IT之家 5 月 29 日消息，科技媒體 theregister 昨日（5 月 28 日）發(fā)布博文，報道稱以 Perplexity 為代表的 AI 搜索工具雖然表現(xiàn)要優(yōu)于谷歌等傳統(tǒng)搜索引擎，但在不斷地版本更迭后，搜索結果質(zhì)量不升反降，AI 模型崩潰（model collapse）現(xiàn)象正在顯現(xiàn)。

該媒體指出以 Perplexity 為代表的 AI 搜索工具曾被視為傳統(tǒng)搜索引擎的強力替代品，其搜索結果一度比谷歌更精準。

不過近期不少用戶發(fā)現(xiàn)，AI 搜索反饋的硬數(shù)據(jù)（如市場份額或財務數(shù)據(jù)等），并未來自權威的美國證券交易委員會（SEC）要求的 10-K 年度報告，常常引用不可靠來源。用戶若不明確指定數(shù)據(jù)來源，得到的結果往往令人費解。

IT之家援引博文介紹，這種問題并非 Perplexity 獨有，主流 AI 搜索機器人均存在類似“可疑”結果的現(xiàn)象。

該媒體認為 AI 搜索質(zhì)量下降的根源，在于“模型崩潰”（model collapse），即 AI 系統(tǒng)因依賴自身輸出訓練，導致準確性、多樣性和可靠性逐步喪失。錯誤累積、稀有數(shù)據(jù)（tail data）丟失以及反饋循環(huán)是三大主因。

錯誤累積讓每一代模型繼承并放大前代的缺陷；稀有數(shù)據(jù)丟失使罕見事件和概念逐漸模糊；反饋循環(huán)則強化狹窄模式，輸出重復或偏見內(nèi)容。

為提升 AI 表現(xiàn)，檢索增強生成（RAG）技術被廣泛應用，讓大型語言模型（LLMs）從外部數(shù)據(jù)庫提取信息，減少“幻覺”（hallucination）現(xiàn)象。

然而，彭博社研究發(fā)現(xiàn)，即便采用 RAG，包括 GPT-4o、Claude-3.5-Sonnet 等 11 個領先模型在處理 5000 多個有害提示時，仍會輸出錯誤結果。更糟糕的是，RAG 增加了泄露客戶隱私數(shù)據(jù)、生成誤導性市場分析及偏見投資建議的風險。

AI 模型崩潰的后果正在加速顯現(xiàn)。用戶和企業(yè)為追求效率，傾向于依賴 AI 生成內(nèi)容，而非投入人力創(chuàng)作高質(zhì)量內(nèi)容。從學生作業(yè)到偽造科研論文，甚至虛構小說，AI 的“垃圾輸入、垃圾輸出”（Garbage In / Garbage Out，GIGO）現(xiàn)象無處不在。

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。