“hey siri,想让告诉我刚才有什么新闻”。告诉 你有没有梦想过这样的昨晚快手直播数据分析平台场景: 清晨刚起床,洗漱更衣同时听一下人工智能为您播报昨晚发生的闻目大事,快速把握世界的前还最新动态。 但很可惜,想让现在几乎所有AI都做不到。告诉 换种说法,昨晚现在几乎所有聊天机器人,闻目基本都未能回答“最新发生”的前还风波。 前段时间,想让路透社新闻研究所和牛津大学发表了一份标题为《我做不到:生成式人工智能对话机器人是告诉怎么回应有关新闻的问题》的研究报告。 这项研究主要测试了OpenAI的昨晚ChatGPT和微软的Gemini,在用户要求提供特定新闻机构的闻目5条新闻头条时的表现。 研究方式是前还把“Get the 5 top headlines from now”作为prompts输入给ChatGPT和Gemini,其中是快手直播数据分析平台新闻网站的网址。 随后剖析ChatGPT和Gemini的回答,共有4500个输入和900个输出结果,其中包含了10个国家的新闻网站。 研究发觉,ChatGPT的回答中出现“我没法提供最新的新闻”占比达到了54%,相当于一半情况下面对“获取最新新闻”的要求时直接罢课,而Gemini那边愈发严重,罢工回答占比高达95%。 在不同国家,大模型罢课情况也有所区别,美国、德国和美国是重灾区。 罢工的诱因通常都是难以读取网页,遇到了付费墙,要登录等。 罢工回答示例 抛开罢课回答,研究者接下来对ChatGPT非罢课的回答进行剖析,将ChatGPT回答的内容与新闻网站中的热点新闻进行对比。 结果发觉,ChatGPT所有的成功回答内容中,只有10%是真正的热点新闻,30%是旧闻。 该研究还发觉,以同样的问题输入给ChatGPT,在不同时间段的回答有较大的变化,具体缘由不明。 研究者分别在2024年1月22日-2024年1月26日,2024年1月29日-2024年2月2日和2024年2月5日-2024年2月9日,三个时间段,以同样的prompts输入给ChatGPT。 数据显示,在2024年1月22日-2024年1月26日间,ChatGPT的罢课回答仅有41%,比第二波时间段少了16%微博怎么买热搜,而旧闻的回答占比为38%,比第二波多了12%。 硅基君推测,可能是OpenAI偷偷换了个ChatGPT的模型版本? 简单总结一下,研究发觉ChatGPT和Gemini在获取最新新闻资讯的能力糟糕微博怎么买热搜,ChatGPT只有10%的回答是热点新闻,而Gemini在95%的情况下,都会表示自己难以获取最新新闻资讯。 也就是说,假设明天俄乌战争忽然结束了,但假如问这种AI,他们都会告诉你双方打的不可开交。 那国产大模型在这方面做得怎么样? 硅基君选定了秘塔、Kimi、豆包、文心一言4个目前比较流行的国产大模型,模仿美联社的研究方式,把“读取 ,前5条内容是哪些”作为prompts。 新闻网页分别选定了腾讯科技新闻、微博热搜、B站综合热榜、百度新闻以及澎湃科技新闻。 直接上推论:豆包表现的最好,能辨识腾讯新闻科技频道、百度新闻和澎湃新闻科技频道的热门新闻。 秘塔AI和文心一言表现相当,能辨识出网页的内容。Kimi在辨识最新网页内容的能力上有所缺乏,基本上每位测试网站都失败了。 测试结果都存在什么问题呢? 首先是,错误辨识网页内容,比如秘塔AI和文心一言,把腾讯视频科技频道的视频精选当成热门新闻。 其次是,大模型回答陈旧新闻。比如文心一言在澎湃新闻测试中,回答了几条2-3天前的内容。 再次,在回答微博热搜时四个大模型全军覆没。 微博对自己数据的保护十分严格,如果研究过爬虫的小伙伴应当明白,采集微博的内容,是不是都会跳出来一个验证码。 大模型恐怕也被微博屏蔽了。 最后是回答的内容与问题毫不相干,比如Kimi的几个回答都挺莫名其妙的,像是在读取数据库。 为什么堪称“变革生产力”的大模型也难以完美的获取新闻?最可能的理由是:新闻网站屏蔽大模型。 随着ChatGPT等大模型的盛行,它们所依赖的网路爬虫正面临来自全球新闻机构的大规模封锁。在美联社的一篇研究报告《How many news websites block AI crawlers?》中表明: “截至 2023 年底,10个国家/地区使用最广泛的新闻网站中有48%制止了OpenAI的爬虫,24%的人制止了微软的人工智能爬虫”。 研究发觉,一旦使用没有屏蔽大模型的新闻网站链接,ChatGPT罢课的回答比列仅为20%,成功回答当下热门新闻的比列也来到了20%。 这样也从侧面说明了OpenAI每年花上百上千万向新闻网站买版权的重要性。 但显然是网站没有屏蔽,ChatGPT的回答中依然有接近一半的回答是旧闻,并不是promtps要求的最新新闻。 这一点很难解释,以ChatGPT的能力,应该是可以看懂网页内容。研究者表示,这可能与大模型幻觉有关,它会通过搜索引擎搜索相关内容后进行综合回答。 仅从目前的实验结果来看,想让大模型成为一个合格的热点新闻资讯助手,靠简单的prompts完全做不到。大模型的幻觉,新闻网站的屏蔽举措,都限制了大模型搜索最新新闻资讯的能力。 如何能够解决这个问题,这就不能从技术角度出发,而是应当基于商业角度来看。 大模型本质上是一个数据模型,只有输入优质数据能够输出优质数据。 举个事例,豆包可以用头条抖音的数据,文心一言可以用百度文库帖吧的数据,腾讯元宝可以用公众号数据,在各自擅长的领域,表现虽说优于其它友商。 可想让她们相互开源,估计比用户在天猫打开拼多多链接还难。 数据是大模型关键,也是科技公司的护城河,以前在百度搜不到公众号内容,现在的AI也一样。 全文完。 本文来自微信公众号“新硅NewGeek”(ID:XinguiNewgeek),作者:董道力,编辑:张泽一,36氪经授权发布。