AI搜索并非万能：何时该用聊天机器人、何时该用传统搜索引擎

在要求搜索网络时，这些机器人的最新版本会将传统网络搜索的元素（它们本质上只是替你用谷歌搜索）与它们能从训练数据中提取的知识结合起来。然后，所有内容都会以如今熟悉的、精致的生成式AI风格进行打包和格式化。

差异就出现在传统谷歌搜索之上附加的AI元素，这意味着AI驱动的搜索可能并不总是最佳选择。

何时使用AI进行网络搜索

如果你查找的是简单且广为人知的内容——比如帝国大厦的高度——那么AI搜索是相当稳妥的选择。这类信息不仅在网上容易获取，而且大语言模型所偏好的“自动纠错”概率模式意味着，你看到的结果几乎肯定包含正确信息。

如果你只需要快速查一下，AI是可以的。不过，问题越冷门，你就越需要仔细检查答案。如果你问的是不太为人知的事情，比如某部冷门电视剧中排名第五的演员，网上可能只有一两处提及，而AI可能会选错。

斯坦福大学近期研究的一个要点是：当AI找到准确来源时，它非常擅长从中提取正确信息。它容易出问题的地方在于找不到准确来源（要么因为根本没有，要么因为查询被误解），却仍然给出一个自信的答案。

当你有一个标准谷歌搜索无法解析的复杂查询时，AI搜索也很有帮助：“我需要知道旧金山适合五口之家、花费不超过200美元的最佳餐厅。”对于这样的搜索，AI能够查询并整理多个来源，然后呈现一个综合得体的答案。传统网络搜索会给你一列蓝色链接，很可能只是按更基本的标准对旧金山餐厅进行排名。

不过，来源仍然至关重要。AI机器人从未去过旧金山，也没在那里吃过饭。它们依赖的是网上由去过的人撰写的公开描述。如果没有完全匹配的页面，它们会寻找相关词语（如“实惠”或“家庭”），并生成一个答案。

对于网上信息很多的查询，比如旧金山餐厅，AI网络搜索会让人觉得非常有用。对于不那么热门的目的地和更具体的请求（“星形的餐桌”），你需要更谨慎地对待结果，因为AI串联信息的方式此时会变得不那么可靠。

因此，需要提醒的是，你始终应该做某种双重检查；AI网络搜索最适合那些常见、很可能在网上找到大量准确且最新信息的查询。无论是在处理搜索查询的方式上，还是在打包和综合答案的方式上，AI聊天机器人都比谷歌搜索有显著升级。

何时不应使用AI进行网络搜索

生成式AI机器人和LLM的构建方式意味着，它们在改写、综合和总结时表现最佳。但这些过程也可能引入错误。如果你的搜索需要精确细节（比如名人引语、报告统计数据或设备规格），传统谷歌搜索可能效果最好。

如果你希望对所使用的来源拥有完全控制权，那么前往谷歌并按老方式搜索也可能更好。将网络搜索交给AI很方便，但你是在依赖它们正确解读你的搜索、找到正确来源，然后从这些来源中提取准确信息。这节省了时间，但也更不透明。

例如，如果你知道自己最信任哪些网站获取科技新闻，你可以在传统网络搜索中优先考虑它们，而AI可能无法做到这一点。加州大学圣迭戈分校的研究人员发现，AI网络搜索有时会选择某些来源，是因为它们与查询更相关，而不是因为它们被认定为更具权威性。

这意味着，如果AI认为个人博客更接近用户实际搜索的内容，它可能会选择个人博客而不是专业医疗保健网站。在浏览传统结果列表时，你做出这种选择的可能要小得多，因为你通常会选择自己最信任的那个。

传统搜索仍然占优的其他领域包括突发新闻（AI提取的数据在时效性上有时可能存在滞后），以及绝对不能出错的高风险搜索——例如与健康、法律或财务相关的搜索。

如果你确实觉得需要采用AI方法，一定要对聊天机器人使用的来源进行双重、三重检查，这些来源应该链接在答案中。如果你有任何疑问，可以要求AI澄清某些内容来自何处，以确保它不是LLM编造的。

当然，经典的谷歌搜索仍然可能在网络上搜到虚假信息，但如果没有聊天机器人夹在中间，你更能辨别哪些是真实准确的、哪些不是。对于这类查询，当准确比便利和速度更重要时，老式的网络搜索方式仍然有一席之地。