AI 搜尋品質爭議：微軟與 Google 如何回應 AI 幻覺挑戰？

人工智慧技術正以驚人速度前進，在搜尋引擎的應用也越來越廣泛，讓使用者能享受到更聰明、更快捷的資訊搜尋過程。不過，這股浪潮也帶來隱憂，尤其是人工智慧產生的內容品質和可靠性問題。許多人擔心人工智慧會出現「幻覺」，也就是製造出聽起來有道理卻其實不實的資訊。針對這些批評聲浪，微軟執行長薩提亞·納德拉和Google工程師伊萊·班德斯基最近分別分享了看法，他們試圖釐清人工智慧搜尋的現實狀況與難題。這些觀點不僅展現科技巨擘對人工智慧進展的謹慎立場，也幫助我們更清楚人工智慧搜尋的優勢與限制。

人工智慧搜尋的品質難題：從理想到實際

將人工智慧融入搜尋領域的目的是透過解析自然語言和給出摘要式回覆，來提升使用者的整體體驗。然而，這也引發了對人工智慧內容精準度的疑慮。當人工智慧給出錯誤答案或假消息時，這些「幻覺」不僅會讓使用者迷失方向，還可能傷害搜尋引擎的公信力。事實上，這樣的問題已經成為業界熱議焦點，因為它直接影響到人們對科技工具的信心。

搜尋引擎內人工智慧幻覺問題的浮現

所謂人工智慧幻覺，就是大型語言模型產生表面上看似可信，卻實際上不正確或純屬杜撰的內容。在人工智慧輔助的搜尋結果裡，這種情況特別棘手，因為大眾總是期望搜尋引擎能輸出經過確認的可靠資料。比方說，如果人工智慧報出錯歷史事件時間、假造人物名言，或是歪曲科學知識，就會嚴重動搖使用者對工具的信任。

就像IBM對人工智慧幻覺的說明，這源於模型在創作內容時，脫離訓練資料的事實基礎，自行填充不實細節。這不只考驗技術能力，更阻礙了使用者體驗的順暢發展。舉例來說，在醫療或法律查詢中，這樣的失誤可能帶來嚴重後果，因此業界正積極尋求解決方案。

微軟執行長薩提亞·納德拉的看法：這涉及人類介入的層面

面對人工智慧搜尋品質的指責，微軟執行長薩提亞·納德拉以務實視角應對。他提到，大家正在逐步認識人工智慧的界限，並將此視為「人類介入」議題。納德拉解釋，人工智慧模型本來就不是為了絕對事實而生，而是依賴訓練資料來產生輸出。使用者發現錯誤時，這其實是寶貴的反饋機會，能推動模型的持續優化。

他特別指出，人工智慧的演進本質上是反覆迭代，需要使用者的積極參與和意見回饋。這表示，在當前階段，使用人工智慧搜尋時，大家仍得保有懷疑態度，把它當作探索的起點，而不是最終結論，並主動查證其他來源。納德拉的說法暗示，人工智慧搜尋的成熟需要時日，而使用者在這過程中扮演關鍵角色，透過互動來塑造更好工具。

Google工程師的觀點：深入剖析人工智慧融入搜尋的技術障礙

相較於納德拉從大局出發的討論，Google工程師伊萊·班德斯基則聚焦技術層面，闡述將大型語言模型嵌入搜尋引擎的複雜過程。他點出，在平衡速度、成本與精準之間，充滿各種妥協選擇，這讓開發團隊面臨不小壓力。

大型語言模型與傳統搜尋的根本不同

班德斯基強調，大型語言模型與舊式搜尋引擎的運作方式有本質差異。大型語言模型靠海量訓練資料，擅長製造順暢且邏輯連貫的文字，但它們並非專攻事實查證或絕對真相的工具。它的強項在於辨識模式和創作內容，而不是真正掌握現實世界的知識。反觀傳統搜尋引擎，則透過精細索引、排序算法，以及對億萬網頁的嚴格過濾，來交付相關且可信的結果。

直接把大型語言模型套用到搜尋上，就好比請一位知識淵博卻偶爾愛添油加醋的敘事者來解答所有疑問，這與使用者對搜尋引擎「基於事實」的期待格格不入。也正因如此，麥肯錫等單位在檢視生成式人工智慧於搜尋的角色時，都特別提到它的前景雖亮眼，卻伴隨著明顯挑戰。舉個例子，當使用者詢問最新新聞時，傳統方法能即時拉取來源，而大型語言模型可能依舊憑舊資料推測，容易出錯。

「接地」大型語言模型的難題與權衡

班德斯基接著談到「接地」大型語言模型的必要性與挑戰。「接地」意指把模型輸出的內容連結到可查證的外部事實來源，來保證可靠性。這通常涉及從搜尋索引中拉取相關文件，再引導模型依據這些文件來產生回覆。

但這個流程充斥技術難關和資源需求：

• 延遲： 即時抓取並處理海量資料，會大幅拉長搜尋回應時間，讓使用者等得心浮氣躁。
• 成本： 執行複雜的大型語言模型和接地程序，需要巨量運算資源，費用居高不下。
• 準確性： 就算接地過，模型還是可能曲解脈絡或片面取用資訊，引發偏差。
• 規模： 把這套系統推廣到每天數十億查詢，工程挑戰堪稱龐大。

這些因素讓開發者在追求極致準確的同時，難以維持搜尋的快速與低成本，成為業界持續攻克的瓶頸。

人工智慧搜尋的前景預測與使用者期望調整

雖然障礙重重，人工智慧在搜尋上的潛力仍舊不可忽視。各大科技企業正大舉投入，期望透過創新來打造更穩固、更流暢的體驗。從長遠來看，這不僅能革新資訊獲取方式，還可能改變我們與知識互動的模式。

技術更新與使用者啟蒙的雙軌挑戰

展望未來，人工智慧搜尋的進步將靠不斷的技術更新來實現。這涵蓋更精準的接地方法、優化大型語言模型的訓練策略，以及強化錯誤辨識與修正系統。與此同時，教育使用者也同樣重要。教導大家了解人工智慧搜尋的內部機制、當前弱點，以及正確運用方式，能幫助形塑合理的預期，避免過度依賴。

這不單是工程議題，還牽涉倫理與社會層面。例如，美國國家標準暨技術研究院發布的可信賴人工智慧框架，就突出準確、公正與透明等原則在系統設計中的核心地位，這些將指引人工智慧搜尋的演進路徑。透過這樣的綜合努力，我們能逐步減少幻覺風險，讓工具更貼近現實需求。

打造負責任人工智慧系統：產業共識目標

無論是微軟還是Google的回應，都指向同一個方向：建構負責任的人工智慧系統。這要求在追逐創新與效能的路上，始終優先考慮準確性、開放性與使用者信賴。這需要研究者、工程師、政策制定者和使用者攜手合作，共同定義人工智慧搜尋的藍圖。

歸根結柢，人工智慧搜尋的成敗不只看技術多先進，更在於它能否在便利之餘，贏取並守住使用者的心。這條路雖崎嶇，但憑藉技術躍進與多方協力，我們有信心看到人工智慧搜尋逐步蛻變成可靠夥伴。

小結

人工智慧應用於搜尋引擎無疑是科技界的重大進展，它勾勒出一個更智慧、更直覺的資訊世界。然而，微軟執行長薩提亞·納德拉與Google工程師伊萊·班德斯基的直白分享，清楚點出當前技術的瓶頸，尤其在應對人工智慧幻覺與達成真正接地準確上的難度。他們的見解提醒我們，人工智慧搜尋還在起步階段，使用者應認識其限制，在受益於便利時，保有獨立判斷。往後，藉由不懈的技術革新、謹慎的開發之道，以及有效的使用者指導，人工智慧搜尋將克服障礙，兌現潛力，為大家帶來更穩健、可信的資訊之旅。