不用关键词也能精准搜索,新AI搜索引擎火了,网友:刚用5分钟就设为默认

2022 年 11 月 15 日 量子位
萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

总是搜不到想要的资料?试试直接给AI描述你要查的内容!

这可不是什么“智能推荐”功能,而是一个新出炉的AI搜索引擎Metaphor

与谷歌百度等搜索引擎不同,Metaphor搜东西靠的是提示(prompt),就像引导AI作画一样。

直接输入一句话,不用抠关键词

如果提示合适,AI就能准确理解你想要的意思,迅速从无数链接中抽出你想要的网站,按匹配度由上至下列给你,在模糊搜索上甚至比单纯靠关键词搜索更加精确

Metaphor在网上公开测试版后大火,有网友用了不到5分钟,就把它换成Chrome默认搜索引擎了:

所以它究竟是个怎样的搜索引擎,实际使用效果又如何?

如何使用这个搜索引擎网站?

据作者介绍,Metaphor的原理是基于自监督学习模型,通过输入的文本来预测网址。

原理上,有点像是GPT-3基于输入文本预测下一个单词,以及Stable Diffusion基于文本生成图像等操作。

使用Metaphor主要有三种方法。

第一种方法,就是直接列提示,让Metaphor来解读它。

这里有几种列提示(prompt)的方法,全都是基于自动补全的原理,如句子末加冒号(:)、只说半句话、以及给对话等,总之目的是让AI理解你要找的内容。

例如要是想找DALL-E的教程,可以直接说“这里有个很棒的DALL-E教程:”,加个冒号后Metaphor就知道你要找的是什么网站了:

除此之外,也可以“把话说一半”,例如“我认为最适合学Python的方法是……”

这样Metaphor就会自动给你搜出各种相似的网站了。

当然,毕竟是prompt,所以即使是用对话的方式来搜索也可以:

爱因斯坦:你好!
我:嗨,爱因斯坦!天啊,时隔这么久还能和你这样聊天真是太棒了!
爱因斯坦:我也很高兴。
我:爱因斯坦,我想知道你最喜欢的书是什么。
爱因斯坦:啊!好问题。目前来看我最喜欢的书是……

第二种方法,就是直接给A搜B了。

也就是给出具体网站名称,告诉Metaphor想找相似的博客,像这样:

我最爱的两个博客是SlateStarCodex和……

Metaphor就会给出它认为与SlateStarCodex最相似的网站:

如果搜博客名称效果不好(例如有重名博客),还有一种更直接的方式。

第三种方法,就是给Metaphor一个网站,让它去找相似的,这里我们用麦当劳官网试试:

嗯,不仅给出了麦当劳的其他网站,还给出了汉堡王官网(手动狗头)

不过,或许是准备收费或出于一些特殊原因,作者并没有公开背后的详细模型架构,也没有说模型多久会更新一次。

那么相比其他搜索引擎,用prompt搜索是否会有什么优势?

搜人更好用,但中文不行

我们简单试用了一下,发现它在“找人”以及一些模糊搜索上效果特别好。

例如找航天领域、或是AI领域的一些专家:

模型很快就会给出特别明确的、而且在当前领域有一定影响力的人物主页,例如SpaceX、或是OpenAI等公司的主管:

不过,模型自身也还有一些局限性,例如英文输入表现虽然不错,但目前中文搜索准确率不太行,往往与想要的答案相距甚远。

像“马斯克喜欢吃什么”,英文搜索的结果就非常贴切,甚至有“模仿他一周的饮食”这样的帖子:

换成中文后,马斯克顿时就变成了中国人(doge),喜欢吃的东西从热狗、橙子、意面变成了硬菜、咕噜肉和饭……

此外,输入足球明星并以“贝克汉姆”为例,输出的却是羽毛球运动员,再往下甚至还能看见网球运动员的介绍,但就是没有足球的……

不过无论如何,这对于搜索引擎而言都是一个新思路,想做中文搜索引擎的也可以考虑一下了~

你还有见过类似好玩的AI搜索引擎吗?

参考链接:
[1]https://metaphor.systems/blog
[2]https://twitter.com/metaphorsystems/status/1590766127034298370

「2022人工智能年度评选」火热报名中

倒计时9天量子位「2022人工智能年度评选」即将截止报名!本次评选将从企业、人物、产品/解决方案三大维度设置5类奖项,抓紧时间参与吧!

更多关于评选标准、榜单报名欢迎扫描下方二维码~

点这里关注我 👇 记得标星噢 ~

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~ 

登录查看更多
0

相关内容

搜索引擎指根据一定的策略、运用特定的计算机程序搜集互联网上的信息,在对信息进行组织和处理后,为用户提供检索服务的系统。
微信搜一搜中的智能问答技术
专知会员服务
36+阅读 · 2022年6月18日
吴恩达知乎问答:如何系统学习机器学习?
专知会员服务
20+阅读 · 2022年4月10日
深度学习搜索,Exploring Deep Learning for Search
专知会员服务
57+阅读 · 2020年5月9日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
224+阅读 · 2020年3月22日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
204+阅读 · 2020年1月13日
【综述】关键词生成,附10页pdf论文下载
专知会员服务
52+阅读 · 2019年11月20日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年1月15日
已删除
Arxiv
32+阅读 · 2020年3月23日
Arxiv
14+阅读 · 2020年1月27日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Arxiv
15+阅读 · 2018年6月23日
VIP会员
相关VIP内容
微信搜一搜中的智能问答技术
专知会员服务
36+阅读 · 2022年6月18日
吴恩达知乎问答:如何系统学习机器学习?
专知会员服务
20+阅读 · 2022年4月10日
深度学习搜索,Exploring Deep Learning for Search
专知会员服务
57+阅读 · 2020年5月9日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
224+阅读 · 2020年3月22日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
204+阅读 · 2020年1月13日
【综述】关键词生成,附10页pdf论文下载
专知会员服务
52+阅读 · 2019年11月20日
相关基金
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2023年1月15日
已删除
Arxiv
32+阅读 · 2020年3月23日
Arxiv
14+阅读 · 2020年1月27日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Arxiv
15+阅读 · 2018年6月23日
Top
微信扫码咨询专知VIP会员