18143453325 在线咨询 在线咨询
18143453325 在线咨询
所在位置: 首页 > 营销资讯 > 电子商务 > 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

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

时间:2023-03-16 23:56:01 | 来源:电子商务

时间:2023-03-16 23:56:01 来源:电子商务

关注“FightingCV”公众号

回复“AI”即可获得超100G人工智能的教程

点击进入→FightingCV交流群

来源 | 量子位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



往期回顾




基础知识

【CV知识点汇总与解析】|损失函数篇

【CV知识点汇总与解析】|激活函数篇

【CV知识点汇总与解析】| optimizer和学习率篇

【CV知识点汇总与解析】| 正则化篇

【CV知识点汇总与解析】| 参数初始化篇

【CV知识点汇总与解析】| 卷积和池化篇 (超多图警告)




最新论文解析

WACV2022 | 一张图片只值五句话吗?UAB提出图像-文本匹配语义的新视角!


CVPR2022 | Attention机制是为了找最相关的item?中科大团队反其道而行之!


ECCV2022 Oral | SeqTR:一个简单而通用的 Visual Grounding网络


如何训练用于图像检索的Vision Transformer?Facebook研究员解决了这个问题!


ICLR22 Workshop | 用两个模型解决一个任务,意大利学者提出维基百科上的高效检索模型

See Finer, See More!腾讯&上交提出IVT,越看越精细,进行精细全面的跨模态对比!


MM2022|兼具低级和高级表征,百度提出利用显式高级语义增强视频文本检索


MM2022 | 用StyleGAN进行数据增强,真的太好用了

MM2022 | 在特征空间中的多模态数据增强方法

ECCV2022|港中文MM Lab证明Frozen的CLIP 模型是高效视频学习者

ECCV2022|只能11%的参数就能优于Swin,微软提出快速预训练蒸馏方法TinyViT

CVPR2022|比VinVL快一万倍!人大提出交互协同的双流视觉语言预训练模型COTS,又快又好!

CVPR2022 Oral|通过多尺度token聚合分流自注意力,代码已开源

CVPR Oral | 谷歌&斯坦福(李飞飞组)提出TIRG,用组合的文本和图像来进行图像检索

关键词:默认,索引,关键

74
73
25
news

版权所有© 亿企邦 1997-2025 保留一切法律许可权利。

为了最佳展示效果,本站不支持IE9及以下版本的浏览器,建议您使用谷歌Chrome浏览器。 点击下载Chrome浏览器
关闭