文 | 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？
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：
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”。
ChatGPT模型Demo测试地址：
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？！？）
卖萌屋作者：天于刀刀
注重 WLB 的工业界反卷斗士，未进化的 NLP 咸鱼一条。专注于研究在各个场景中算法模型的落地情况，希望自己编写的算法有朝一日可以改变世界。目前的兴趣点在于：假新闻检测、深度学习模型可解释性等。
作品推荐
1.腾讯薪酬改革来了！晋升≠加薪？员工到底为何工作？
2.从 Google AI 离职了，这里让我爱不起来
3.百万悬赏！寻找“模型越大，效果越差”的奇葩任务！
4.想通这点，治好 AI 打工人的精神内耗
后台回复关键词【入群】
加入卖萌屋NLP、CV、搜广推与求职讨论群
[1]https://twitter.com/jdjkelly/status/1598021488795586561
[2]https://chat.openai.com/chat
[3]reStructured Pre-training, https://arxiv.org/abs/2206.11147
结构化异常处理(Structured Exception Handling))
