AI Search 的未來是什麼？
從 Google 的傳統搜尋，到 Perplexity 的智慧整合，再到未來可能實現的 AI Agent 整合服務，我們正站在搜尋技術演進的十字路口。這篇文章都能幫助你了解 AI 搜尋的發展趨勢，以及它將如何重塑我們的數位未來。
卷首語
好久不見大家，拖稿很可怕，是拖了一週兩週就會想拖三四五六七八九十週的那種感覺，歡迎大家督促我，或是拿問題來問我，激發思考可以寫更多東西。
最近很多新朋友訂閱，都是從其它創作者的電子報推薦而訂閱的，很高興能被推薦並與你們相遇！
這次把兩篇在臉書的思考放到了文末，有興趣的朋友可以再看看。
知識倉鼠也經營兩年了，很好奇大家給知識倉鼠的標籤是什麼。讀者們可以留下三個標籤讓我參考一下，知道自己給大家的印象是什麼！
朋朋 Vicky 一直 Push 我可以做讀者訪談，如果大家覺得內容對你有幫助、啟發、甚至共鳴都歡迎找我聊聊，希望我的一點價值可以點亮每一位閱讀的讀者們。
課程友情推薦：LLM API 串接應用完全攻略 🤖（by 維元）
隨著 AI 的快速崛起，如何串接大型語言模型建立客製化的應用成為掌握 AI 的第一堂課。這次我們設計了一堂全新的課程【LLM API 串接應用完全攻略 🤖】，將從五個面向全方位的建構 AI 與 LLM 技能樹。如果你也對這個主題有興趣，歡迎加入我們成為一起踏上 AI 工程師之路 🏃🏃🏃
➟ 報名網址：https://dscareer.kolable.app
課程主打 ✨
➊ 提示工程（Prompt Engineering）
➋ 檢索增強生成 RAG（Retrieval-Augmented Generation）
➌ 微調（Fine-tuning）
➍ AI 代理（Agent）
➎ 工具調用（Function Calling/Tool Use）
好友維元的課品質優，有需求的捧油可以參考看看！
（正文開始）
1. 搜尋本質的改變
關於裝上 LLM 的 AI Search 本質上發生的變化，可以先閱讀我年初寫的這篇文章：
本文不會提及過多細節，而是想闡述一個重點：
AI 對使用者需求的理解層次，已從『關鍵字』提升至『完整語句』
過去在 Google 輸入較長的搜尋句子時，常常無法獲得理想的搜尋結果，因此所有使用者在使用 Google 時，被訓練成『只搜尋單一關鍵字』。
當我們用長句子進行搜尋，通常無法獲得好的結果，於是我們把需求拆解成多個關鍵字，並逐一搜尋，然後再自己手動整理資訊，直到找到解決問題的答案。
但如果你用過 ChatGPT 就會發現，即使它的回答未必很完美，但它確實能理解我們想問的問題，在理解提問意圖方面確實相當準確。
過去，Google 能力的天花板是從單一關鍵字去猜測使用者的需求，然後排序結果讓使用者選擇。而現在，AI『明白了』你的需求，就能直接幫你整理資訊。
理解脈絡之後，AI 能做的事就直接上升了一個層次！
2. AI 搜尋的天花板是什麼？
為什麼從這個問題出發？
因為我認為：
AI 搜尋能力的極限將主導未來 AI Search 的發展方向與應用場景。
顛覆式創新需要足夠創新的模式，想要翻轉整個生態系優勢，僅憑簡單的創新是不夠的。
不然看看 Bing，即使加入了 AI Search 也沒有顯著成效，因為整個搜尋模式還不夠新穎。（但上述兩句邏輯上不夠嚴謹，可能會有瑕疵，讀者們可以再多琢磨）
理解能力的提升，直接拔高了 AI 搜尋的天花板。以搜尋的進化歷程來說：
搜尋 1.0 (傳統 Google)： 以關鍵字匹配為核心。
搜尋 2.0 (資訊整合，例如 Perplexity)： 整合多方資訊，提供更全面的答案。
搜尋 3.0 (行動導向)： 直接執行任務，例如訂票、訂位、撥打電話等。1.0 可以直接跳 3.0，這個數字也只是簡單假設而已。
（註：目前這個 3.0 只是我想的其中一個可能，但因為結合執行跟『搜尋』這件事差異較大，所以先當成一個假設即可）
2.0 代表的是大家對於資訊整合的想像，可能像 Perplexity，也可能像 Global Explorer 或 GenSpark。
Perplexity：
Global Explorer：
這些創新僅止於資訊呈現的『形式變化』，尚未達到『革命性應用』的層次。
目前可以想像到這些工具能力的天花板就是在『抓到好的資訊來源，豐富的呈現給使用者』。
只要 Google 願意，它也可以隨時推出類似 Perplexity 或 Global Explorer 這樣的酷炫呈現方式。
此外，現階段沒有一家搜尋引擎能超越 Google，雖然我只能以市佔率來證明 Google 的強大，但確實在不同關鍵字的搜尋結果中，Google 還是最令人滿意的。
因此，只要建立在高品質來源的基礎上，資訊呈現的準確度也會同時具備相應的優勢。
既然講到資料來源，就繼續討論這個讓所有做 SEO 的人最關心的話題。
立足 AI Search 的關鍵之一：來源
對於有從 Google 獲取自然流量的朋友來說，最關心的就是：
AI Search 會不會影響自然流量
我要怎麼進到 AI Search 的來源中
與 OpenAI 合作的搜尋引擎是 Bing，背後則是微軟。因此，ChatGPT 在搜尋後，會拆解使用者意圖，並透過 Bing 的 API 返回搜尋結果。
就像前面說的，想像一下 ChatGPT 把你的需求（句子）拆成多個關鍵字進行搜尋，只是搜尋的地方是 Bing，然後再將搜尋到的資料整合進 ChatGPT 的回答中。
這邊拿 Perplexity 當範例（現在 ChatGPT 不會告訴你它如何拆解關鍵字去搜尋）：
例如，你問『東京三日遊推薦』，它就會去 Bing 搜尋『東京 三日遊 行程推薦』、『東京 三天 旅遊 計劃』、『Tokyo 3 day itinerary recommendations』，甚至會跨語系搜尋。
未來搜尋將會突破語系限制。
而搜尋引擎返回結果的好壞，將決定 AI 問答品質的好壞。
Google 的搜尋結果一直優於 Bing，尤其在中文及其他語系上。所以當你在使用 ChatGPT Search 時，可能會發現一些中文內容較少的資訊或國外較新議題的效果不佳。
另一個重要的點是：
如果你的網站在 Bing 上有問題，那麼你的頁面可能就不會出現在 ChatGPT 的回答中。
LinkedIn 上有人做的實驗案例：https://www.linkedin.com/posts/ivan-hristov-924302132_ai-searchengineoptimization-chatgpt-activity-7258597583353245696-ECWi
今年八月，《FT》雜誌報導，Perplexity 的商務長提到他們使用了多個搜尋引擎作為資料來源，同時也在建立自己的資料庫和排名系統，這讓他們能抓取到更高品質的資料來源，進而提升答案的品質。
值得注意的是，AI Search 的興起並不代表 SEO 將失去重要性，而是要被挑選成資料來源之一，Google 排名一樣也很重要。
大家都想搶佔桌面入口
ChatGPT Search 剛推出的頭兩天，ChatGPT 和 Perplexity 都推出了瀏覽器擴充功能，試圖取代 Google。
說實話，要不是因為工作需要，我可能也會用 Perplexity 取代 Google 作為搜尋入口。
使用 Mac 的朋友或許會注意到，近一年來，各種工具如 Raycast、Claude、ChatGPT、Perplexity 等都在搶佔 Mac 的入口。
這個入口指的是可以隨時呼叫，並顯示在系統最上方，連結各種資訊和應用程式的地方。
Perplexity：
Raycast：
前面提到，顛覆式創新需要足夠創新的模式，AI Search 必須打破現有的資訊連結方式，將使用者與應用程式的連結更緊密。
而這些入口正是連結一切的好方法。
想像 AI Search 的天花板，就是在猜測這些大公司想如何打破 Google 的霸主地位。
LLM 的出現，使得 AI Agent 成為未來必定火熱的項目之一，也讓過去的 Low Code/No Code 概念重新回到大家眼前。
有興趣深入了解的朋友可以參考這份研究：https://bit.ly/4fJqQXM
提到 AI Agent，是因為我認為 AI Search 的大野心在於透過入口實現『AI Search + AI Agent』的結合。
目前幾乎所有 LLM 模型都能理解使用者的需求，即使問題表達得比較模糊，只要多提問幾次，就能抓得相當準確，再利用工具實現問題解決。
直接上一段 Claude 的影片讓大家感受一下：
小結
科技變化迅速，如果你身處於受衝擊的行業，不妨放下焦慮，試著用最專業的知識去想像未來。
老實說，我也不確定這樣的想法是否正確，但我會盡量在邏輯順暢、方向明確的基礎上進行討論。
因此我從 Google 搜尋的本質、使用者需求的瓶頸、LLM 的突破，最後討論到 AI Search 的天花板，並猜測未來 AI Search 可能會與 AI Agent 密切結合。
這個趨勢也讓我想到每年提到的 SEO 趨勢：語音搜尋（Voice Search）。
每年都會聽到 SEO 說語音搜尋是個趨勢，但近兩年反而沒什麼進展。
但是按照『LLM 一定會越來越便宜，且模型會逐漸縮小至手機硬體端也能使用』這個趨勢來看，未來智慧音箱或許終於能迎來爆發的一天。
如果上句粗體不明白的讀者可以留言，我再進一步解釋，怕東西太多會很亂。
最後，我再補兩篇我在臉書上的思考雜談，如果有邏輯疏失或未能思考周全之處，也歡迎大家指正。
最後是我想分享的：
這個時代的標準答案已經不再那麼重要，最重要的是如何不斷提出更好的問題，直指不同情境問題的核心。
雜談一：每天都覺得，想好問題比想答案還要難
像是『SearchGPT 出來了，對 SEO 的影響是什麼？』
但大問題這樣想就想不到答案，需要拿起核心切割刀，先找到問題的核心然後開始切問題。
這題的核心是什麼？
SearchGPT 解決的需求跟 Google 搜尋解決的需求一樣嗎？不一樣的話差異是什麼？
哪些流量會被 SearchGPT 取代、哪些不會，為什麼？
Perplexity、SearchGPT、Bing Chat 差異為何？
這幾個核心分別從需求、公司各別差異、產品型態下去切。
但往往每個問題都能不斷的繼續切、一直切，直至該問題能引導我們思考的事物真正的本質。
因為事物通常是錯綜複雜的，而且思考的產物往往伴隨一個人的經驗、閱歷及立場。
只有切出思考的核心，我們才能將這些脈絡匯聚成一個完整有序且邏輯通順的答案。
正因為很多問題沒有標準答案，因此人們如何『主動選擇』調理問題要用的材料就成了最寶貴的動作。
AI 很厲害沒錯，但是它終究少了關於『這個人（通常指你）』的經驗、感受及閱歷。
所以它會有一套標準答案，但這個答案並不一定適合你。
而我們找出答案的方式，就是一次次找到大問題背後，錯綜而成的多個問題背後的核心，然後想出我們的 "局部最佳解"。
（數學用語，白話文就是在特定條件和限制下的最佳選擇，事後諸葛一定都有更好的做法，但當下不一定會想到。）
所以每天遇到事情、問題時，我都在想『這問題的核心是什麼』、『如何用兩三句來精煉目前問題的本質』。
AI 工具是一塊原石，但反而讓我們體悟到，必須每天都用思考去錘煉這塊原石，有越強的思考能力這塊原石才能淬煉出更強的能力。
也許工具未來會變強，但那總歸踩在思考的基石上。
=======
偶爾也來心情小語限友分享一下，不然好像經營個人臉書都沒有什麼人設。
我的人設就是可以認真的同時又北爛！
蠻喜歡把自己的思考過程梳理出來，讓自己也會越想越清晰。
最後附上一句我很喜歡的話，推薦掛在腦中：
「檢驗一流智力的標準，就是看你能不能在頭腦中同時存在兩種相反的想法，還維持正常行事的能力。」
- F. Scott Fitzgerald
雜談二：ChatGPT 現在全球已經衝到第 8 大網站了
ChatGPT 現在在台灣是第 19 名。
免費用戶不用登入也能使用，因此開始有一部分人的搜尋習慣不再僅僅依賴 Google。
現在聽到最多的兩種聲音是：
『ChatGPT 其實沒什麼人在用，有在用的都只是同溫層』
『越來越多人用了耶』
大家的說法都有其道理，但也許可以用一個指標，稱之為『連我爸媽都在用了』的指標。
如果家中的長輩對資訊的敏感度很低，甚至不太會使用 3C 設備，但有一天他們開始在手機和電腦上使用，那就真的是一個普及的象徵了。
p.s. 長輩好像都會念『恰 GPT』XDDD
拉回來，在『LLM 一定會越來越便宜』這個趨勢下，將會有越來越多人可以體驗到更完整的 ChatGPT 功能，也包括 SearchGPT 的功能。
ChatGPT 一定會進入搜尋市場，因為這塊餅非常大。前幾週我看到 SearchGPT 上線時，大家驚呼連連，不過對於早就在使用 Perplexity 的我來說，並沒有什麼太大的驚訝。
因為我早就把九成的搜尋習慣改成使用 Perplexity 了，雖然個人的搜尋習慣改變並不能代表其他使用者的搜尋習慣，但還是有一些值得思考的問題：
什麼促使使用者改變搜尋習慣？是否成為一個大趨勢？
搜尋的本質是什麼？技術突破是否改變了這個本質所對應的需求？
要推翻 Google 必須是顛覆式創新，那 Search AI 的極限可以到哪裡？（想像力決定了 SearchGPT 未來的走向，我也不清楚）
問題永遠比答案重要，因為要想像一年後的情況變得很困難。
但抓住一些必然的趨勢（例如 LLM 會越來越便宜）、不變的本質事物（使用者的需求是什麼？）、技術突破帶來的關鍵（LLM 可以理解使用者輸入的脈絡）等。
可以幫助我們想出更好的問題。
用個比喻來說，上個時代職業明確、工作穩定，所以人生就像拿著地圖，你走到某個點差不多就能過好一生（考公務員、特定工作）。
但這個世代不同，30 年前誰會知道可以當 YouTuber、拍抖音賺錢、當網站工程師等等，新的職業需求不斷出現，這些都不是學校會教的。
這個時代的地圖（明確的地點）能發揮的效果有限，而指南針的重要性遠遠大於地圖，知道好的方向很重要。
而指南針需要由不同行業的核心問題所構成，想對問題才能抓到方向。
這也是為什麼我認為好問題遠比好答案更重要的原因。
很棒的主題，謝謝分享🙏