 的 Vertex AI搜索、Microsoft 的 Bing ，其他例子在我们的顶级 AI 搜索引擎列表中。
RAG 通过专注于文档的特定部分（而不是根据关键字匹配检索整个文档）来增强搜索功能。例如，如果您正在研究气候变化对北极生态系统的影响，则由 RAG 支持的搜索将获取讨论此主题的精确部分，从而提供更精确、更高效的搜索体验。
然而，尽管 RAG 已将信息检索从文档转变为段落检索，但它仍然缺乏推理和综合细节以形成良好综合的响应的能力。例如，如果问“减轻气候变化对北极生态系统影响的最有效策略是什么？”RAG 系统可能会提出各种策略，但很难评估和提出最佳方法。
虽然正在进行的研究旨在增强 RAG 系统的推理和规划能力，但这些技术仍在不断发展。这表明需要进一步发展，使搜索系统不仅能够检索和生成信息，而且还能提供深思熟虑且有理有据的信息。
知识图谱的作用
知识图谱在搜索技术推理方面发挥着至关重要的作用。这些信息的结构化表示可以捕捉实体之间的关系，使人工智能系统能够理解上下文并建立联系。例如，知识图谱可以将“气候变化”与“碳排放”、“全球变暖”和“可再生能源”等相关概念联系起来。
通过利用知识图谱，人工智能搜索引擎可以提供更准确、更符合语境的答案。当用户提出复杂问题时，人工智能可以遍历知识图谱以收集来自各个领域的信息，确保提供全面而全面的答复。
一些研究人员正在探索将知识图谱与 RAG相结合的方法，以利用 RAG 在识别相关文本片段方面的优势以及知识图谱映射概念之间关系的能力。这种整合不仅仅是检索有关气候变化对北极生态系统影响的相关段落，还旨在连接和综合有关碳排放和生物多样性等相关因素的信息，提供更全面、更符合语境的答案。随着这些技术的不断发展，它们有望将搜索转变为一种更周到、更有洞察力的工具。
认知计算和情境理解
认知计算使系统能够理解和推理上下文，从而将人工智能驱动的搜索提升到一个新的水平。这不仅涉及处理查询的内容，还涉及考虑用户的意图、偏好和过去的互动。例如，如果用户经常搜索有关可持续生活的信息，认知搜索引擎可以改变其响应以符合用户的兴趣。
语境理解还延伸到识别语言的解释。生成式人工智能系统可以解释惯用表达、隐喻和文化参考，从而提供更准确、更有意义的结果。这种复杂程度将搜索引擎转变为能够进行有意义对话的智能助手。
对各行业的影响
从检索到深度推理的转变对各个行业都有深远的影响。在医疗保健领域，人工智能搜索引擎可以通过分析医学文献、患者记录和临床指南来帮助医生诊断复杂的病症。在金融领域，具有推理能力的搜索技术可以为投资者提供全面的市场分析，考虑经济指标、地缘政治事件和历史趋势等因素。
教育是搜索引擎推理能力可以发挥重大作用的另一个领域。这些搜索引擎可以充当个性化导师，通过提供修改后的解释和资源帮助学生理解复杂的概念。这种知识民主化有可能弥合教育差距并增强全球学习者的能力。
总结
随着搜索技术的发展，它逐渐从单纯的检索数据转变为理解和推理信息的工具。人工智能的进步，如检索增强生成和知识图谱，开始将搜索引擎转变为更直观的助手，可以对复杂的问题提供深思熟虑的答案。这种转变有可能对医疗保健和教育等行业产生重大影响，使搜索成为决策和学习的更有价值的资源。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/sou-suo-de-wei-lai-dang-ren-gong-zhi-neng-cong-jian-suo
