時至今日，網路上的 AI 工具越來越多，也有越來越多的大神們，熱情的分享這些新工具的可能性，AI 世界看起來欣欣向榮 … 真的是這樣嗎？我注意到，現在的 AI 生態出現一個詭異現象：工具我做我的、用戶你玩你的，從「知道」到「實用」的過程當中，出現了一個相當大的鴻溝。
事實上，要讓 AI 變得實用，不一定非得使用到多麼高明的技術、多麼花哨的程式語言，有些時候你只是需要「將對的工具，放到對的地方使用」，如此而已。《科技人》最近整合了 Felo.ai 搜尋引擎，利用外部的資源，來做到「客製化自然語言搜尋」功能！而在這中間，我甚至不需要支付任何費用。
透過 Felo.ai 實現「客製化自然語言搜尋」，是如何做到的？
Felo.ai 是一款「AI 搜尋引擎」，透過它，你可以像正常說話一般的「問」出你的問題，AI 會理解你的問題後，找出最符合你需要的答案。而《科技人》現在透過簡單的「網址結構利用」做法，來實現「客製化自然語言模型」，用戶只要像正常說話那樣，輸入跟科技相關的問題，AI 就會在理解你的問題後，從《科技人》網站找到相關的、合適的答案來回答你。
這是一種「RAG」的應用玩法。RAG（Retrieval Augmented Generation）是「檢索增強生成」的意思，所謂的檢索增強生成，是賦予生成式 AI 資訊檢索能力的技術。RAG 生成「最佳化、客製化大型語言模型」的方式，是讓模型根據指定的一組檔案資料，來回應使用者的查詢，並同時利用這些資訊增強模型自身龐大的靜態訓練資料。
簡單講，RAG AI 搜尋引擎可以聽得懂人話、在指定的地方找到答案後，同樣用人話來回答你，就算原始資料來源寫得很難懂也沒關係，RAG 會消化這些資料後，直接生成你看得懂的人話解答。
這邊我提一下，第一個想到網站整合 Felo.ai 用法的人不是我，而是 Will 保哥的技術交流中心。我只是拾人牙慧，依樣畫葫蘆罷了。（你只要滑動到《科技人》網站底部，就會看見「自然語言搜尋」的常駐功能）
至於是如何做到客製化的？答案很簡單，就是將用戶輸入的「問題」變成 Query，並且指定資料來源是《科技人》，就完成了。
例如，當用戶輸入「AI 有哪些現實中的應用可能？」送出後就會自動打開 Felo.ai 頁面，並帶入下面這段搜尋文字：
site:techtarian.com AI 有哪些現實中的應用可能？
這樣，就可以在不花一毛錢的前提下，幫網站實現「客製化自然語言搜尋」了，Felo.ai 甚至還會幫它的每一個回答附上出處（你網站的某篇文章），真的是非常方便。對 Felo.ai 來說，我們這種用法也是在幫他們帶來新的用戶，算是一個雙贏的玩法。
最後我想聊聊，在 AI 世界「實用」的重要性
我不久前曾舉一個例子：你把達文西機器手臂放在車庫，打算用它來幫汽車更換機油，只能說你用錯地方了。
每一個強大的工具，都要放到對的地方，才會真正帶來效率的提升、產值的爆發。AI 服務、創新工具多到讓人眼花繚亂，我注意到有些人沉溺在這些新奇的工具當中，花錢、體驗、遺忘；花錢、體驗、遺忘，陷入了這樣的輪迴。
除了浪費錢、浪費時間，也浪費掉了這些新工具正確發揮的機會。我曾經在「AI 泡沫化要來了嗎？我看到的關鍵問題：擁有拆解型思考能力的人太少」一文中提到，有能力將問題拆解、找到 AI 能介入的「窗口、的人，真的太少了。這就導致，AI 大模型越來越強、硬體越來越先進，但是用戶的使用卻很大程度上停滯不前。
你根本不知道你需要什麼，你根本不知道現在的任務如何讓 AI 介入，自然就無法受惠於 AI 帶來的效率暴風成長果實。
以《科技人》的「客製化自然語言搜尋」為例，我並不需要自己花大錢去租用 GPU 機櫃、不需要自己麻煩的訓練一個大模型，也不需要心驚膽戰的使用 AI 服務的 API（怕被玩爆，資金枯竭），只需要巧妙的利用別人的服務，就能做到完全一樣的效果於目的，而且最終帶來雙贏的結果。
很多時候，讓好工具變得實用，你需要的並不是更多的錢、更高超的編程能力，或是更好的硬體；你需要的，只是打破常規思考的能力，將不同的兩個東西組合起來，往往會帶來奇效，共勉之。
公開留言