We're now alpha-testing our V6 models Midjourney. Just type /settings and click V6 or add ––v 6 after your prompt. Image coherence and prompt understanding are greatly improved. You can draw text and dolphins and there's new upscalers too. Happy holidays everyone!
Prompt: A Japanese beautiful 22 year old woman wearing white lace deep v dress, sitting on a chair in the coffee shop, full body shot, cinematic shot, f/1.4, 50mm, iso 200, volumatic lighting, soft lighting, cold tone color, Nikon D6, natural skin.
Prompt: Low angle view. An advertisement with text “Leggie” printed on it stands on the TV wall in Times Square, with a crowd of onlookers below. In the snowy winter, at night, bright neon lights. F/5.6, ISO 800, Nikon D6.
在數位時代的快速發展下，搜尋引擎優化（SEO）已成為網站和內容創作者的重要工具。傳統 SEO 的主要目標是調整網站的內容和結構，以在搜尋引擎結果頁中獲得更高的排名，進而增加曝光率和訪問量。然而，隨著大型語言模型（LLM）的出現，一種新型的搜尋引擎——人工智能搜尋引擎（例如 Generative Engines）已經崛起。這些引擎利用生成模型來收集和總結資訊，回答用戶的查詢。
《GEO：人工智能搜尋引擎優化》這篇論文的主要研究團隊為在資訊檢索系統領域具有豐富經驗的專家。他們專注於探索和實現新的搜尋技術，特別是在利用人工智能和大數據分析來提升搜尋引擎效能方面。研究團隊深入探討了生成引擎的運作原理、對傳統 SEO 策略的影響以及開發新的 GEO 方法，旨在為這一新興領域提供實用且有效的指導。
傳統的搜尋引擎優化 (SEO) 主要關注於如何通過特定關鍵字和內容結構來提高網站在搜尋引擎結果頁（SERP）中的排名。這種策略基於搜尋引擎如何爬行、索引和排列網站內容的特定算法。然而，隨著人工智能搜尋引擎的出現，傳統 SEO 方法面臨著挑戰。這是因為這些新型搜尋引擎採用更為複雜和動態的算法來生成回應，而非僅僅依賴關鍵字匹配。
相較於傳統 SEO，人工智能搜尋引擎優化（GEO）關注的是如何在人工智能驅動的搜尋回應中提升內容的可見性。由於這些引擎通常結合來自多個來源的資訊來創建一個統一的回應，因此，GEO 需要考慮的因素比傳統 SEO 更為多樣，包括內容的長度、獨特性和如何呈現引用資訊。此外，GEO 還涉及使用一系列特別設計的印象指標，這些指標可以幫助內容創作者衡量和優化其網站在生成引擎回應中的表現。
總而言之，GEO 與傳統 SEO 的最大區別在於，它不僅關注於排名和可見性，更著重於如何在生成引擎的多元和對話式環境中優化內容。這要求內容創作者採用更加創新和靈活的方法來應對這些新型搜尋引擎的特點和需求。
史丹佛大學的經濟學教授 Nicholas Bloom 最近發出了一個警告，他認為完全遠距工作的員工最有可能被人工智能取代。Bloom 教授的這種觀點引起了人們對未來勞動力市場的關注，特別是在新冠疫情後，遠距工作已經成為許多公司的常態。
Bloom 教授認為，完全遠距工作的員工，特別是那些工作內容重複且永久遠距的角色，最有可能被 AI 取代。他建議，要保護自己不被 AI 取代的最好方式是擔任需要一些面對面互動的角色，即使這種互動只發生在每隔一個月。這種觀點對於那些已經習慣於遠距工作的員工來說，無疑是一種挑戰。
完全遠距工作的員工佔美國和北歐勞動力的10%。特別是那些100%永久遠距且工作內容重複的角色，如資料輸入、客服中心、人力資源、薪資計算等，最有可能被 AI 取代。這種情況對於那些依賴這些工作的員工來說，無疑是一種威脅。
然而，人工智能的發展並不全然是壞事。在一篇名為《Generative AI at Work》的研究中，作者 Erik Brynjolfsson、Danielle Li和Lindsey R. Raymond 研究了生成式 AI 在客服工作中的應用。他們使用了來自5,179名客服代表的數據，研究了生成式 AI 對話助手的分階段引入。研究發現，使用該工具的客服代表在解決問題的速度上平均提高了14%，其中新手和低技能工作者的提高幅度達到34%，而對於經驗豐富和高技能工作者的影響則微乎其微。這些結果暗示，生成式 AI 可以提高生產力，但對不同工作者的影響存在很大的異質性。該研究還發現，AI助手可以改善客戶情緒，提高員工留任率，並可能促使員工學習。
AI 的發展也可能對全球勞動力的部分工作進行自動化。例如， OpenAI 的 ChatGPT 等生成工具可以寫程式碼、生成行銷材料、創建課程計劃等。這種情況對於那些依賴這些工作的員工來說，無疑是一種威脅。一項由高盛發布的研究發現， 生成式 AI 的出現引發了對任務自動化快速加速的擔憂，這將帶來勞動成本節省並提高生產力。儘管生成式AI的潛力存在很大的不確定性，但其生成與人類創作的內容無法區分的能力以及打破人類與機器之間的通信障礙反映了具有潛在巨大宏觀經濟影響的重大進步。如果生成式 AI 實現其承諾的功能，勞動力市場可能面臨重大破壞。根據美國和歐洲的職業任務數據，大約三分之二的現有工作面臨一定程度的 AI 自動化風險，生成式 AI 可能取代高達四分之一的現有工作。從研究中也可以看到 AI 自動化可能會影響台灣23%、中國25%、香港29%的全職勞動力。
資料來源：高盛
根據全球估算，生成式 AI 可能使18%、相當於3億全職工作受到自動化影響。好消息是，歷史上，自動化所帶來的工人流失通常會被創造新工作所抵消，新興技術創造的新職業在長期內佔據了大部分就業增長。
整體而言，人工智能的發展對於勞動力市場來說，既有威脅也有機會。對於那些希望在未來的勞動力市場中保持競爭力的員工來說，了解 AI 的發展趨勢，並根據這些趨勢調整自己的工作方式和技能，將是非常重要的。
Perplexity 最新的搜尋生圖功能：搜尋語句 “perplexity ai 的背景和經營團隊”、輸出風格 “相片”。該功能由 DALL-E 3 提供技術支持。
搜尋引擎已成為我們獲取資訊的重要工具。隨著人工智能（AI）技術的發展，搜尋引擎正迎來一場革命。傳統搜尋引擎如 Google 雖然強大，但新一代的 AI 搜尋引擎，如 Perplexity，正顯示出超越傳統模式的潛力。今天，我們將深入探討 Perplexity —— 一款結合了先進 AI 技術的搜尋引擎，它如何為用戶提供更加直觀、準確的搜尋體驗。
Perplexity 於 2022 年 12 月正式推出，是一家專注於 AI 搜尋技術的創新公司。它的創立標誌著一個新時代的開始，致力於利用 AI 技術改進網上搜尋的方式。Perplexity AI 的聯合創始人兼首席執行官 Aravind Srinivas 曾在加州大學柏克萊分校獲得計算機科學博士學位，並在 OpenAI、Google 和 Deep Mind 等公司從事人工智能研究 。他與前 Meta 研究科學家 Denis Yarats（Perplexity 的首席技術官）等合夥人共同創辦了 Perplexity AI。Perplexity AI 的開發團隊在 AI 領域擁有豐富的經驗和專業知識，並得到了來自人工智能專家如 Nat Friedman、Elad Gill、Jeff Dean、Ian Lakun 和 Andre Carpethy 等人的支持。
AI 幻覺，也被稱為虛構或妄想，是指人工智能自信地生成出看似具說服力、實際卻是錯誤答案的問題，儘管這答案在其訓練數據中並不合理。在自然語言處理中，幻覺通常被定義為「生成的內容相對於被提供的源內容而言是無意義或不可信的」。這些科技能提供看似有用，但實際卻毫無用處的建議。例如， ChatGPT 可能會回答一個看似有理有據的答案，並配以看似有理有據的引用，使人不得不仔細檢查自己是否不小心輸入了真實現象的名稱。這種情況下， AI 可能會產生出一個非常令人印象深刻的答案，但實際上卻是完全錯誤的。有些研究人員認為，這種幻覺可能是由於訓練數據不足或者是高維統計現象所導致的。然而，這些觀點並不是所有人都同意，有些人認為這可能是因為模型偏向表面統計數據，導致對抗訓練在現實場景中不具有魯棒性。目前，幻覺現象仍未完全被了解，因此，從業者仍在進行研究以試圖減輕/減緩其出。特別是研究表明，語言模型不僅會產生幻覺，還會放大幻覺，即使是那些旨在緩解這一問題的模型也遇到了同樣的問題。
Perplexity AI 透過多種方式來解決 AI 幻覺問題。首先，Perplexity AI 的一個重要特點是其迭代速度快，每周都會有新的小更新，這使得它能夠快速修正可能出現的問題，包括 AI 幻覺問題。其次，Perplexity AI 提供了一種名為 “Source Edit”（信源編輯）的功能，這個功能允許用戶編輯參考信源並重新搜索。例如，如果 Perplexity AI 引用了未及時更新的維基百科條目，導致給出了錯誤的答案，用戶可以使用 “Source Edit” 功能刪除該信源，然後重新搜尋，這樣就可以得到正確的答案。這種功能有效地減少了無關信源對結果的干擾，並通過人工的方式，對潜在的不穩定性進行修正。此外，Perplexity AI 在反覆查詢相同問題時，基本能夠基於相同信源提供一致的答案，有效降低了大模型的不確定性。這種穩定性有助於減少 AI 幻覺問題的出現。
傑夫·貝佐斯對 Perplexity 的投資是其對 AI 初創公司興趣的最新例證。據報導，貝佐斯投資了7400萬美元於專注於網路搜尋的 Perplexity 。這筆投資是該公司最近一輪融資的一部分，該輪融資由包括 Nvidia 和亞馬遜創辦人傑夫·貝佐斯在內的投資者群體完成，將 Perplexity 的估值推至5.2億美元。這表明貝佐斯對該公司旨在挑戰 Google 在搜尋領域的主導地位的 AI 創新表示支持。
CNBC 認為 Google 在搜尋引擎的支配地位正面臨 ChatGPT 等新 AI 模型的挑戰。投資者和分析師都在質疑 Google 是否仍主導 AI 領域。包括 Anthropic 的Claude 和 Perplexity 等初創公司正利用 AI 助手改造搜尋引擎，能夠歸納資訊。Google 多年前就承諾成為 “AI第一” ，但尚未將其完全整合到搜尋中。它面臨失去用戶的風險。
Google 搜尋和 YouTube 仍是有史以來最具抗風險的消費者產品。Google 擁有 Android 並每年向蘋果支付數十億美元保持 iPhone 上的搜尋地位。但默認選項可以迅速改變，正如 Google 自己的興起所示，年輕一代已經開始去其他地方例如 TikTok 獲取資訊。儘管目前為時尚早宣佈 Google 搜尋的結束，該公司面臨着日益增長的 AI 競爭風暴，迫切需要採取行動。
Perplexity 的 CEO Arvin Krina 評論了當前人工智能領域的發展格局。他認為微軟在人工智能整合執行方面做得很好，快速將其融入企業產品；但 Google 似乎在生成式人工智能領域執行力最差，原因在於 Google 的商業模式和被認為準確的品牌形象，使其難以容忍人工智能模型可能產生的錯誤或虛構內容。
Arvin 創立 Perplexity 的靈感來自尋找健保詳情時， Google 只返回廣告而無直接答案的挫敗感。他期望 Perplexity 能提供直接解答，不耗費時間瀏覽連結，顛覆 Google 賺廣告收入的傳統搜尋模式。隨著直接回答人工智能助理的興起，高效能的知識工作者可能會棄用耗時的 Google 搜尋，轉而使用能節省時間的新興選擇，這將對 Google 品牌和業務帶來重大衝擊。
此外，在接受 The Logan Bartlett Show 的訪談時，他認為 Perplexity 面臨著與 OpenAI 和 Google 等巨頭爭奪人才的挑戰，但他從 Larry Page 那裡學到了”用戶永遠是對的”的理念，並致力於打造一個由聰明人組成的團隊，解決棘手的問題，將產品推向用戶。他預測未來將有100家人工智能初創公司的估值超過100億美元。不過，他目前不太關注人工智能安全問題，因為他認為現有的風險似乎還很遙遠。現在還不是監管人工智能的時候，因為這可能會阻礙創新。 Perplexity 的最終目標是成為一個知識的瑞士軍刀，幫助人們在日常生活中做出更好的決策，並通過 Larry Page 的”牙刷測試”，即每天至少被使用兩次。儘管改變用戶習慣需要時間，但 Perplexity 團隊正致力於長期發展，以實現這一目標。
