跳到主要内容

Locke Lee

返回文章库

人工智能/深层解释

ChatGPT、Google 搜寻与传统软件到底有甚么分别?

ChatGPT、Google 搜寻和传统软件都会回应你,但答案来源、责任和可靠性完全不同。看清它们各自应该处理甚么,才不会把可计算的问题交给需要猜测的系统。

01 / 人工智能

三个答案,三种责任

计算机输入 17×23,答案由既定规则推出;搜寻引擎输入问题,核心工作是找出及排序外部页面;ChatGPT 类系统则根据对话与训练所得模式,逐步产生一个新答案。它们都可在一秒内回应,但「答案从哪里来」完全不同。

02 / 人工智能

搜寻不是一个知道答案的人

搜寻结果页更像一张竞争激烈的地图。它展示可能有用的来源,仍要求你打开、比较、判断日期和利益关系。

生成式聊天把这段阅读工作压缩成一个流畅答案,也同时把来源之间的分歧压平。方便不是免费得到的;你以较少摩擦,交换了较少可见的证据路径。

03 / 人工智能

传统软件最笨,亦可能最可靠

银行利息、库存扣减、登机名单这类工作,固定规则往往比「懂语言」更重要。传统软件不需要猜下一步最像甚么,只需忠实执行。

当一项工作有清楚输入、可写规则和不能容忍漂移的结果,加入生成能力可能只是把确定问题改造成概率问题。

04 / 人工智能

聊天答案的秘密是压缩

语言模型并非每次都在资料库找到一段原文再贴上。它把大量语言规律压进参数,再于当下重建一条可能的表达。

这解释了为何它能把概念换个方式说,也解释了为何它可能把两件相似事情缝成一件不存在的事。创造力与幻觉不是两个完全分开的按钮。

05 / 人工智能

最强组合不是互相取代

真正有效的系统常把三者叠起来:传统程式处理权限和交易,搜寻或检索提供最新证据,语言模型理解问题并整理结果。使用者只见一个对话框,背后却应该有不同部件各守自己的责任。

单靠一个模型包办所有事情,通常只是把错误藏得更深。

06 / 人工智能

问一句就能选对工具

如果答案必须每次一样,用规则;如果答案必须来自可查证的最新世界,用搜寻;如果问题含糊、需要重组和表达,用生成模型。若三项都需要,答案不是挑一个品牌,而是设计一条能追溯的工作流。

资料注脚

资料注脚

  1. developers.google.com/machine-learning/crash-course/llm
  2. arxiv.org/abs/1706.03762

资料用来支持机制与限制;模型、产品及价格会更新,阅读时应以来源的版本及日期为准。

读到最后,没有推销。

这里只保留一个更准确的理解,不把好奇心变成销售漏斗。

WhatsApp 联系 Locke Lee