| 0 |
|
Цікаве дослідження якості пошуку так званих Answer Engines або Generative Search Engines. Час, мабуть, запам'ятовувати новий термін, який позначатиме пошукові системи на базі LLM-моделей, типу Perplexity або нещодавно показаної ChatGPT Search. Щоправда, дослідження вийшло в основному про недоліки, серед яких автори виділяють чотири основні.
Перший. Часто відповіді систем містять дуже загальну інформацію, деталі якої потім доводиться шукати самостійно за допомогою звичайних пошуковиків.
Другий. AI-системи схильні посилювати одну з думок щодо проблеми. Особливо якщо щодо неї є суперечливі думки.
Третій. Хоча AI-системи зазвичай дають посилання на джерела, насправді вони є далеко не завжди. При цьому часто самі джерела не підтверджують тверджень, зроблених у відповіді. До речі, найбільше цим страждає SearchGPT. Хоча дослідники тестували закриту бета-версію, а не ту, що зрештою була представлена публіці – лише в 40% випадків, коли були посилання, вони дійсно підтверджували інформацію, наведену у відповіді.
Четвертий. Користувачі систем позбавлені самостійності та не можуть керувати підбором джерел.
Варто ще зазначити, що досліджувані системи явно страждають від нестачі повноти. Тобто обмеженість джерел не дає змоги сформувати повну й релевантну відповідь. Ця проблема добре відома традиційним пошуковикам, до речі кажучи.
Загалом, цікаво і не дуже багато тексту, якщо що.
Про якість пошуку генеративних пошукових систем
Про DCIM у забезпеченні успішної роботи ІТ-директора
| 0 |
|
