传统的搜索模式有诸多受限，随着互联网的发展进步，带来了AI对话式搜索，这一搜索模式为用户带来了更好的搜索体验，其发展机遇是可见的，但是在未来AI对话将面临什么挑战呢？让我们看看作者的观点。

2022年11月30日：OpenAI发布ChatGPT，短短两个月时间月活过亿 ，预示着大模型时代的来临！

2023年2月8日：微软宣布上线 New Bing 和 Edge浏览器，整合 OpenAI 的 GPT 技术，可以与用户进行对话式搜索、交互聊天。

2023年4月6日：《华尔街日报》报道称，谷歌也计划在其搜索引擎中，添加对话式AI功能。

业界大佬纷纷入局抢占先机，国内大厂也纷纷入场开启“军备竞赛”。

今天小编就带大家粗浅了解下什么是大模型，大模型未来对企业、人们的日常生活到底会有哪些颠覆和影响。各行业又能将LLM大语言模型应用到哪些业务中去。

一、什么是LLM大语言大模型？

LLM=Large Language Model 大语言模型，是一种基于深度学习的自然语言处理模型。它能够学习到自然语言的语法和语义，从而可以生成人类可读的文本。

所谓“语言模型”，就是只用来处理语言文字（或者符号体系）的AI 模型，发现其中的规律，可以根据提示(prompt)，自动生成符合这些规律的内容。

简言之：能够理解输入的文字、语言，并给出相应回答。

典型代表有ChatGPT（OpenAI）、通义千问（阿里）、文心一言（百度)、ChatGLM（清华）、Chatlaw（北大）。

二、大模型训练门槛有多高?需要大量的数据进行训练非常大的参数数量的人工神经网络（数十亿）需要投入大量的机器资源进行优化和调整技术团队的工程实现能力要求非常高

总结下来就是财力及投入意愿、工程能力、技术热情，都有极高的要求，目前市面上能支撑上述要求的机构少之又少。

并且这些模型训练数据来自世界知识，无论是多强大的LLM，能压缩的知识量仍然是有限的。当遇到企业专属知识时，这些模型也很难给出准确答案。

举一个例子，下图中的问题是关于阿里巴巴内部的技术产品，属于企业专属知识，就算是强大的ChatGPT模型给出的答案也是完全错误不相关的。

针对这个问题，OpenAI提出了chatgpt-retrieval-plugin、WebGPT，开源社区提出了DocsGPT、ChatPDF、基于langchain的检索增强chatbot等等一系列解决方案，足以证明业界对如何在个人/企业专属数据上结合LLM需求强烈。

三、传统搜索VS对话式搜索

下面举几个例子给大家直观感受下对话式搜索的的优势：

1. 传统的客服问答

下面画面常常发生在我们线上购物和机器人客服的对话，答案分散，不能快速抓到用户的搜索意图，用户体验较差。

同理，这也是很多人打银行客服电话还是喜欢转人工处理的原因。

2. 传统搜索引擎搜索

传统搜索引擎的没有目共睹。即时通信已经取代搜索引擎成为移动互联网时代新的核心流量入口。即使是全球市场占有率最高的谷歌搜索，其用户量也面临着被社交网站、短视频APP瓜分的危机。

传统搜索引擎的痛点首先是信息过剩，不能直接召回到用户搜索意图，需要在信息网里自行查找筛选，耗时耗力也不一定找到问题的解。其次信息壁垒。

从PC互联网时代走入移动互联网时代，信息散落到了各个App当中，用户随之流向其内部的搜索。

3. AI对话式搜索

更快、更准、更丰富，给予用户有建设性、拓展性的答案。将用户获取信息和服务的方式从输入冰冷的关键词转向人机“多轮对话”。

四、对话式搜索在业务中的应用电商：用户答疑、直播选品、售前咨询、售后服务等内容：IT、文娱、专业领域等个性化场景企业知识库：企业内部资料、产品文档、技术资料等教育：知识总结、搜题生成答案

AI对话式搜索在这些场景的应用可以有效提升用户信息获取效率、产品体验、业务转化、用户粘性、用户活跃。有效降低人工成本，运营成本。

目前这些典型场景却无法直接使用ChatGPT等大模型，实际用于到自身业务中去。

首先是数据问题，大模型来自公网数据，无法满足企业业务搜索需要。其次存在安全风险，生成内容不可控，风险较高。

企业需要基于自身数据构建垂直领域问答式搜索。

五、是机遇也是挑战

目前虽然大模型热度高，很多企业也关注到了对话式搜索给业务带来的机遇，但实际能应用起来的还很少。

一是落地难度大，技术能力要求高；二是缺乏场景，除头部客户以外，业务需求还未达到这个层次，处于观望了解阶段。

那如果是创业公司在选择大模型接入时，是选开源还是闭源呢？

各有优势。开源你只需要买TOKEN就好了，再加上 Prompt engineering和向量数据库等。闭源的优势在于，保护数据隐私，并且可以不断用数据填充完善自己的模型。

给大家介绍下市面接入较多的两种方案

1）企业自建方案：基于开源大模型，企业自行微调自建。

需要使用A100卡或单机多卡支持专业的算法研发人员，数据处理→开发调试→训练模型→模型部署对企业数据质量有要求，否则影响训练效果涉及图文、音视频数据，需要转为向量化数据

2）产品化方案：阿里云OpenSearch LLM问答版端到端方案，可以构建企业专属模型。

基于阿里模型+企业自有数据进行模型微调拓展，自动生成Query对应的问答搜索结果，接入门槛较低问答结果基于业务数据搜索生成，保证问答结果稳定性与数据安全性支持图文多模态信息搜索，支持问答结果的人工干预

六、AI对话式搜索行业应用展望

1）助力企业创新能力

LLM可根据大量数据进行预测分析，为企业提供有针对性的战略建议，提供新的创新途径；开展垂直领域或行业子模型的研究，做应用场景和用户数据反哺、调优，实现企业定制化搜索。

2）优化客户支持和服务

智能客服可根据客户输入的问题，提供即时、准确的解答，减轻传统客服压力；对于复杂问题，LLM可为技术支持团队提供问题解决方案，提高问题解决效率。

3）复杂信息提炼，提升信息获取效率

利用LLM数据整合与分析能力，将复杂信息进行要点提炼，观点的归纳整理，节省用户信息获取效率，从而有更多的时间进行深度和系统的思考。

4）低代码应用

通过API融入到产品的标准模块里，更低的开发成本、更少的时间投入，来满足日益增长的客户个性化需求。

本文由 @KKai 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。