当搜索框用上 ChatGPT

您今天「手气不错」吗？

谷歌电脑版首页的格局，是和别处不同的：

在搜索框旁边有两个按钮，而不是一个。在常规搜索按钮的右边还有一个「手气不错」（I'm Feeling Lucky）按钮。

在讲到 ChatGPT 以及同类生成式 AI 和搜索引擎的关系之前，让我们先来看看这个按钮。

「手气不错」，但点开搜索结果页更棒

在搜索框内键入关键字后，如点击「手气不错」，将会跳转到搜索结果的第一条。如果什么都不输入，点击「手气不错」则会进入谷歌的节日 Logo（Doodles）页面。

「手气不错」自谷歌 1998 年成立时就已经存在。在早期，它的正确用法是输入网站名字直达该网站，而不需要再多点一次。

该按钮也被用作「搜索炸弹」攻击，即使用搜索引擎优化（SEO）手段，让不正确或恶意的结果排到最前面。2006 年 9 月，在搜索框输入「failure（失败）」「miserable failure（惨败）」再点击「手气不错」都会跳转到时任美国总统小布什的官方简历页面，因为它被刷到了搜索结果的第一条。

「手气不错」按钮并没有进入谷歌搜索的手机版，或其它有搜索框的地方。在 PC 端它也被弱化，因为输入关键字时，搜索框自动向下展开联想词，遮住了该按钮。在 PC 搜索结果页也没有这个按钮。

不过，谷歌的语音助手 Google Assistant 如果接到一些类似「什么是……」的提问，如果没有预设答案，也会念出搜索结果的第一项，或者维基百科条目。这可以被看作是变相的「手气不错」，因为最终也是只呈现一条结果。

「手气不错」保留至今仅仅是一个情怀的体现。相比以前，谷歌首页也已经很少有人访问了。人们越来越多通过浏览器界面上的搜索框或地址栏进入谷歌搜索，他们看到的第一个页面就是搜索结果页，而不是谷歌首页。

因此，过去数年谷歌对搜索结果页做了重大改进。现在结果页的信息量更丰富，包括从目标页面文字中提取出的那一段有意义的文本。而「手气不错」并没有做任何调整。比如，现在用搜索框输入数学公式，搜索结果页会显示一个计算器，但「手气不错」会引导到一个谷歌外部的网页，而不是直接展示运算结果。

搜索结果页也包含维基百科、新闻、图片等大量有价值的信息。如果搜索的是一个门户网站或论坛，那么结果页还附带该站的一个站内搜索框，不点开就可以搜索该站内容；如果搜索的是某款软件，官网的下载链接都会被提取出来。

同时，越来越多的搜索结果页加入了「人们还在问」（People also ask）板块；每个搜索结果及板块旁边都提供「关于此结果」（About this result）功能，介绍该搜索结果的来源，以及为什么呈现在这个位置上。

因此，搜索结果页现在已经比提供一个「直达」链接的「手气不错」更能满足用户的需要了。谷歌这一点和百度等竞品都一样，搜索引擎们用结构化的信息呈现，尽量把人们留在自己站内而不跳转出去。

然后，我们把搜到的东西讲给别人听

现在，不论用谷歌还是百度，搜索更像是打开一个与关键字有关的「面板」——对，就像苹果发布会总结某款新手机时候的那种拼图版面，试图在你的屏幕上显示所有可能的信息，并把它们铺满。那种常见的一页页的搜索结果，要继续滚动下去才有。

而作为搜索引擎的使用者，一个人类，你看到这些东西的时候要做的事情，其实是在自己的大脑里总结它们，并将它们转换为一段话。比如说，如果要搜索的这个问题是你老婆问你的，她让你帮她搜一下。那么你回答她的方式并不是给她看你的屏幕，而是自己总结一下再讲给她。而且你最好不要试图逐字念维基百科的结果，她希望听到的或许只有一两个字。

这时候你是什么？

你就是一个 ChatGPT 啊。

好的，我们终于要进入正题了。

根据 CNBC 报道，谷歌将更快引入类似 ChatGPT 的自家产品 LaMDA 到搜索引擎中。谷歌的某款设计中的新版首页，就是替换掉「手气不错」按钮，取而代之的是随着关键字输入，展示 AI 选出的 5 个你最有可能提的问题。而当你打出一句自然语言后，可以点击搜索框最右边的聊天按钮，将页面切换为类似 ChatGPT 的对话模式。

在这方面，LaMDA 可以帮助我们做的工作，其实就是总结「搜索结果页首屏」可能呈现出来的关键信息，并将其转换为自然语言。这次，你就可以直接念屏幕上的内容给老婆听了。

这些内容现在仍然没有实际可用的产品原型曝光。另外一边，微软已经宣告将在必应搜索整合 ChatGPT 本尊，甚至功能都已经做好了，甚至都对外放出来了——虽然只有短短的 5 分钟，但已经足够至少 3 个人在 Twitter 上放出截图。

根据截图，必应的 ChatGPT 整合使用了这样一个流程：

首先拆开自然语言提问，将它们转换为普通的搜索关键字。

精选出上述关键字的 5 条最相关的结果。

提取结果中与问题直接相关的段落，并合并同类项。

以这些语料喂入 ChatGPT，生成一段连贯的段落。段落中来自某个来源的一段话或几个词，会用角标形式给出资料来源。

这样做的好处显而易见，可以减少对算法的干扰，避免它分心处理困难的语义分歧；可以事先过滤关键字，以免惹出麻烦；可以解决未联网的 ChatGPT 「瞎编」的困境。

当然，我之前也说过，将材料限定在 Prompt 给出的有限文本中，也意味着要放弃它早前从那锅大杂烩里面学到的不知哪儿来的「知识」，成品可能变得干巴巴的，没有使出十成功力。而这也可能意味着每一次请求结果的运算都更节能，成本更低，甚至如果转化后的关键字别人搜过，还可以直接调用此前生成好的内容呢。真是一举多得。

这话是你说的，你可要负责啊

当人们望着摊开的搜索结果「面板」自己归纳总结的时候，是人们自己对具体采信哪条信息，放弃另一些信息来负责。比如去搜索一些疾病，搜完往往感觉都是「绝症」。但造成这种误解的责任只能归结于用户本人。

然而，如果是 AI 帮你总结这一页到底说了什么，而你看到的只是它嚼过的成品，那就变成搜索引擎要对这段话负责了。——虽然站在搜索引擎的角度看，它也很无辜，它也避免不了，但我们不用等实际产品上线就会推断出，结局一定会是这样。

因此，谷歌们一定要注意不让这些 AI 对搜索结果的演绎演变为新的「搜索炸弹」。当然，也不是完全束手无策：它们都做了很长时间的语音助手，在如何规避违规或政治不正确的结果时，积累了一些经验。比如在必应那种模式下，在拆分搜索关键字阶段即可开始干预。

不同的是，因为语音助手的技术相对比较落后，它们更缺乏「自信」，也更多用车轱辘话搪塞过去，以至于人们有一个它们就玩玩就好的心理预期。ChatGPT 让人感到「革命性」的重要原因，恰恰是它对自己说的东西充满自信，即使那只是一本正经的胡说八道。这使得它的危险性也直线上升。

即使通过脚注方式让每一句话都可以溯源，这种 AI 辅助的搜索依然没解决下一个问题，就是 FT 专栏作者描述的「劣币驱逐良币」：「如果不可靠的文字可以免费获得，而原创研究既昂贵又费力，那么前者将会蓬勃发展。」

AIGC 的内容对一般大众已经足够可用，但对专业人士来说非常粗糙。同时他们对其中借鉴拼凑的痕迹也十分敏感。有些人类画师咒骂说 Midjourney 或 NovelAI 这种 AI 生成的画作，实际上是将人类作品「分尸」以后拼贴而成的「尸块」。

但实际上，使用搜索引擎的人类做的就是拼贴，没什么神秘的。以前我们说程序员「面向谷歌编程」，其实很多人是通往 StackOverflow，该站也是 ChatGPT 解答大量编程问题所使用的信息来源。现在该站据报因为不少原本通过搜索找过来的访问者转而询问 ChatGPT，而损失了一大部分流量。反过来，这又会导致站内人类回答者受到的激励变少，与读者的交互也变少，长远来看不利于维持社区氛围，生成更多的内容。

人类对创作社区的贡献，固然有一些是源于金钱激励，但也有不少是纯粹的「我为人人，人人为我」，比如维基百科以及 StackOverflow。这些站点在帮助大量新生码农入门的同时，也鼓励他们「班门弄斧」地分享，通过获得良性反馈达到自己经验和技能上的进步。

专家也是一步一个脚印踏上来的，没有初学者，哪来的专家？但 AIGC 有可能通过掐掉初学者的幼苗，让人类能做的贡献仅限于那些已经练成的专家，再过几代人，那就没什么知识传承了。而现在的 AI 还完全不会凭空创造。它们只是总结，而且经常是瞎猫碰死耗子这样的总结。

AI 犯的错误能改正吗？

从原理上讲，大模型有天生缺陷。更正一个错误对人类来说是非常容易的（当然人类的自主意志或许不愿意认错），但对现在的生成式 AI 很困难。即使是开发者，也很难定位错误具体出现在哪里，只能通过喂养新的材料试图快速更正。当微软曾经研发的聊天机器人 Tay 难以抵挡大量恶意操作激发出的错误用例时，它只能选择关停。

要想治本揪出病根，而不是看到危机了打个补丁这样的方法，行得通吗？

国内的北京智源人工智能研究院就做了这样的尝试。在我之前对它们的采访中，它们曾经组织多条技术路线赛马。有人做了类似 Wikidata 的中国版知识图谱，希望教会 AI 认知不同事物之间的逻辑关系，雄心勃勃。但最后，智源对外正式发布的第一个成果，是另一条路线的大模型「悟道」。这也是 ChatGPT 蹚过的同一条路线。

大模型源于大数据，但大数据不必然产生（好的）大模型。同样的数据，从什么方向炼，或者拿来以后是否要再筛一下，都可能导致完全不同的结果，机器学习的黑箱也让不同人的经验不能复用。

如果大模型就等于大数据，那百度拥有的中文数据量当然是国内最大的。但我之前说过，就算是百度，他们炼丹的过程也极其艰难。因为上面所说的数据质量和炼丹路径问题，悟道目前还是中文大模型的独苗。（虽然悟道有少数用例，但功能开放很有限，其实外界也很难感知它的成品和 ChatGPT 之间是否有可比性。现在只能是说它们炼出了这么一个东西而已。）

智源骄傲地说，现在 AI 从「大炼模型」已经改为「炼大模型」，从数据上云、算力上云，已经进化到了模型上云。还想重新造轮子的小散现在已经追不上他们了。不过，这中间发生了一个插曲：智源宣布自己大模型阶段性成果的那篇论文《A Roadmap for Big Model》，其中居然有大量段落是直接复制粘贴过来的，实在是观感不佳。

当然这确实只是一个插曲，因为这论文不是它们工作的核心内容。炼丹肯定能炼出来东西，这玩意的成本就摆在那里，造假没什么意义。同时它致敬的来源本身是谷歌的科学家 Nicholas Carlini，其实也说明了集中力量炼大模型已经是跨越东西方的行业共识。

反过来说，这也宣告了 AI 也是朝着深度学习原理未知的「黑箱」方向一条道走到黑，专家系统以及知识图谱路线再一次被打入冷宫。今后，即使大模型因为监管原因，因为政治正确原因必须要有可解释性，那也是用新的机器学习来解释，用一个「黑箱」来解释另一个「黑箱」，补丁永远打下去，类似人类的 Prompt 工程。真正「治本」是没有指望了。

从这个角度来说，就像 Lecun 说过的，以及微软的洪小文在 2019 年 6 月就说过的（我现场听了他那场演讲），当今的 AIGC 相比早前的机器学习没有质的飞跃，只是模型终于大过了可以「骗过」普通人类的那个临界点。在此之前，其实更多进步主要是业内自嗨，大家都是很会自我安慰的，比如谷歌那个神棍员工把一点蛛丝马迹附会为 AI 有自我意识，创造了自己的语言什么的。这当然是扯淡。

所以，ChatGPT 这种「信誓旦旦，虚心接受，坚决不改」的玩世不恭劲儿我们还得忍耐好一阵子。当然，必应方案中将来源链接与文本对应的办法更讨巧，但以这个路线实现的 AIGC，依然不可能有从无到有的自我创造。

所以……？

当 ChatGPT 帮我们撰写文书，做总结陈词的时候——我不知道别人怎么想，但我多少有一种开车时，从手动挡变为自动挡，再前进到特斯拉「Autopilot」让我偶尔能松开方向盘的那种感觉。（巧了，谷歌和百度也都在做自动驾驶。）

适当的改进解放了我的双手，让我精力更充沛。但完全的接管，则还是因为安全原因，不能让我放心。在车厢里，自动驾驶判断错误，会付出生命的代价。在工作中，直接使用 ChatGPT 生成的结果而不润色核查，就要让我自己为这些结果发布后的后果负责。

其结果是，我不得不再自行，或者使用别人的人力，来做事实核查与润色调整。就像我不得不仍然两手放在方向盘上，时不时下意识地转转。

我并没有什么内幕信息，上文描述的情况全都来自公开资料，它们也只是 AI 搜索可能的其中一种实现形式。当然，它的效果会好于目前智能音箱能做到的那种「手气不错」模式。

大多数人可能用到的会是类似自动挡这样，相对全手动挡是「低收益低风险」的改进。少数人会越来越拔高其中 AIGC 所占比重，进入「高收益高风险」的领域。其中多条技术路线相互竞争，最后也许跑出一两个成功的，并且可以被大规模复制的办法（这一点非常重要），让原本的高风险也变成低风险，于是所有人得到更大的收益。我能想到的 AIGC 进化路线，也不外如此。

此时，当前机器学习的黑箱模式，就变成了 AIGC 模式大规模复制的最大障碍。因为你甚至都可能不知道你自己是怎么成功的，你都不能再做第二个同类产品出来。从这个角度上讲，中国厂家即使跟风研究 ChatGPT 竞品，也没什么丢人的。不论用看上去不可能的「白箱」模式，还是用可信赖、高可靠性的黑箱解释黑箱，只要攻克了可解释性这个深度学习的大难关，对全行业也有着重大意义。

最后，祝你每次用 AI 搜索的时候都「手气不错」，得到的结果不用人工修改，就可以直接用。

本文来自微信公众号“航通社”（ID：lifeissohappy），作者：书航，36氪经授权发布。