Google 询问 vs AI 提示：搜索中历史为何一再重演

揭开一张宝藏地图 - 这就像我在21世纪初掌握在谷歌上搜索技巧时的感觉。

在经过很多尝试和错误后，我和我的同事们成功地通过一个恰到好处的关键词和正确的语法解锁了一大堆信息。我相信你也做过同样的事情！

然后历史重演。快进到今天，我们发现自己面临着一个熟悉但升级的挑战。

让我们称之为挑战 v2.0 — 类似于ChatGPT的LLM。

但促使与传统的Google查询有多大不同呢？让我们探索一下。

所以，回到21世纪初，当谷歌成为世界顶级搜索引擎时，我们都面临着一个学习曲线。为了得到正确的结果，我们必须理解搜索查询的细微差别。

随着时间的推移，我们用户和谷歌都在不断进步演变。我们学会了如何有效地查询，而谷歌引入了诸如site:搜索和引号等工具来优化结果。

现在，当我们步入2020年代的人工智能时代，我们面临着类似的挑战 - 但这一次是与类似ChatGPT的LLM（大型语言模型）一起。

对于许多习惯于谷歌搜索范式的用户来说，启动AI引擎却得到不尽如人意的结果是一种令人沮丧的经历。

究竟是什么让从Google查询和向人工智能提问如此不同？本文将深入探讨技术、用户期望之间的关键差异，以及如何适应这一新的格局。

了解Google搜索与人工智能提示:

Google搜索引擎流程：Google的搜索引擎使用“爬虫”扫描网络，收集信息，并将其与网站关联起来，这个过程被称为“索引”。这是一个动态的持续过程，Google不断根据相关性、流行度和最新数据“排名”页面。

• 谷歌搜索的工作原理：当您在谷歌搜索中输入查询时，谷歌会检索已索引的文件，根据关键词对它们进行排名，并向您呈现最相关的结果。您会得到一个链接列表，然后您选择哪些链接最有用。
• 优势：谷歌提供持续更新的事实信息。在寻找精确数据、文章、文件或网站时表现出色。但请记住，谷歌提供链接，信息的最终发现取决于您自己。

基于LLM的引擎，如ChatGPT：与搜索引擎不同，像ChatGPT这样的LLM不会爬取网络。相反，它们是在庞大的数据集上进行训练，以学习语言模式。它们的回应是对话的，上下文的，并且基于训练期间学到的模式。

• 在LLM工作原理：LLM不会实时从网络抓取信息。相反，它们利用推理和模式识别提供答案，通常更具解释性和创造性。但是，LLM并非始终反映最新数据，因为它们取决于训练期间的知识。
• 优势：LLMs在提供摘要、解释和创意输出方面表现出色。它们专为自然语言理解而设计，因此非常适合更具抽象性、开放性的任务。

优化您的搜索和提示体验:

何时使用谷歌搜索：

• 用关键词简洁。搜索引擎更偏爱简短、具体的查询。
• 利用操作符如“”进行精确匹配，使用 site: 进行在特定网站内搜索。
• 对于实时信息或事实数据，Google 对更新内容的索引能力使其成为最佳选择。
• 期待链接：Google为您提供了入口，但您仍需要探索每个链接以寻找答案。

何时使用基于LLM的引擎：

• LLMs非常适合生成解释、概述或想法，但可能在实时事实方面存在困难。
• 当您需要更具细微差别和对话式回答时，请使用LLMs。
• 如果您要求事实数据或引用，记住 LLM 的知识水平只能达到上次培训的水平。
• 在提示时要具体和详细。LLMs 依赖上下文和清晰度来蓬勃发展。

搜索和人工智能整合的未来:

随着谷歌最近将“Gemini”整合到他们的搜索引擎中，我们看到搜索和LLM之间的界限变得模糊。LLM正在被用来微调搜索查询并提供上下文结果。

然而，LLMs 仍然面临一些限制，特别是在获取最新的事实信息和实时网络搜索方面。 瓶颈在于训练这些模型所需的巨大计算能力和内存 —— 这是量子计算有可能有一天能够克服的障碍。

直到那时，谷歌和LLMs将发挥不同而互补的作用。谷歌将继续成为实时事实查询的首选，而LLMs将成为推理、创造力和更深入上下文理解的工具。

在一个世界里，搜索引擎和人工智能工具都各有所长，知道何时使用每一个可以帮助我们解锁学习、探索和创意的新可能性。随着我们继续架设这些技术之间的桥梁，搜索和人工智能的未来将变得更加直观和强大。

你准备好迎接搜索和人工智能的未来了吗？分享一下你如何适应像ChatGPT这样的LLM引擎与传统的谷歌搜索相比。让我们一起探索这个不断发展的领域。

#人工智能 #搜索Vs提示 #Google搜索 #ChatGPT #搜索未来 #人工智能 #机器学习 #科技创新 #数字转型 #SandeepKaranth