大数据文摘授权转载自夕小瑶的卖萌屋
作者： 天于刀刀
当我们在抱怨搜索引擎的时候我们具体在说些什么？
(资料图片)
也许是饱受诟病的广告？或者是不合理的网页排序？又或是一种最直观的感觉——不好使。
但是从来没有人抱怨过搜索引擎这一个模式。
尽管这些年，也诞生一些诸如Magi这样让人眼前一亮的新型搜索产品，试图颠覆旧的搜索形式，但无一例外宣告失败。
直到这几天，一个重磅看似与搜索无关的AI模型的诞生，却大有撼动谷歌搜索地位的趋势...
这是一个在Twitter上特别火的帖子，目前已获得3千多次转推：
Google is done. 谷歌时代结束了。
这条Twitter的博主搜索了一些它日常请教谷歌的问题（query），却发现OpenAI刚刚发布的“AI对话模型ChatGPT”的回答，完爆了谷歌搜索结果。。。
博主问谷歌的问题是：
In Latex, how do I represent a different equation? (在Latex中，如何书写微分方程)谷歌给出的搜索结果：
尽管谷歌给出的结果也看起来很智能了，搜索首位直接贴出来了回答。
但我们再看一下ChatGPT的回答：
真的是没有对比，就没有伤害哇！
在没见过ChatGPT的回复的情况下，笔者已经觉得谷歌的回答够好了。但看了ChatGPT的回答，立刻感受到了“优秀学生”与“年级第一”的区别。
这条推特的博主，还贴出了大量的搜索问题，发现相当多的问题，谷歌搜索被ChatGPT完爆了。
感兴趣的小伙伴可以去看原推，非常精彩：
https://twitter.com/jdjkelly/status/1598021488795586561
这里就不一一搬运了。
看完后，笔者只能感叹，谷歌、百度这些老牌搜索引擎，这次可能真的“摊上事儿”了。
接下来，我们再简单看一眼这个ChatGPT模型的官方定义：
ChatGPT模型Demo测试地址：根据其官网上的介绍，目前它们推出的 ChatGPT 支持和用户通过对话的形式“回答问题”，并且赋予了一些简单的智能化行为，例如“承认自己的不足、识别一些错误的假设和拒绝一些不合理的请求”。
https://chat.openai.com/chat
推特用户@jdjkelly的推文[1] 还表示，它发现对于代码开发类的搜索query，ChatGPT的回答强势的完爆了谷歌——ChatGPT除了给出了代码方案外，他还非常详细地给出了相应的解释！
该用户测试的搜索query是：
How do I mark a solidity function as callable only by the contract creator? (如何将solidity函数标记为只能由合同创建者调用?)谷歌的回答：
ChatGPT的回答：
不仅贴代码，还附带解释真是太秀了。。。
对比搜索步骤，ChatGPT 为我们节省了大量的（无效）阅读时间和检索时间！其生成的解释性文字也十分地清晰和易读，能够很好地帮助回答客户的疑问。
最重要的是，它可以 直接生成可供复制的代码 诶！（打工人泪目）
目前该项目链接已经被免费开放 [2]，不少外网开发者在试用中声称 ChatGPT 针对他们的技术问题提供了非常详细的解决方案。此外还在多个领域的知识问答和闲聊场景下，ChatGPT 同样表现出了不俗的智能。
笔者忍不住做了进一步的测试：
首先第一条测试数据，咱们中国人给 ChatGPT 直接上点难度，用中文进行输入，让它先介绍一下自己：
嗯。。。中规中矩的结果，看不出来什么太多情况。唯一能够得到的结论是 ChatGPT 支持中文输入，这个对于中文开发人员和研究者来说可以说是一个好消息。
那么我们再尝试将他和其他搜索引擎相比呢？
学术软件使用问题：
谷歌：在LaTex中,我应该如何输入一个偏微分方程？
ChatGPT ：在LaTex中,我应该如何输入一个偏微分方程？
产品推荐问题：
谷歌：Say I have 1000 dollars, recommend me a pinarello bike （假如我有一千美元，请推荐一款 pinarello 的自行车）
ChatGPT：Say I have 1000 dollars, recommend me a pinarello bike （假如我有一千美元，请推荐一款 pinarello 的自行车）
闲聊问题：
ChatGPT：我最近肚子不舒服，有什么药能推荐一下吗
ChatGPT：你知道夕小瑶的卖萌屋吗？
知识问答问题：
ChatGPT：什么是世界杯？
ChatGPT：自行车蹭碟后怎么维修？
可以看到 ChatGPT 在一些问题中普遍表现出了远超预期的效果，对于问题的回复和解答基本上还是有意义的。
对于一些存在隐私限制的搜索结果，ChatGPT 也会很谨慎地表示自己只是一个机器，我们更应该遵循专业人士的建议。
在和 ChatGPT 进行交互的过程中，笔者感觉 与其说是自己主动地在寻找信息，不如说是在和一个“智慧长老”进行互动 ：它会针对你的问题进行合理地回答，只要它知道。
这个特点让笔者想起了“第五范式：数据工程”的 reStructured Pre-training [3] 。
这篇文章的作者将预训练大模型类比为人脑和传统的数据库，都是数据储存的一个媒介。而在进行数据检索的时候，人脑依靠的是思考，数据库依靠的是 SQL 语言，而预训练大模型则依靠的是 prompt。
短短2个月前学界还在质疑 prompt 是否能够完全达到“所查即所得”的效果，也就是说，下游任务并不知道使用何种 prompt 可以更好地从大模型中获取想要的结果。
1个月前，在大众层面人们们逐渐习惯了 AI 绘画的“关键字” prompt 概念，开始绞尽脑汁想着自己独特的“魔法咒语”。
而在 2022 年的最后一个月，我们突然发现也许不用多么复杂的“咒语”也能呼唤出我们真正想要的信息结果。
NLP 技术的快速爆发让所有人都猝不及防，也许在不知不觉间中一个全新的时代已经来临。
目前 ChatGPT 没有通过互联网检索信息的能力 ，因此在一些边界问题上略显无知。此外 ChatGPT 可能因为语料缺失的原因导致了它对于中文语料的陌生。
（关二爷：俺是俺儿子？！？）
