Perdebatan yang semakin berkembang dalam komuniti AI berpusat pada sama ada sistem carian tradisional sebenarnya menghalang ejen AI. Walaupun kebanyakan syarikat melabur besar-besaran dalam enjin carian yang canggih dengan algoritma penarafan lanjutan dan pengoptimuman penglibatan pengguna, sesetengah pembangun mendapati bahawa pendekatan yang lebih mudah berfungsi lebih baik apabila ejen AI yang melakukan carian berbanding manusia.
 |
|---|
| Grafik promosi untuk ceramah mengenai teknik carian lanjutan, menonjolkan cabaran yang dihadapi oleh sistem carian tradisional |
Masalah dengan Sistem Carian Pintar
Sistem carian tradisional dibina seperti kotak hitam. Mereka mengambil pertanyaan dan mengembalikan hasil menggunakan algoritma kompleks yang mempertimbangkan penglibatan pengguna, sinonim, dan isyarat penarafan. Tetapi ejen AI bergelut dengan sistem ini kerana mereka tidak dapat memahami bagaimana alat carian sebenarnya berfungsi. Apabila ejen mendapat hasil yang tidak dijangka, ia tidak mempunyai cara untuk menyesuaikan pendekatannya dengan berkesan.
Perbincangan komuniti mendedahkan ketegangan asas antara apa yang manusia mahukan daripada carian dan apa yang diperlukan oleh ejen AI. Ramai pengguna menyatakan kekecewaan dengan enjin carian moden yang cuba menjadi terlalu bijak, lebih suka padanan kata kunci mudah yang berkelakuan boleh diramal.
Perbandingan API Carian Tradisional vs Mudah
| Ciri | API "Tebal" Tradisional | API "Bodoh" Mudah |
|---|---|---|
| Pemprosesan Pertanyaan | Kompleks dengan sinonim, penarafan, pengoptimuman penglibatan | Padanan kata kunci asas dengan pemarkahan BM25 |
| Ketelusan | Operasi kotak hitam | Tingkah laku yang jelas dan terdokumen |
| Penaakulan Ejen | Sukar - hasil tidak dapat diramal | Mudah - input/output boleh diramal |
| Data Penglibatan Pengguna | Dioptimumkan untuk corak klik manusia | Tiada pengoptimuman tingkah laku pengguna |
| Prestasi | Pantas, dioptimumkan | Lebih perlahan tetapi lebih boleh ditafsir |
 |
|---|
| Carta alir yang memperincikan proses " Agentic Search ," menerangkan bagaimana ejen AI boleh mencari pilihan yang sesuai untuk "budak-budak geek" dengan berkesan. Ini mencerminkan keperluan untuk alat carian yang lebih mudah seperti yang disebut dalam artikel |
Mengapa Alat Carian Mudah Berfungsi Lebih Baik untuk Ejen
Daripada API carian yang kompleks, sesetengah pembangun sedang bereksperimen dengan carian kata kunci asas yang boleh difahami dan difikirkan oleh ejen. Alat mudah ini memberitahu AI dengan tepat bagaimana mereka berfungsi - hanya memadankan kata kunci dengan pemarkahan asas. Ketelusan ini membolehkan ejen membina model mental alat tersebut dan menggunakannya dengan lebih berkesan.
Pendekatan ini kelihatan bertentangan dengan intuisi, tetapi keputusan awal menunjukkan harapan. Ejen boleh berjaya mencari produk yang berkaitan dengan mencuba kombinasi kata kunci yang berbeza dan belajar daripada hasil mereka. Mereka juga boleh mengingati apa yang berfungsi dengan baik untuk pertanyaan serupa pada masa lalu, membina pengetahuan dari masa ke masa.
Nota: Pemarkahan BM25 adalah fungsi penarafan yang digunakan oleh enjin carian untuk menganggarkan kaitan dokumen kepada pertanyaan carian tertentu berdasarkan kekerapan kata kunci dan panjang dokumen.
Komponen Teknikal Utama Carian Mudah untuk Ejen AI
- Fungsi Carian: Carian kata kunci langsung tanpa sinonim
- Pemarkahan: Algoritma BM25 pada nama produk dan penerangan
- Tokenisasi: Tokenisasi snowball asas
- Sistem Memori: Ejen menyimpan dan mengingat kembali penilaian pertanyaan lepas
- Caching Semantik: Carian vektor untuk pertanyaan lepas yang serupa
- Penilaian Kendiri: " LLM-as-a-judge " untuk penilaian kualiti hasil
Bahagian yang Hilang: Data Tingkah Laku Pengguna
Walau bagaimanapun, komuniti mengenal pasti kelemahan utama dalam pendekatan ini. Ejen AI membuat keputusan berdasarkan penaakulan logik, tetapi pengguna manusia sering berkelakuan tidak dapat diramal. Orang mengklik pada warna yang membosankan daripada yang menarik, memilih produk atas sebab yang tidak berkaitan dengan pertanyaan carian mereka, atau mencari apa yang mereka perlukan tanpa mengklik apa-apa.
Kita tidak boleh mengharapkan LLM untuk mempunyai sebarang idea tentang perkara gila dan tidak waras yang manusia lakukan apabila tiada siapa yang memerhati.
Enjin carian tradisional menghabiskan bertahun-tahun belajar daripada berjuta-juta interaksi pengguna untuk memahami corak ini. Ejen AI pada masa ini tidak mempunyai akses kepada maklum balas berharga ini, berpotensi menjadikan mereka hakim yang lemah tentang apa yang sebenarnya pengguna mahukan.
Kebimbangan Kepercayaan dan Kawalan
Perbincangan juga mendedahkan kebimbangan yang lebih mendalam tentang ejen AI membuat keputusan bagi pihak pengguna. Memandangkan ejen ini biasanya berjalan pada pelayan syarikat berbanding peranti pengguna, terdapat persoalan sama ada mereka akan kekal sejajar dengan kepentingan pengguna dari masa ke masa. Sejarah industri teknologi tentang perkhidmatan yang pada mulanya membantu menjadi kurang mesra pengguna apabila mereka matang menambah kebimbangan ini.
Sesetengah ahli komuniti bimbang bahawa ejen AI yang dioptimumkan untuk penaakulan logik mungkin sebenarnya membuang hasil carian yang pengguna akan dapati menarik, semata-mata kerana ejen tidak memahami keutamaan manusia.
Melihat ke Hadapan
Walaupun pendekatan carian mudah menunjukkan harapan untuk ejen AI, ia hanya mewakili permulaan menyelesaikan masalah carian dalam dunia yang didorong AI. Cabaran terletak pada menggabungkan ketelusan yang diperlukan ejen dengan wawasan tingkah laku pengguna yang menjadikan carian benar-benar berguna. Apabila ejen AI menjadi lebih biasa, sistem carian mungkin memerlukan reka bentuk semula asas untuk melayani pengguna manusia dan buatan dengan berkesan.
Perdebatan ini menyerlahkan persoalan yang lebih luas tentang sistem AI: patutkah kita membuat alat yang berfungsi dengan baik dengan penaakulan AI, atau patutkah kita fokus pada menangkap realiti yang tidak kemas tentang tingkah laku manusia? Jawapannya mungkin menentukan bagaimana kita berinteraksi dengan maklumat pada tahun-tahun akan datang.
Rujukan: Agents turn simple keyword search into compelling search experiences