ChatGPT等大模型可以代替搜索引擎吗？

置顶猿类崛起@

已于 2024-07-08 11:04:17 修改

阅读量1.8k

点赞数 22

文章标签： chatgpt 搜索引擎人工智能机器学习学习 langchain tensorflow

于 2024-06-14 10:01:37 首次发布

本文链接：https://blog.csdn.net/2401_84495872/article/details/139673831

版权

在知乎看到一个问题，回答了一下，分享到这里。

把ChatGPT当作搜索引擎可靠性差点，但是可行。

代替搜索引擎

1、写代码

我们可以让GPT写一段算法代码或者使用某个语言API的示例，然后只需要把这段代码粘贴到IDE中，简单改改，运行一下，很快就能知道这段代码行不行。

而如果使用搜索引擎，则需要去自己去大量的文章中判断其方法是否可行，然后再想着怎么嫁接到自己的程序中，这会比较浪费时间。

经过我的实际测试ChatGPT生成的代码质量还是比较高的，国内的文心一言、讯飞星火也还可以，只是有时候生成的代码跑不起来。

2、学习

针对某些概念，ChatGPT可以提供解释、例子和练习，帮助我们理解复杂的概念，这可以在一定程度上替代对教育资源的搜索。比如你正在学习二次方式，就可以通过向ChatGPT提问的方式来获取结果。

通过这个能力，其实也可以做出一些学习工具，比如英语学习、学科学习、产品知识学习等等，作为学习工具时可以记录用户历史的学习水平，然后提供更个性化更适合用户的学习内容和学习方法。

3、常识性问题

ChatGPT可以直接回答用户的具体问题，比如回答常识性问题、解释概念等。GPT提供的是即时的、直接的答案，这些问题都有明确的答案，GPT一般不会出错。

另外，当我们使用某些集成大模型的搜索引擎时，它还会给出相关的网页链接，这会进一步增强输出结果的可信性。

代替各种工具

1、做翻译

除了代替搜索引擎，大模型还有很多功效，比如做语言翻译，我发现它的翻译效果要好于百度、谷歌等的机器翻译。

文心一言的翻译：

百度机器翻译：

2、文案创作

大模型具有强大的语言生成能力，可以用来创作各种形式的文本，包括简历、报告、通知、诗歌、故事和音乐歌词等等，当你不知道该怎么写的时候都可以问问ChatGPT。

添加图片注释，不超过 140 字（可选）

3、角色扮演

这个比较有意思的就是AI女友，你可以让ChatGPT扮演你的女朋友，然后你就有一个贴心又温柔的女朋友了，再也不用new一个对象了。

添加图片注释，不超过 140 字（可选）

使用ChatGPT扮演角色还有很多用途。比如你是一个小说作家，正在创作一个故事，想要通过对话来发展两个角色之间的关系。你可以使用ChatGPT来扮演其中一个角色。

4、客户服务

这个目前应用的也很广泛，只需要将你的产品说明或者FAQ等类型的文档喂给GPT，它就可以回答产品相关的问题，并且可以限制只能回答某类问题。

虽然可能无法处理一些突发情况，但是好处就是省人工，不用费力培训，回答问题的能力说不定比人工还要好。

添加图片注释，不超过 140 字（可选）

做不好的地方

ChatGPT也有它的局限性：

知识更新：ChatGPT的知识是截止到其训练数据的最后更新日期，因此它不适合提供实时信息或最新新闻。比如你想用Java的最新语法，GPT是无法提供的。或者你问某个新出现的概念，GPT也是不懂的。
图片和视频搜索：ChatGPT无法直接提供图片或视频内容，用户仍需使用搜索引擎来获取这类媒体资料。虽然大模型现在也有了绘画能力，但是还无法返回别人分享的图片或视频内容。不过我预计这个问题将来是可以解决的，因为只要把语义关联做好，技术上没有限制。
理解和创造： GPT模型基于统计相关性生成文本，而不是真正理解内容。这意味着它们可能缺乏对复杂概念的深度理解。它的“创造力”仍然基于已知数据的组合，缺乏真正的原创性。
语境相关性： GPT的上下文数量是有限制的。有时它可能无法正确理解或维持长对话中的上下文，导致生成的文本偏离主题或不一致。这在国产大模型中特别常见，我就不举例了，大家用用就知道了。

以上就是本文的所有内容。

资源下载

最近，我整理了自己输出的关于 Stable Diffusion 的所有教程，包括基础篇、ControlNet、插件、实战、模型训练等多个方面，比较全面、体系化，特别适合新手和想要系统化学习Stable Diffusion的同学。

那么，我们该如何学习大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。