當老技術遇上AI新典範

美國國會圖書館是全世界最大的圖書館，館藏超過了1億4千萬冊，光是各類書架的總長度，就超過8百公里，是臺北到高雄距離的2倍以上。若不知道你想要的書放在哪，光靠兩只腳到處逛來找去，恐怕一個禮拜都還找不到。雖然不見得每個圖書館的規模都這麼大，但要從茫茫書海中，找出想看的書，都需要費一番功夫。這正是為何，到圖書館找書，後來非靠電腦檢索系統幫忙不可的緣故。

數十年前，到圖書館要怎麼找書，得先把想找的書（需求）轉換成一句話，或一個詞，輸入電腦，靠系統找出最接近輸入這個句子的書本，放在哪一座書架上的哪一排，你才知道要到哪裡找出這本書。

當要找的資料不只侷限在圖書館，而是更廣大的網路世界，搜尋引擎的作法，仿效了圖書館找書的模式，輸入一段句子，搜尋引擎比對出最相關的哪一批網路資料的連結，再回傳到瀏覽器上列出來，提供給使用者，讓使用者自己判斷，哪幾個連結，才是符合需求的內容。整個模式就像是傳統在圖書館找書一樣。這種搜尋資料的模式，70年來一直沒有變，直到生成式AI技術的崛起。

去年ChatGPT開始竄紅時，將你好奇的一個問題，一句話輸入電腦，就可以得到擬人般的文字，彷彿能夠直接告訴你問題的答案，不用像過去得自已一一打開連結，才能判斷是不是想要的內容。

ChatGPT改變了人們尋找資訊的方式，不是查詢，而更像是發問，得到的也不是連結清單，而是更直接、簡潔的「答案」。ChatGPT也因此而風靡了全世界。直到一段時間之後，人們漸漸發現，這個「答案」不一定是真實或是正確的「答案」，才意識到，生成式AI給的答案，終究需要人來判斷，就像傳統搜尋引擎給出的參考連結，還是得靠人自己判斷，哪些才是自己想要的答案。但以ChatGPT為首的生成式AI技術典範，已經大大改變了人們搜尋資料的體驗。

兩大科技巨頭，Google和微軟，都開始嘗試將生成式AI的超大語言模型，運用到不同的搜尋場景中，從網路搜尋引擎、生產力軟體工具中的搜尋，到作業系統內建搜尋機制，都開始結合生成式AI技術，作為人和機器（系統）之間的新溝通介面。

不過，要用生成式AI技術來滿足人們各種搜尋的需求，Google DeepMind傑出科學家Marc Najork日前來臺時就強調，這個稱為生成式IR的發展領域，未來有5大挑戰需要克服。從生成內容有多貼近來源文件的忠實度、如何讓回答與證據相匹配的歸因挑戰、如何分辨AI產生的內容（內容辨識），還有許多新研究用生成式模型產生的資料來訓練新模型，而衍生了模型崩塌問題（模型出現健忘症狀），還有項挑戰是生成式IR更快更白話提供答案的同時，也削弱了搜尋引擎對其他網站的導流效果，相關性低的網站更不容易被看見，甚至減少了導流廣告的效益。

運用電腦技術，更快更準找出想要的資訊，這個早已融入日常高度數位化生活的老派技術應用，面臨了生成式AI新典範的影響，正慢慢開始改變中。

 相關報導