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

—完—

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