生成式 AI 重新定义我们与技术的交互，我们搜索信息的方式也正在发生深刻的转变。依赖关键词匹配和检索的传统搜索引擎正逐渐被更先进的系统所取代，这些系统利用生成式 AI 来提供上下文驱动、更深入、更准确的洞察。这种从基本检索到深度推理的转变将改变我们与信息的交互，将搜索引擎从简单的数据查找器发展成为有价值的助手，不仅可以帮助我们找到所需的内容，还可以帮助我们理解信息和做出明智的决定。

搜索的演变

搜索技术的旅程始于简单的基于关键字的系统。AltaVista 和 Yahoo！ 等早期搜索引擎在很大程度上依赖于将用户查询与索引网页相匹配。虽然在某种程度上有效，但这些系统经常返回大量不相关的结果，需要用户筛选信息页面才能找到他们需要的内容。

1990 年代后期 Google 的出现标志着一个重大的飞跃。Google 的 PageRank 算法通过考虑网页的相关性和权威性来改变搜索，从而产生更准确和有用的结果。然而，即使取得了这些进步，传统搜索引擎仍然从根本上受到对关键词匹配的依赖的限制。

AI 在搜索领域的兴起

AI 与搜索技术的集成开辟了新的可能性。机器学习算法、自然语言处理 （NLP） 和神经网络使搜索引擎能够理解上下文、意图和语义。这导致了更直观和用户友好的搜索体验的发展。

AI 驱动搜索最显着的进步之一是能够处理自然语言查询。用户现在可以以对话方式提问，而不是输入一系列关键字。例如，用户无需搜索“纽约最好的意大利餐厅”，而是可以问“纽约市最好的意大利餐厅是什么？AI 驱动的搜索引擎可以理解查询的意图并提供相关结果。

为什么搜索引擎需要深度推理

虽然 AI 显著提高了搜索结果的准确性和相关性，但搜索技术仍然难以处理需要更深入推理和微妙理解的复杂查询。想象一下，您试图为罕见的疾病寻找最佳治疗方案，或就合同纠纷寻求法律建议。目前的搜索技术，即使是那些由 AI 增强的搜索技术，也可能会为您提供文章或文档列表——但如果您需要更多怎么办？如果您正在寻找一个不仅可以检索信息，还可以理解查询复杂性、权衡不同观点并提供合理分析的系统，该怎么办？

这就是当前搜索技术的不足之处。虽然它很擅长获取数据，但在面对复杂的问题时，它很难将各个点连接起来。例如，询问“AI 在医疗保健领域的道德影响是什么”可能会分别返回有关道德、AI 和医疗保健的文章，但它不会将这些线索整合成一个连贯的答案，真正解决您查询的复杂性。为了处理此类复杂的查询，搜索引擎应具有推理能力，以综合来自多个来源的信息、分析含义并提供详细、精致的响应。

检索增强一代如何改变搜索引擎

检索增强生成 （RAG） 最近在搜索技术方面取得了重大进步。与依赖关键字匹配的传统方法不同，RAG 将信息检索与生成式 AI 相结合。这种组合使系统不仅可以从庞大的数据集中提取相关数据，还可以使用大型语言模型创建连贯、上下文丰富的响应，并根据用户的特定查询进行修改。基于 RAG 的搜索技术的示例是 Google 的 Vertex AI 搜索、Microsoft 的 Bing，其他示例在我们的顶级 AI 搜索引擎列表中。

RAG 通过关注文档的特定部分而不是根据关键字匹配检索整个文档来增强搜索。例如，如果您正在研究气候变化对北极生态系统的影响，则 RAG 支持的搜索将获取讨论此主题的确切部分，从而提供更精确、更高效的搜索体验。

然而，虽然 RAG 已将信息检索从文档转移到段落检索，但它仍然缺乏推理和综合细节的能力，无法很好地集成响应。例如，如果被问到，“减轻气候变化对北极生态系统影响的最有效策略是什么？”RAG 系统可能会采用各种策略，但难以评估和提出最佳方法。

虽然正在进行的研究旨在通过更好的推理和规划能力来增强 RAG 系统，但这些技术仍在不断发展。这表明需要进一步开发，使搜索系统不仅能够检索和生成信息，而且还能提供深思熟虑和合理的信息。

知识图谱的作用

知识图谱可以在搜索技术中实现推理方面发挥关键作用。这些结构化的信息表示捕获了实体之间的关系，使 AI 系统能够理解上下文并建立联系。例如，知识图谱可以将 “climate change” 与“carbon emissions”、“global warming” 和 “renewable energy” 等相关概念联系起来。

通过利用知识图谱，AI 驱动的搜索引擎可以提供更准确且与上下文相关的答案。当用户提出一个复杂的问题时，AI 可以遍历知识图谱以收集来自各个领域的信息，从而确保全面而全面的响应。

一些研究人员正在探索将知识图谱与 RAG 合并的方法，以利用 RAG 在识别相关文本段方面的优势以及知识图谱映射概念之间关系的能力。这种整合不仅仅是检索有关气候变化对北极生态系统影响的相关段落，而是旨在连接和综合有关碳排放和生物多样性等相关因素的信息，提供更全面和与上下文相关的答案。随着这些技术的不断发展，它们有望将搜索转变为更周到、更有洞察力的工具。

认知计算和情境理解

认知计算使系统能够理解和推理上下文，从而将 AI 驱动的搜索提升到一个新的水平。这不仅涉及处理查询内容，还涉及考虑用户的意图、偏好和过去的交互。例如，如果用户经常搜索有关可持续生活的信息，认知搜索引擎可以更改其响应以符合用户的兴趣。

情境理解也延伸到识别语言的解释。生成式 AI 系统可以解释惯用语、隐喻和文化参考，从而提供更准确和有意义的结果。这种复杂程度将搜索引擎转变为能够进行有意义对话的智能助手。

对各行各业的影响

从检索到深度推理的转变对各个行业都有深远的影响。在医疗保健领域，AI 驱动的搜索引擎可以通过分析医学文献、患者记录和临床指南来帮助医生诊断复杂的疾病。在金融领域，具有推理能力的搜索技术可以为投资者提供全面的市场分析，考虑经济指标、地缘政治事件和历史趋势等因素。

教育是搜索引擎的推理能力可以产生重大影响的另一个领域。这些搜索引擎可以充当个性化的导师，通过提供修改后的解释和资源来帮助学生理解复杂的概念。这种知识民主化有可能弥合教育差距并赋予全世界学习者权力。

底线

随着搜索技术的发展，它逐渐从检索数据转变为理解和推理信息的工具。AI 的进步，如检索增强生成和知识图谱，开始将搜索引擎转变为更直观的助手，可以为复杂的问题提供深思熟虑的回答。这种转变有可能对医疗保健和教育等行业产生重大影响，使搜索成为更有价值的决策和学习资源。

（机器翻译，轻度译后编辑，仅供参考。）

编辑：杨馨玥