構造化されているが、時間がかかる。
音声は直感的ではなく、ユーザーは聞く前に常に不安を抱えています：もし開いてみて気に入らなかったらどうしよう？時間潰しだと自分を慰めることはできますが、人は常に欲張りで、時間を潰すなら楽しく過ごしたいと思うものです。そうでないと、時間も気分も失って、何も得られません。
このような状況で、AIは非常に良い助手となります。音声自体は直感的ではありませんが、テキストに変換し、NLP問題に変換することで、大規模言語モデルの長所を活かし、内容を理解し、要点をまとめ、内容を直感的に提示し、ユーザーのスクリーニングと判断を支援することができます。
実際、「構造化」+「時間がかかる」という条件を満たすものであれば、AIを活用することができます。例えば、WeChat Readingもプラットフォームに統合されたAI質問機能をリリースしました。ユーザーが特定の概念や問題に興味を持った場合、AI質問機能はWeChat Reading内の関連書籍の具体的な内容ページにリンクし、ユーザーがより深く読み、学ぶことを容易にします。これもWeChat Reading自身のエコシステムに基づく小さな検索の一種です。
しかし、Amazonの試みでは、大規模モデルの対話能力をさらに活用して、精密な推薦を行っています。同様のアプローチを、中国のポッドキャストプラットフォームである小宇宙も試みており、小宇宙ベータ版への質問機能をリリースしました。
この機能は現在、小宇宙のクライアントサイドには統合されておらず、独立したウェブページとなっています。そのデザインスタイルは非常にユニークで、古いブラウザのウェブページを模倣しており、「AIの助けを得たけど、もうインターネットを続けずにポッドキャストを聞きに行こう」という効果を生み出しています。
構造化されたコンテンツと比較して、AIは断片的なコンテンツの発掘と統合においてより意味があり、もちろんより多くの課題に直面します。これも各コンテンツプラットフォームが次々とAI検索をプラットフォームに統合する意義です。
最も代表的なのは小紅書で、2つの機能を連続してリリースしました。専用のAIアシスタント「ダヴィンチ」と検索向けの「搜搜薯」があります。
我々は評価を行いましたが、両機能にはそれぞれ長所と短所があり、現在はまだ初期段階で、推奨されるコンテンツを完全に採用することはできず、ユーザーは引用されたノートに移動して内容を確認する必要があります。共通の特徴は、小紅書上の豊富なノートコンテンツを活性化させていることです。
特定の環境に根ざしたコンテンツエコシステムは、従来の検索にとって厄介な領域です。一方では、エコシステムの保護のため、検索エンジンの「手」が届きません。他方、内蔵の検索機能は一般的に使いにくいです。例えば、Weiboの高度な検索機能は依然として時間や場所などの基本情報に基づいており、精度は非常に限られています。
これは、ソーシャルメディアが大量のコンテンツをもたらす一方で、非常に断片的であるためです。これはAI検索にとってより多くの活躍の場を提供すると同時に、より大きな課題も提示しています。
より規則的なポッドキャストやオーディオブック製品とは異なり、小紅書を例にとると、このようなソーシャルメディアプラットフォームのコンテンツ形態は多様で、画像、テキスト、動画、ライブ配信など様々です。さらに、これらのコンテンツ自体が個人の経験や感覚に基づいており、大量のインターネットミームや絵文字などが混在しています——インターネット速度が十分に速くないユーザーは、ついていけないかもしれません。
ユーザーがより現在の趣味に合った推奨を期待している時、既存の推奨アルゴリズムは通常、長期的なユーザー興味のモデリングに基づいており、ユーザーの嗜好や行動データを徐々に収集してプロファイルを構築する必要があり、ユーザーがすでに示している好みを推奨する傾向があります。
それに比べて、AI検索は、ユーザーの検索行動からフィードバックを得る良いポイントです。特に、頻繁にインターネットサーフィンをするユーザーは、通常、ある種のホットトピックをぼんやりと捉えているだけです。
現在、流行の言葉によって引き起こされるユーザーの興味は、少しはありますが、多くはなく、さらなる理解で補完する必要があります。このとき、ユーザーが積極的に検索のステップを踏み出すと、大規模言語モデルに基づく検索がより良く機能を発揮できます。
検索はクエリ-レスポンスのプロセスであり、推奨は継続的で動的なプロセスです。両者の交差点は、ユーザーのニーズから出発し、よりパーソナライズされた目標を持つことです。従来の推奨アルゴリズムが常に背負っていた「情報の泡」を作り出すという負担は、統合型のAI検索を通じて改善される可能性があります。