Αργά ή γρήγορα, όλοι οι υποψιασμένοι γνωρίζουμε ότι η Γενετική Τεχνητή Νοημοσύνη πρόκειται να ανατρέψει την αναζήτηση. Άλλωστε μιλάμε για μια τεχνολογία η οποία μπορεί να βρει απαντήσεις σχεδόν σε οποιαδήποτε ερώτηση της τεθεί. Και κατά τη διαδικασία αλλαγής του τρόπου της αναζήτησης στο διαδίκτυο που ξεκίνησε με τις πρώτες μηχανές, οι προγραμματιστές της ΤΝ προσκολλήθηκαν σε κάτι πιο μεγάλο, που θα συγχώνευε ακόμη περισσότερο την αναζήτηση και τη γενετική ΤΝ.

Ήδη η γενετική ΤΝ έχει ξεκινήσει να αλλάζει τρεις βασικές πτυχές της αναζήτησης: πώς οι άνθρωποι ζητούν και αναζητούν πληροφορίες, πώς να παίρνουν δεδομένα για πιθανές απαντήσεις και πώς οι εταιρείες μπορούν να αρχίσουν να προσφέρουν (και άρα να εκμεταλλεύονται) αυτές τις πληροφορίες στους πελάτες.

Για χρόνια, η Google κυριαρχούσε στην «Αναζήτηση». Ως η κυρίαρχη μηχανή αναζήτησης (με σχεδόν το 82% της κίνησης αναζήτησης), υπαγόρευε όχι μόνο τον τρόπο με τον οποίο οι χρήστες και οι πελάτες αναζητούσαν πληροφορίες, αλλά και τον τρόπο με τον οποίο οι εταιρείες, οι μάρκες και τα προϊόντα τους, εμφανίζονταν στα αποτελέσματα. Οι εταιρείες έπρεπε να στηριχθούν σε στρατηγικές βελτιστοποίησης μηχανών αναζήτησης (SEO) και οι άνθρωποι κατασκεύαζαν ερωτήματα σε μια φρέσκια (κάθε φορά) σαλάτα από λέξεις-κλειδιά. Αυτό, φυσικά, δεν απέδιδε πάντα. Ήταν όμως εύκολο, βατό, και όλοι έμαθαν να μεταφράζουν τις ερωτήσεις τους σε όλο και πιο έξυπνες λέξεις-κλειδιά και έτσι να φιλτράρουν ποιοι από από τον μακρύ κατάλογο των ιστότοπων στα αποτελέσματα μπορεί να είχαν αυτό που έψαχναν.

Τα Μεγάλα Γλωσσικά Μοντέλα (LLM) το άλλαξαν αυτό, ειδικά όταν αναπτύχθηκαν σε chatbots όπως το ChatGPT της OpenAI. Οι άνθρωποι μπορούν πλέον να θέσουν οποιαδήποτε ερώτηση θέλουν (εντός των ορίων της μηχανικής λογικής) και να πάρουν αμέσως μια απάντηση. Δεν χρειάζεται να επισκεφτούν μια σειρά από ιστότοπους – αφού η μηχανή μπορεί να τα εξηγήσει όλα.

«Αν είχατε μια τεχνητή νοημοσύνη που θα μπορούσε να καταλάβει τα αποτελέσματα της αναζήτησης και να σας μιλήσει με προφανή τρόπο για να σας εξηγήσει τα αποτελέσματα, αυτό θα ήταν μια μνημειώδης βελτίωση σε σχέση με το να προσπαθείτε να περάσετε από πέντε εκατομμύρια σελίδες αποτελεσμάτων», δήλωσε πρόσφατα ο Christian Ward, επικεφαλής δεδομένων στην πλατφόρμα Yext, σε μια συνέντευξή του στο VentureBeat.

Η γενετική τεχνητή νοημοσύνη ενθαρρύνει τώρα τους ανθρώπους να θέτουν πραγματικές ερωτήσεις σε φυσική γλώσσα αντί να εστιάζουν σε λέξεις-κλειδιά. Αφήνει τους ανθρώπους να βλέπουν τις πληροφορίες που χρειάζονται αντί να πρέπει να κυνηγούν έναν αρκετά καλό ιστότοπο.

Η εταιρεία τεχνητής νοημοσύνης Perplexity εκμεταλλεύτηκε αυτή τη στροφή στις μεθόδους αναζήτησης και τοποθετήθηκε περισσότερο ως μηχανή αναζήτησης παρά ως chatbot που μπορεί να παράγει κώδικα ή τέχνη. Η εταιρεία συνεργάστηκε με παρόχους δεδομένων, όπως το Yelp και η Wolfram Alpha, για να συλλέξει καλύτερα δεδομένα. Και η στρατηγική αυτή απέδωσε. Ακόμη και η Google συνειδητοποίησε ότι θα μπορούσε να χρησιμοποιήσει την τεράστια πρόσβασή της σε δεδομένα για να κάνει, σύμφωνα με τα λόγια της κατά τη διάρκεια του Google I/O, το Googling για εσάς. Εκτός από την ενσωμάτωση του Google Search στο chatbot Gemini, εισήγαγε ένα AI Overview που συνοψίζει τα αποτελέσματα των ερωτημάτων.

Αλλά για τις επιχειρήσεις ΤΝ, δεν πρόκειται μόνο για την εκμάθηση του τρόπου χρήσης της φυσικής γλώσσας κατά την υποβολή ερωτήσεων, αλλά και για τη δυνατότητα απάντησης με βάση τα έγγραφά που πιθανόν να έχουν στην κατοχή τους.

Η μέθοδος Retrieval Augmented Generation – RAG (Επαυξημένη Γενιά Ανάκτησης) αντιπροσωπεύει μια τεχνολογία αιχμής στη γενετική τεχνητή νοημοσύνη. Στον πυρήνα της, η RAG είναι ένα υβριδικό σύστημα που συνδυάζει τις καινοτόμες δυνατότητες της παραγωγικής τεχνητής νοημοσύνης με προηγμένες τεχνικές που βασίζονται στην ανάκτηση. Αυτή η ενσωμάτωση επιτρέπει στο σύστημα RAG όχι μόνο να παράγει περιεχόμενο αλλά και να αντλεί σχετικές πληροφορίες από ένα ευρύ φάσμα εξωτερικών πηγών δεδομένων. Αυτό το χαρακτηριστικό διακρίνει την μέθοδο RAG από τα παραδοσιακά παραγωγικά μοντέλα, τα οποία βασίζονται κυρίως στις πληροφορίες στις οποίες εκπαιδεύτηκαν, χωρίς να έχουν τη δυνατότητα να αναζητούν πρόσθετα ενεργά δεδομένα.

Η Επαυξημένη Γενιά Ανάκτησης γίνεται όλο και μια μεγαλύτερη τάση στον χώρο της γενετικής τεχνητής νοημοσύνης, καθώς οι πάροχοι μοντέλων αναζητούν τρόπους για να προσφέρουν πρόσθετες υπηρεσίες στις επιχειρήσεις. Η RAG μπορεί δηλαδή να επιτρέπει στις εταιρείες να “γειώσουν” τα μοντέλα AI στα δικά τους δεδομένα, διασφαλίζοντας ότι τα αποτελέσματα προέρχονται από έγγραφα εντός της εταιρείας.

Οι εξειδικευμένες εταιρικές πλατφόρμες αναζήτησης θα μπορούσαν να είναι το μέλλον

Μεγάλοι τεχνολογικοί γίγαντες, όπως η Amazon Web Services (AWS) και η Microsoft, έχουν αρχίσει να προσφέρουν στους πελάτες τους ειδικές υπηρεσίες RAG, αλλά απ΄ότι φαίνεται το οικοσύστημα RAG συνεχίζει να αναπτύσσεται. Νέες εταιρείες όπως η Elastic, η Pinecone και η Qdrant παρέχουν διανυσματικές βάσεις δεδομένων για την αντιστοίχιση των γραφημάτων γνώσης σε πλαίσια RAG. Βέβαια, αυτό δείχνει, ότι οι επιχειρήσεις αγκαλιάζουν όλο και περισσότερο το RAG, αλλά μέχρι αυτή τη στιγμή, πολλές από τις περιπτώσεις χρήσης του παραμένουν εσωτερικές, καθώς αυτές είναι ακόμη επιρρεπείς σε ψεύτικες πληροφορίες. Γι΄αυτό και οι μεγάλοι τεχνολογικοί πάροχοι ενθαρρύνουν όλες τις νέες επιχειρήσεις να αξιολογήσουν πρώτα τα μοντέλα RAG. Η AWS, η οποία κατέστησε το RAG μεγάλο μέρος της στρατηγικής της για τη γεννητική τεχνητή νοημοσύνη με το προϊόν Amazon Q, επινόησε μια νέα μέθοδο για τον έλεγχο της ακρίβειας των αποτελεσμάτων της μεθόδου RAG.

Καθώς η RAG αναπτύσσεται, οι εταιρείες θα μπορούσαν να αντιμετωπίσουν άλλη μια αλλαγή στην αναζήτηση. Οι πολλοί τρόποι που αναδύονται για την αποστολή ενός ερωτήματος αναζήτησης αυξάνονται συνεχώς, οπότε οι επιχειρήσεις πρέπει να αποφασίσουν αν θέλουν να προσφέρουν οι ίδιες τα δεδομένα ή να συνεχίσουν να προσφέρουν παθητικά πληροφορίες σε έναν «συλλέκτη πληροφοριών» όπως η Google. Αυτό θα τους επέτρεπε να ελέγχουν τον τρόπο με τον οποίο μπορούν να παρουσιάζουν τις πληροφορίες τους στους πελάτες. Και κάπως έτσι, οι εταιρικές πλατφόρμες αναζήτησης μπορούν να αποτελέσουν το μέλλον, καθώς προσφέρουν πολλά πλεονεκτήματα:

❉︎ Εξειδίκευση και Προσαρμογή
Οι εταιρικές πλατφόρμες αναζήτησης θα είναι ειδικά σχεδιασμένες για τις ανάγκες και τον τομέα δραστηριότητας κάθε συγκεκριμένης επιχείρησης. Αυτό θα επιτρέπει μεγαλύτερη ακρίβεια και σχετικότητα των αποτελεσμάτων αναζήτησης.

❉︎ Εμπιστοσύνη και Ασφάλεια
Οι εταιρικές πλατφόρμες αναζήτησης θα παρέχουν αυξημένη εμπιστοσύνη στους χρήστες, καθώς θα διαθέτουν αυστηρούς όρους και προϋποθέσεις για τις επιχειρήσεις που καταχωρούνται. Αυτό, αν μη τι άλλο, θα ενισχύει την εμπιστοσύνη των καταναλωτών.

❉︎ Ευκολία και Αποτελεσματικότητα
Θα επιτρέπουν στους χρήστες να βρίσκουν εύκολα και γρήγορα τα προϊόντα ή τις υπηρεσίες που αναζητούν, εξοικονομώντας χρόνο και προσπάθεια. Συνολικά, οι νέες εταιρικές πλατφόρμες αναζήτησης μπορούν να αποτελέσουν το μέλλον, καθώς θα προσφέρουν εξειδίκευση, εμπιστοσύνη και ευκολία χρήσης σε σύγκριση με τις γενικές μηχανές αναζήτησης.

Με την ΤΝ να βρίσκεται στην πρώτη γραμμή κάθε νέας τεχνολογικής έρευνας, θα μπορούσαμε πολύ εύκολα να πούμε ότι σύντομα θα έρθει η στιγμή που κάθε εταιρεία θα κατασκευάσει τη δική της πλατφόρμα αναζήτησης, η οποία θα τροφοδοτείται από ένα RAG σύστημα, εμβολιασμένο με μπόλικη γενετική τεχνητή νοημοσύνη, έτσι ώστε οι πελάτες να μπορούν να βρίσκουν τις καλύτερες πληροφορίες που βασίζονται στα δεδομένα κάθε εταιρείας. Οι επιχειρήσεις που θα βασίζουν την αναζήτηση στα δικά τους δεδομένα θα μπορούν να δώσουν στους πελάτες καλύτερες απαντήσεις που να αφορούν ειδικά τα προϊόντα και τις υπηρεσίες τους. Για παράδειγμα, αν κάποιος θέλει να μάθει σε πόσα χρώματα βγαίνει ένα μοντέλο της Nike. Αντί να πάει σε μια μεγάλη μηχανή αναζήτησης όπως η Google, μπορεί να πάει στον ιστότοπο της Νike και να θέσει την ερώτηση στην πλατφόρμα της.

Φυσικά, εννοείται ότι δεν μιλάμε για το τέλος της αναζήτησης όπως την έχουμε μάθει, αλλά σύντομα θα έρθει μια στιγμή που θα μπορεί να υπάρξει μια συστηματική και πιο οργανωμένη αποκέντρωση της αναζήτησης για πολλά σημαντικά ερωτήματα. Γιατί αν θέλουμε να μάθουμε την πλησιέστερη πιτσαρία, τότε γι’ αυτό υπάρχει η Google, αλλά αν θέλουμε να καταλάβουμε όλες τις πληροφορίες για τα αλλεργιογόνα της τυποποιημένης τροφής που μόλις καταναλώσαμε, τότε θα πρέπει να απευθυνθούμε στην ίδια την εταιρεία που την κατασκεύασε.

➥ Διαβάστε επίσης: Γιατί η Τεχνητή Νοημοσύνη παραμένει άλυτο μυστήριο