语言的最大特点之一是一维线性，而人类大脑在理解的时候，能够突破线性的结构，让语言成为表征复杂世界的工具。所以，人能够在遇到 Stand 这个词的时候，根据语境和经验将它处理成「站立」，或者是「独立」、「代表」等其它意思。对于不具备人类肉身经验的机器，只能通过学习字符本身来理解语言。BERT 的创新之处在于充分挖掘上下文之间句子的含义，让机器学习每一个单词和其它所有单词的关系，更准确地理解语义。 仅仅两年过去，机器理解自然语言的能力就变得不可同日而语。
ChatGPT 让人们体验了有史以来最好的对话机器人是什么样子。科技作 欧洲手机号码列表 者 Parmy Olson 翻出了自己的谷歌搜索记录，将最近的 个问题问了一下 ChatGPT，对比自己的体验，她认为其中 个问题上，ChatGPT 给出的答案更满足她的需求。比如，想知道「炼乳或者脱脂奶是否更适合做南瓜派」，ChatGPT 给出一段分析，就比搜索引擎给出的一堆菜单更好。 而在我自己的写作中，也尝试同时使用 ChatGPT 和搜索引擎来收集资料。
比如最近在写一篇与蛋白质设计相关的文章，，「什么是扩散模型？」「决定蛋白质结构的因素有哪些？」。搜索引擎给出的链接往往更加全面，但是 ChatGPT 组织信息的方式更加简练，能够帮助整合信息、梳理段落要点。 这一切都说明，让机器直接回答一个查询问题的可能性已经具备了。搜索引擎的体验提升的临界点已经呼之欲出，其中的关键就是生成式 AI（Generative AI）。搜索引擎的未来，不仅仅是索引网页与链接，而是为每一个查询生成相应的摘要、回答。
|
收藏