AI 意味着我们所知的互联网搜索时代的终结

作者：Mat Honan 2025年1月6日

我们都知道google一下在口语中是什么意思。你在搜索框中输入几个相关词，作为回报，你会得到一个最相关结果的蓝色链接列表。可能顶部会有一些快速解释。可能有一些地图、体育比分或视频。但从根本上说，它只是以某种结构化的方式获取互联网上已有的信息并展示给你。

但这一切都面临挑战。我们正处于一个新的转折点。

自20世纪90年代以来，搜索引擎向我们传递信息的方式正在发生最大的变革。不再是关键词搜索。不再是浏览需要点击的链接。相反，我们正在进入对话式搜索时代。这意味着你不用关键词，而是使用真实的问题，以自然语言表达。而不是链接，你会越来越多地得到答案，这些答案由生成式 AI 编写，基于来自互联网各处的实时信息，以同样的方式传递。

当然，Google——在过去25年里定义了搜索的公司——正试图走在前面。2023年5月，它开始测试对搜索查询的 AI 生成响应，使用其大语言模型 (LLM) 来提供你可能从专家来源或可信朋友那里得到的答案类型。它称之为 AI Overviews。Google CEO Sundar Pichai 在接受《MIT Technology Review》采访时将其描述为"我们很长很长时间以来对搜索做出的最积极的改变之一"。

AI Overviews 从根本上改变了 Google 可以处理的查询类型。你现在可以问它一些问题，比如"我下个月要去日本一周。我将住在东京，但想进行一些一日游。附近有什么节日吗？镰仓的冲浪会怎么样？有什么好乐队在演出吗？"然后你会得到答案——不仅仅是 Reddit 的链接，而是一个包含当前结果的完整答案。

更重要的是，你可以尝试一些以前几乎不可能的搜索，并得到正确的答案。你不必能够准确地表达你在寻找什么。你可以描述你院子里的鸟长什么样，或者你的冰箱似乎有什么问题，或者你的车发出的奇怪噪音，然后得到一个几乎像人类一样的解释，这个解释是从以前分散在互联网各处的来源整合而成的。这很神奇，一旦你开始那样搜索，就会上瘾。

而且这不仅仅是 Google。OpenAI 的 ChatGPT 现在可以访问网络，这使它在为你的查询找到最新答案方面变得更好。Microsoft 在9月发布了 Bing 的生成式搜索结果。Meta 也有自己的版本。初创公司 Perplexity 也在做同样的事情，但采用了"快速行动，打破常规"的理念。当这些参与者争相成为下一个信息检索的首选来源——下一个 Google 时，数万亿美元的利益正岌岌可危。

并不是所有人都对这种变化感到兴奋。出版商们完全慌了。这种转变加剧了对"零点击"未来的担忧，在这种未来中，搜索引荐流量——自 Google 存在之前就是网络的支柱——将从现场消失。

去年6月，当我在手机上收到 Perplexity 应用程序的推送提醒时，我看到了那个未来的景象。Perplexity 是一家试图重塑网络搜索的初创公司。但除了提供对查询的深度答案外，它还会创建关于当日新闻的完整文章，由 AI 从不同来源拼凑而成。

那天，它向我推送了一则关于 Eric Schmidt 新无人机公司的故事。我认出了这个故事。Forbes 早在那周早些时候就独家报道了这个消息，但它被锁在付费墙后面。Perplexity 故事上的图片看起来与 Forbes 的完全相同。语言和结构非常相似。实际上是同样的故事，但任何人都可以在互联网上免费获取。我给一个编辑过原始故事的朋友发短信，问 Forbes 是否与这家初创公司有转载内容的协议。但没有协议。他感到震惊、愤怒，而且，嗯，困惑。他并不孤单。Forbes、纽约时报和 Condé Nast 现在都向该公司发出了停止令。新闻集团正在起诉索赔。

人们担心这些新的 LLM 驱动的结果对我们的基本共享现实意味着什么。它可能意味着标准答案的终结。

这正是出版商一直如此害怕的噩梦场景：AI 正在吸收他们的优质内容，重新打包，并以一种让人没有理由点击查看原始内容的方式向受众推广。事实上，在 Perplexity 的"关于"页面上，它列出选择该搜索引擎的第一个原因是"跳过链接"。

但这不仅仅关乎出版商（或我自己的利益）。

人们也担心这些新的 LLM 驱动的结果会对我们的基本共享现实意味着什么。语言模型有编造东西的倾向——它们可能会产生幻觉性的胡说八道。此外，生成式 AI 可以每次都为同一个问题提供全新的答案，或者根据它对不同人的了解提供不同的答案。它可能意味着标准答案的终结。

但毫无疑问：这就是搜索的未来。你自己试一试就知道了。

当然，我们总是需要使用搜索引擎来浏览网络，发现新的和有趣的信息来源。但外部链接正在退居次要地位。AI 能够根据来自网络各处的实时数据，为几乎任何类型的问题组织一个有理有据的答案，这simply提供了更好的体验。特别是与近年来网络搜索的现状相比。如果它还不是完全坏掉（数据显示越来越多的人比以往更频繁地使用 Google），它至少变得越来越杂乱，难以导航。

谁想要必须说搜索引擎的语言才能找到你需要的东西？当你可以得到直接答案时，谁想要浏览链接？也许是：当你可以直接知道时，谁想要必须学习？

一开始有 Archie。它是第一个真正的互联网搜索引擎，它爬取之前隐藏在远程服务器黑暗中的文件。它不会告诉你这些文件里有什么 —— 只有它们的名字。它不预览图片，没有结果层级，甚至没有多少界面。但这是一个开始。而且它相当不错。

然后 Tim Berners-Lee 创造了万维网，各种网页随之涌现。Mosaic 主页、互联网电影数据库、Geocities、Hampster Dance、网环、Salon、eBay、CNN、联邦政府网站和土耳其某个人的主页。

最后，网络变得太大，甚至不知道从哪里开始。我们真的需要一个更好的方式来导航，来真正找到我们需要的东西。

所以在1994年，杨致远创建了 Yahoo，一个分层的网站目录。它很快成为数百万人的主页。它是...嗯，还可以。说实话，回想起来，我想我们当时都认为它比实际上要好得多。

但是网络继续增长、蔓延和扩张，每天都有更多信息上线。与其仅仅按类别列出网站，我们需要能够真正查看所有内容并为其建立索引的东西。到90年代后期，这意味着要从各种搜索引擎中选择：AltaVista、AlltheWeb、WebCrawler 和 HotBot。它们很好 —— 是一个巨大的进步。至少一开始如此。

但随着搜索引擎的崛起，也出现了第一批试图利用它们提供流量能力的尝试。宝贵的、有价值的流量，网络出版商依靠它来销售广告，零售商用它来吸引眼球。有时这意味着在页面中塞入纯粹为了将页面推至搜索结果靠前而设计的关键词或废话文本。情况变得相当糟糕。

然后来了 Google。很难夸大 Google 在1998年推出时有多么革命性。它不仅仅是扫描内容，还查看链接到一个网站的来源，这有助于评估其相关性。简单来说：某样东西在其他地方被引用得越多，Google 就认为它越可靠，它在结果中出现的位置就越高。这一突破使 Google 在检索相关结果方面比之前的任何东西都要好得多。这很惊人。

在25年里，Google 主导了搜索。对大多数人来说，Google 就是搜索。（这种主导地位的程度目前正受到美国和欧盟多个法律调查的关注。）

但 Google 早就开始远离简单地提供一系列蓝色链接了，Google 搜索首席科学家 Pandu Nayak 指出。

"不仅仅是所谓的网络结果，还有图片和视频，以及新闻的特殊内容。有直接答案、字典答案、体育，有来自知识图谱的答案，有特色摘要，"他列举了 Google 多年来为直接回答问题所采取的一系列步骤。

这是事实：Google 随着时间的推移不断发展，越来越多地成为一个答案门户。它添加了允许人们直接获得答案的工具——比赛的实时比分、咖啡馆的营业时间，或者 FDA 网站的摘要——而不是被指向可能包含答案的网站。

但一旦你使用过一段时间 AI Overviews，你就会意识到它们是不同的。

以特色摘要为例，Google 有时会选择突出显示并在结果本身顶部显示的段落。这些文字是直接从原始来源引用的。知识面板也是如此，它们是从一系列公共数据库和 Google 的 Knowledge Graph（其包含关于世界数万亿事实的数据库）中的信息生成的。

虽然这些可能不准确，但信息来源是可知的（并且可以修复的）。它在数据库中。你可以查找它。现在不再是这样了：AI Overviews 每次都可能完全不同，由语言模型的预测文本结合网络索引即时生成。

"我认为这是一个令人兴奋的时刻，我们显然已经索引了世界。我们在其之上通过 Knowledge Graph 建立了深度理解。我们一直在使用 LLM 和生成式 AI 来改进我们对所有这些的理解，"Pichai 告诉《MIT Technology Review》。"但现在我们能够用它来生成和组合。"

结果感觉不像是在查询数据库，更像是在询问一个非常聪明、博览群书的朋友。（但要注意，如果这个朋友不知道答案，有时会编造答案。）

"[公司的]使命是组织世界的信息，"Google 搜索负责人 Liz Reid 在山景城总部告诉我。"但实际上，我们做了一段时间的是组织网页。这与组织世界的信息或使其真正有用和可访问并不是一回事。"

第二个概念——可访问性——是 Google 在 AI Overviews 中真正关注的重点。在与 Google 高管交谈时，我反复听到这种观点：他们可以通过引入语言模型来帮助提供答案，更有效地处理更复杂的查询类型。而且他们可以用自然语言来做到这一点。

这对于搜索超越文本查询的未来来说将变得更加重要。例如，Google Lens 允许人们拍照或上传图片来了解更多信息，它使用 AI 生成的答案来告诉你可能在看什么。Google 甚至展示了查询实时视频的能力。

"我们绝对处于一个旅程的开始，在这个旅程中，人们将能够提出并得到回答比过去十年更复杂的问题，"Pichai 说。

这里有一些真正的危险。首要的是：大语言模型会对你撒谎。它们会产生幻觉。它们会搞错。当它没有答案时，AI 模型仍然可以自信地吐出一个回应。对于 Google 来说，这可能是一个真正的问题。对我们其他人来说，这实际上可能是危险的。

2024年5月，AI Overviews 向美国所有人推出。情况并不顺利。Google，这个长期以来的世界参考台，告诉人们吃石头和在披萨上涂胶水。这些答案主要是针对公司称之为对抗性查询的回应——那些旨在让它出错的查询。但仍然。这看起来不太好。该公司迅速开始修复问题——例如，通过弃用来自 Reddit 等网站的所谓用户生成内容，这些内容是一些更奇怪答案的来源。

然而，虽然它告诉人们吃石头的错误引起了所有的关注，但更隐蔽的危险可能出现在它在不那么明显的地方出错时。例如，在为这篇文章做研究时，我问 Google MIT Technology Review 什么时候上线的。它有帮助地回答说"MIT Technology Review 在2022年底推出了其在线存在。"这对我来说显然是错误的，但对于完全不熟悉该出版物的人来说，这个错误会不会很明显？

我在 Google 和 OpenAI 的 ChatGPT 搜索中遇到了几个类似的例子。那些刚好偏离到不会立即被视为错误的内容。Google 正在押注它可以通过依赖其对优质来源的了解来随着时间的推移继续改进这些结果。

"当我们生成 AI Overviews 时，"Nayak 说，"我们从搜索结果中寻找证实信息，而搜索结果本身在可能的情况下被设计为来自这些可靠的来源。这些是我们已经建立的一些机制，确保如果你只是消费 AI Overview，而不想进一步查看...我们希望你仍然会得到一个可靠、值得信赖的答案。"

在上述例子中，2022年的答案似乎来自一个可靠的来源——一个关于MIT Technology Review在2022年推出的电子邮件通讯的故事。但机器从根本上误解了。这就是为什么Google使用人类——评估员——来评估其提供的结果的准确性。评级不会纠正或控制单个AI Overviews；相反，它们帮助训练模型建立更好的答案。但人类评估员也可能会犯错。Google也在解决这个问题。

"查看你的实验的评估员可能不会注意到幻觉，因为它感觉有点自然，"Nayak说。"所以你必须真正努力完善评估设置，以确保当出现幻觉时，有人能够指出并说，这是一个问题。"

新的搜索

Google已经向100多个国家的10多亿人推出了其AI Overviews，但它正面临着对搜索应该如何工作有新想法的后起之秀。

当我与Pichai谈论这个问题时，他对公司在LLM生成响应的同时保持准确性的能力表示乐观。这是因为AI Overviews基于Google的旗舰大语言模型Gemini，但同时也从Knowledge Graph和它认为可靠的网络来源中获取信息。

"你总是在处理百分比。我们所做的是在信任、事实性和质量方面达到了我所说的几个9的水平。我想说是99.几个9。这就是我们运营的标准，对AI Overviews也是如此，"他说。"所以问题是，我们能否再次大规模做到这一点？我认为我们能。"

但还有另一个危险，那就是人们会问Google各种奇怪的事情。如果你想知道某人最黑暗的秘密，看看他们的搜索历史。有时人们问Google的事情非常黑暗。有时它们是非法的。Google不仅必须能够在答案有帮助时部署其AI Overviews；在答案可能有害时，它还必须非常谨慎地不去部署它们。

"如果你去说'如何制造炸弹？'有网络结果是可以的。这是开放的网络。你可以访问任何东西，"Reid说。"但我们不需要有一个AI Overview告诉你如何制造炸弹，对吧？我们只是不认为这值得。"

但也许最大的危险——或最大的未知——是对Google搜索下游的任何人。以出版商为例，几十年来，他们一直依赖搜索查询来引导人们访问他们的网站。如果所有他们寻求的信息就在搜索结果中，人们还有什么理由点击访问原始来源呢？

市场研究公司SparkToro的联合创始人Rand Fishkin发布了关于所谓零点击搜索的研究。随着Google越来越多地进入答案业务，以零点击结束的搜索比例不断上升。他的感觉是AI Overviews将会使这种趋势爆发。

"如果你依赖Google的流量，而这些流量推动了你的业务发展，你就会在长期和短期都遇到麻烦，"他说。

Pichai的信息是：别慌。他认为即使在AI Overviews时代，人们对于许多类型的搜索仍然会想要点击并深入了解。"基本原则是人们来寻找信息。他们并不总是在寻求Google来回答，"他说。"有时是的，但在绝大多数情况下，你把它看作是一个起点。"

同时，Reid认为，因为AI Overviews允许人们问更复杂的问题并更深入地探究他们想要的内容，它甚至可能对某些类型的出版商和小企业有帮助，特别是那些在细分市场中运营的企业："你实际上接触到了新的受众，因为人们现在可以更具体地表达他们想要什么，所以专门从事这方面的人不必为一般性查询排名。"

"我要从一些冒险的事情开始，"Nick Turley通过Zoom窗口告诉我。Turley是ChatGPT的产品负责人，他在发布前几周向我展示OpenAI的新网络搜索工具。"我通常应该事先尝试，但我就直接搜索你，"他说。"这总是一个高风险的演示，因为人们往往对互联网上说他们的话比较敏感。"

他在搜索框中输入我的名字，原型搜索引擎吐出了几个句子，几乎像是演讲者简介。它准确地识别了我和我目前的角色。它甚至突出显示了我多年前写的一篇可能是最著名的文章。简而言之，这是正确的答案。呼！

在我们通话后几周，OpenAI将搜索整合到了ChatGPT中，用来自网络各处的信息补充其语言模型的答案。如果模型认为回应会从最新信息中受益，它会自动运行网络搜索（OpenAI不会说它的搜索合作伙伴是谁）并将这些响应整合到其答案中，如果你想了解更多，还有外部链接。如果模型自己不主动搜索，你也可以选择手动强制它搜索网络。OpenAI不会透露有多少人使用其网络搜索，但它表示每周有2.5亿人使用ChatGPT，他们都可能接触到它。

"网络上有令人难以置信的大量内容。有很多事情在实时发生。你希望ChatGPT能够使用这些来改进它的答案，成为一个更好的超级助手。"——Kevin Weil，OpenAI首席产品官

根据Fishkin的说法，这些较新形式的AI辅助搜索还没有挑战Google的搜索主导地位。"它似乎并没有蚕食传统形式的网络搜索，"他说。

OpenAI坚称它并不是真的在试图在搜索领域竞争——虽然坦白说，这在我看来更像是一种期望管理。相反，它表示，网络搜索主要是获取比其训练模型中的数据更新的信息的手段，这些训练数据往往有特定的截止日期，通常是几个月前，甚至一年或更长时间前。因此，虽然ChatGPT可能很擅长解释西海岸进攻是如何运作的，但它长期以来一直无法告诉你最新的49人队比分。现在不再是这样了。

"我从'如何让ChatGPT能够回答你的每一个问题？如何让它在日常生活中对你更有用？'的角度来看待这个问题，这就是搜索对我们的用处所在，"OpenAI的首席产品官Kevin Weil告诉我。"网络上有令人难以置信的大量内容。有很多事情在实时发生。你希望ChatGPT能够使用这些来改进它的答案，成为一个更好的超级助手。"

如今，ChatGPT能够生成关于非常当前的新闻事件的响应，以及股票价格等近实时信息。虽然ChatGPT的界面长期以来一直，嗯，很无聊，但搜索结果带来了各种多媒体——图片、图表，甚至视频。这是一种非常不同的体验。

Weil还认为，与Google这样的竞争对手相比，ChatGPT有更多自由去创新和走自己的路——甚至比其合作伙伴Microsoft的Bing还要多。这两家都是依赖广告的企业。OpenAI不是。（至少现在还不是。）它从直接使用它的开发者、企业和个人那里赚取收入。它目前主要是在烧钱——据一些报道，预计到2026年将亏损140亿美元。但有一件事它不用担心，那就是像Google那样在搜索结果中放置广告。

像 Google 一样，ChatGPT 也从网络出版商那里获取信息，总结它，并将其包含在答案中。但它也与出版商达成了财务协议，为提供的信息付费。（MIT Technology Review 一直在与 OpenAI、Google、Perplexity 和其他公司讨论出版商协议，但尚未达成任何协议。编辑部既未参与这些讨论，也未被告知讨论的内容。）

但问题是，要让网络搜索实现 OpenAI 想要的目标——比语言模型更新——它还必须引入来自它没有协议的所有类型的出版商和来源的信息。OpenAI 的媒体合作伙伴负责人 Varun Shetty 告诉 MIT Technology Review，它不会给予其出版合作伙伴优先待遇。

相反，OpenAI 告诉我，模型本身会为任何给定的问题找到最可信和最有用的来源。这也会变得很奇怪。在它向我展示的第一个例子中——当 Turley 进行那次名字搜索时——它描述了我多年前为 Wired 写的一篇关于被黑的文章。那篇文章仍然是我写过的阅读量最大的文章之一。但 ChatGPT 没有链接到它。它链接到了 The Verge 的一个简短重写版本。诚然，这是在搜索的原型版本上，正如 Turley 所说，是"冒险的"。

当我问他about这一点时，他真的无法解释为什么模型选择了它选择的来源，因为模型自己做出评估。公司帮助引导它——有时在用户的帮助下——识别它认为更好的答案，但模型实际上选择它们。

"在很多情况下，它会出错，这就是为什么我们还有工作要做，"Turley 说。"在循环中有一个模型是一种与过去搜索引擎工作方式非常不同的机制。"

确实如此！

模型，无论是 OpenAI 的 GPT-4 还是 Google 的 Gemini 还是 Anthropic 的 Claude，都能非常非常好地解释事情。但它对解释的理由，选择特定来源的原因，甚至它可能在回答中使用的语言都相当神秘。当然，模型可以解释很多事情，但当涉及到它自己的答案时却不行。

早在2016年，也就是近十年前，Pichai写道Google正在从"移动优先"转向"AI优先"："但在接下来的10年里，我们将转向一个AI优先的世界，一个计算无处不在的世界——无论是在家里、工作中、汽车里还是在路上——与所有这些表面的交互变得更加自然和直观，最重要的是，更加智能。"

我们现在已经到了那里——某种程度上。而且这是一个奇怪的地方。随着我们现在认为是不同的事物开始合并，情况会变得更加奇怪，这些事物包括：查询搜索引擎、提示模型、寻找我们拍摄的照片、决定我们想要阅读或观看或听什么、要求看一张我们希望拍摄但没有拍摄的照片。

来自生成式AI的搜索结果最好被理解为一个中途站而不是终点站。最重要的可能不是搜索本身；相反，是搜索给了AI模型开发者一条将实时信息整合到他们的输入和输出中的路径。而这开启了各种各样的可能性。

"一个能够理解和访问网络的ChatGPT不仅仅是about总结结果。它可能是about为你做事。而且我认为这里有一个相当令人兴奋的未来，"OpenAI的Weil说。"你可以想象让模型为你预订航班，或订购DoorDash，或者在未来完成一般任务。一旦模型理解如何使用互联网，可能性就是无限的。"

这就是我们一直听说的代理化未来，随着AI模型越来越多地利用来自互联网的实时数据，这个未来越来越近。

假设你几周后要出差。一个能够实时获取互联网数据的代理可以根据它对你和你即将到来的旅行的了解，预订航班和酒店房间，预约晚餐等等——无需你的指导。另一个代理可以监控你家的污水排放是否有某些疾病，并相应地订购检测和治疗。你不必搜索你的车发出的奇怪噪音，因为你车里的代理已经做了这件事，并预约修理这个问题。

"它不总是只做搜索和给出答案，"Pichai说。"有时它会是行动。有时你会在真实世界中互动。所以通过这一切存在一种普遍协助的概念。"

而这些东西能够传递答案的方式现在也在快速演变。例如，如今Google不仅可以搜索文本、图片，甚至视频；它还可以创建它们。想象一下将这种能力与跨各种格式和设备的搜索结合起来。"向我展示我面前的树上的Townsend's鸣鸟是什么样子。"或者"使用我现有的家庭照片和视频，为我们明年去波多黎各的即将到来的假期创建一个电影预告片，确保我们访问所有最好的餐馆和顶级地标。"

"我们主要是在输入端做到了这一点，"他说，指的是Google现在可以搜索图像或视频内容的方式。"但你可以想象在输出端也是如此。"

这就是Pichai说他很兴奋要推出的那种未来。Google已经通过NotebookLM展示了一些这可能是什么样子，这是一个工具，可以让你上传大量文本并将其转换为聊天式播客。他想象这种功能——将一种类型的输入转换为各种输出的能力——将改变我们与信息交互的方式。

在今年夏天的开发者大会上，Google展示了一个名为Project Astra的工具的版本，其中手机和智能眼镜中的摄像头和麦克风理解你周围的所有上下文——线上和线下，可听和可视——并有能力以各种方式回忆和响应。例如，Astra可以看着一个F1赛车的粗略图画，不仅识别它，还能解释其各个部分及其用途。

但你可以想象事情会更进一步（而且它们会的）。假设我想看一个如何修理我自行车上某个东西的视频。这个视频不存在，但信息存在。从理论上讲，AI辅助的生成搜索可以在网上某处找到该信息——例如，在公司网站上埋藏的用户手册中——并创建一个视频来准确地向我展示如何做我想做的事，就像它今天可以用文字向我解释一样。

这些是当你将整个人类知识汇编——之前被捕获在语言和格式的孤岛中的知识；地图和企业注册和产品SKU；音频和视频和数字数据库和旧书籍和图像，以及任何曾经发布过的、跟踪过的、记录过的东西；现在正在发生的事情，到处都是——并在所有这些中引入一个模型时开始发生的事情。一个也许不能精确理解，但有能力将那些信息组合起来，重新排列，并以各种不同的希望有帮助的方式吐出来的模型。仅仅一个索引所不能做到的方式。

这就是我们即将达到的，并且开始看到的。当Google将这项技术推广给10亿人，其中许多人将第一次与对话式AI互动时，这意味着什么？我们会做什么不同的事情？一切都在如此快速地改变。坚持住，只要坚持住。

原文：https://www.technologyreview.com/2025/01/06/1108679/ai-generative-search-internet-breakthroughs/