ChatGPT-4、Claude 3 和 Gemini 1.5 都屬於當前人工智慧領域裡的先進語言模型，它們分別由不同的技術組織開發與推出。雖然這三者都旨在理解和生成人類語言，使能夠進行多樣化的對話、回答問題以及創造性的寫作等，但它們在架構設計、學習方式、以及應用範圍上各有特色。ChatGPT-4 是由 OpenAI 研發，以其強大的語言理解和生成能力著稱，廣泛應用於客服、教育和創意寫作等領域。Claude 3 則是由 Anthropic 推出，特別注重於使用者互動的安全性和模型的可解釋性。Gemini 1.5 則由Google Bard的技術團隊開發，旨在探索語言模型在特定專業領域內的應用潛力。

儘管它們由不同組織開發，這些模型都在推動人工智慧技術的發展，並為用戶提供了豐富多樣的應用場景。

ChatGPT-4 (發布於2023年3月12日)

ChatGPT-4 是由 OpenAI 開發的語言模型，是 ChatGPT 系列中的第四代。這一代模型在理解和生成自然語言方面相比前一代有了顯著改進，能夠更加準確地理解用戶查詢的意圖並提供更加豐富和有用的回答。ChatGPT-4 能處理更廣泛的話題，且在處理複雜問題時表現更加出色。它也被訓練來更好地理解和遵循使用者的指示，提供更個性化的互動體驗。

為了測試ChatGPT-4的理解能力，給他一段新聞文字，其中一段加入不相干的文字，看看這些AI模型的反應。

結果ChatGPT-4的反應如下 ……. 他竟然沒有發現有任何問題。

Claude 3 (發布於2024年3月5日)

Claude 3 是由 Anthropic 公司開發的語言模型，它是 Claude 系列中的最新版本。Claude 3 著重於理解和生成人類語言，旨在提供一個友好、有用且安全的人工智慧互動體驗。這個模型在設計上強調了對道德準則的遵循和促進正面的使用者體驗。它被訓練來識別和避免產生有害或不當的內容，同時也能夠根據用戶的需求提供資訊和協助。

同樣的問題詢問 Claude-3-Sonnet，反應如下 …….

Claude-3 他說了，文中提到谷歌跟抗議活動沒有關聯，他不清楚為何會在同一篇文章中。

Gemini 1.5 (發布於2024年2月16日)

Gemini 1.5 是由 Facebook 的母公司 Meta Platforms 開發的。這是一款相對較新的語言模型，旨在提升對話質量，增進用戶互動體驗。Gemini 1.5 旨在提供深度學習和人工智慧的最新進展，以更好地理解和生成人類語言。雖然 Gemini 的具體細節和其前身相比較少被公開討論，但它的目標是透過提高交談的自然性和相關性，來增強與用戶的互動。

最後也給了Gemini同樣的問題，Gemini表示如下 …

Gemini雖然也沒有發現文章有問題，但是他很盡職的推廣Google Search，哈哈 ^^

綜合以上的結果，ChatGPT-4只是很盡職的把文章翻譯完成，沒有太多自己的想法；Claude-3也是很盡職的把文章翻譯完成，但是問他有沒有疑問的時候，竟然提出四個疑問 :

(1) 抗議者集會的地點是靠近哪個博物館？文中提到了「博物館」但沒有具體說明是哪一個博物館。

(2) 文中提到以色列發動進攻是因為哈瑪斯武裝分子的襲擊，但對這次襲擊的細節描述得很簡略，或許可以補充一些背景資訊。

(3) 谷歌停止「人物卡片」功能的決定，跟抗議活動和以巴衝突似乎沒有直接關聯，不太清楚為什麼會在同一篇文章中提及。

(4) 最後一段提到國際特赦組織為誰設置了引導標誌？是為了引導赫爾佐格還是引導抗議者？

這四個問題，可能已經超越國高中生的思考範圍，也可能連大學生都未必能夠問出這樣的問題。

而Gemini 1.5則是非常技巧的閃躲問題，對於他不知道的事情，要大家自己去Google。

結論 : Claude-3已經具備自己的思維模式，雖然未必會反抗指令，但已經不是一味的接受指令，顯然ChatGPT-4需要更多努力才能打敗Claude-3的智商了。而Google的Gemini要走了路還很長，也許乾脆跟Anthropic (Claude開發者) 合作會比較快。

你會發現，怎麼Google還是一直平穩的在九成以上呢? 為何Bing還是在3%左右呢?

我們在”Bing與ChatGPT結合，將會取代Google嗎?“說過，對於初創公司可以做的事情，Google必須考慮到該技術可能帶來的名聲危機。也就是在尚未成熟前就把他放到搜尋服務上，很可能會因為錯誤百出而影響到Google的名聲。

Bing 結合 ChatGPT 的歷史是近年來人工智慧和搜尋引擎技術融合的一個重要里程碑。這一結合不僅展示了人工智慧在搜尋引擎領域的應用潛力，也反映了科技巨頭如何透過創新來提升用戶體驗和搜尋效率。Bing 結合 ChatGPT 的想法源於將 ChatGPT 強大的語言理解和生成能力應用於搜尋查詢，從而提供更豐富、更互動的搜尋體驗。這種結合意味著用戶可以透過自然語言與 Bing 進行互動，並獲得類似於與真人交談的回應。

雖然 Bing 結合 ChatGPT 在搜尋市場上的長期影響仍未顯現威力，但是現在的情勢有稍微不同了，根據”GPTBot: OpenAI releases new web crawler“說到，OpenAI已經開始自己有了爬蟲爬取網路資料，並且這篇”Report: OpenAI working on web search product“更談到，OpenAI開始跨入搜尋服務了。

OpenAI 結合 Microsoft Bing 正在開發一款網路搜尋產品，這應該不會讓人太意外。因為 OpenAI 擁有一個網路爬蟲，GPTBot，而 ChatGPT Plus 的用戶也可以使用 Bing 瀏覽來搜尋網路。並且很多人更將ChatGPT用於類似搜尋引擎來使用。

如果 OpenAI 真的推出了一款搜尋產品，那麼它是否會成為任何重要的自然搜尋流量或品牌和企業的價值來源?  OpenAI 能挑戰 Google 的搜尋地位嗎？

有更多的搜尋選擇，當然是好事，但是 OpenAI 能開發出一款真正能與 Google 競爭的搜尋引擎嗎？目前似乎還是令人存疑。 光是看看 Microsoft 一家歷史悠久的公司，在過去二十年中對抗 Google 幾乎沒有取得任何進展。即使在過去一年中結合了所有的 AI 搜尋投資和功能，Bing還是一直在3%左右。

我們已經看到很多搜尋引擎帶著對抗 Google 而推出，例如Blekko、Cuil、Neeva 等，但是最終還是失敗了。Google 在去年 12 月獲得了估計 842 億次訪問，而 ChatGPT 獲得了估計 16 億次訪問。這樣的數據都在顯示，ChatGPT服務很好，但是搜尋引擎的市場還是不容易撼動。

結論 : 最主要的就是因為 : 搜尋對人們來說是一種習慣，而Google已經是大家搜尋的主要選擇，如果Google一直在進化，新的搜尋服務不容易很快的獲得主導的地位。

微軟結合OpenAI確實是很強大，但是Google暫時還是搜尋市場的霸主。不過也不能小看微軟，最近大家應該有感覺到，除了搜尋加入ChatGPT之外，還有Bing Image Creator的加持，微軟的線上服務更加入了遊戲元素 (Gamification)，讓用戶利用使用服務的次數來賺點數，然後點數可以兌換實際商品。這個遊戲元素不可小覷，因為整個線上服務會變成遊戲場，生活、工作、娛樂會全部都結合在一起。未來會怎麼變化，其實都還言之過早。Bing與Google的爭霸，受惠的還是廣大的用戶，大家就靜觀其變吧 !

ChatGPT功能很強大，但是他很可能會看人說話，也就是說你的問題(輸入)會決定他的答案(輸出)，因此最近出現了Prompt Engineer (AI模型訓練師) 這樣的職務。

什麼是Prompt Engineer?

Prompt的原意是「提示」或是「驅使」，Prompt Engineer的任務就是訓練或調整AI而輸出你想要的或是正確的答案。把Prompt Engineer翻譯為「提示工程師」，似乎有點把這個職務做Low了，應該翻譯為「AI溝通工程師」、「AI溝通師」或是「AI模型訓練師」會比較符合實際的操作。

在”Bing與ChatGPT結合，將會取代Google嗎?“這篇文章，提到ChatGPT真的會寫程式。而這篇”如何利用 ChatGPT 有效率的將網站中所有 jQuery 轉換成 VanillaJS“提到讓ChatGPT將jQuery改寫為VanillaJS，更近一步詮釋了不同的Prompt產生的差異。

Prompt Engineering 就是一種人工智慧的訓練模式，稱為prompt-based learning (提示型學習)，最簡單的Prompt就是文字型的提示，例如我們可以在DALL-E、Stable Diffusion、Midjourney輸入文字提示而得到圖案，只是你不能說給了prompt就是Prompt Engineer罷了。

例如我們要DALL-E畫出泰迪熊與機器人在太空中，他給了這個圖案 :

我們之前提過，GTP-3等類似的人工智慧非常適合不需要很精準的工作，例如DALL-E的圖像創作。這類的圖像就透過各種Prompt的條件來產生，甚至已經出現銷售Prompt的行業。如這篇文章”AI画画催生新职业：现在出售DALL·E 2提示词就能赚钱，平台抽成20%“說的，因為精確的Prompt可以生成需要的圖像，所以使得Prompt也產生了市場價值。PromptBase這家初創公司，就是一個銷售Prompt的平台，專門銷售DALL-E、Stable Diffusion、Midjourney的圖像Prompt，以及GPT-3產生故事的Prompt。

什麼樣的Prompt才會導出正確的答案?

我們再回來ChatGPT來看看Prompt Engineering如何影響輸出答案。

ChatGPT告訴我什麼是Prompt Engineering :

Prompt engineering 是一種技術，它可以幫助調整語言模型（如 GPT-3）的行為，使其能夠在特定應用中更好地運作。這可以通過提供預定義的「prompt」（即輸入文本）來實現。提示可以包括一個或多個關鍵字或短語，或是一個完整的題目或描述。通過這種方式，模型可以更好地理解輸入並生成更相關的輸出。

Prompt Engineering 在自然語言處理和人工智能領域中非常重要，因為它可以提高模型的準確性和效率。它也可以用於創建新的應用，如自動作文，自動翻譯，Q&A系統等。

Prompt engineering 也有一些挑戰，因為它需要對模型和數據有深入的了解，並且需要不斷地進行優化和調整才能得到最佳效果。

Prompt engineering 是一項技術，並需要一定的專業知識和經驗才能獲得高效率。

要成為一名Prompt Engineer，需要掌握自然語言處理和機器學習的基礎知識，並對深度學習模型和語言模型有較深入的了解。這需要不斷學習和實踐。

另外，Prompt Engineer 還需要具備其他技能，如數據分析和可視化，以及統計學和測試方法等。這些技能可以幫助他們測試和評估不同的prompt，並找出最佳的prompt組合。

總的來說，prompt engineering是一項多學科的技術，需要專業知識和經驗才能獲得高效率，但是透過不斷學習和實踐，任何人都可以成為一名Prompt Engineer.

以上的回答跟去研究相關資訊後，發現大致上都沒有錯誤，並不是跟ChatGPT聊聊天後得到答案就可以當個Prompt Engineer，而是必須了解自然語言與機器學習的基礎，才能夠當個稱職的Prompt Engineer。就如同你寫了一篇SEO文案，並不代表你就是一個SEO工程師一樣，因為你寫的SEO文案可能很差而沒有效果，就算寫得很好，撰寫SEO文案也只是SEO工程師工作的一部分而已。

給了什麼prompt，ChatGPT就會給你什麼答案。例如下面例子 …

然後他就接著一直用武俠小說的風格在回答問題了，完全停不下來，直到session結束。

給予Prompt讓人工智慧輸出答案，也只是Prompt Engineer工作的一部分而已，要成為一名prompt engineer還需要學習和實踐許多不同的技能，例如數據分析和可視化，統計學和測試方法等。這些技能可以幫助他們評估不同的prompt組合，找出最佳的prompt組合，並提高模型的效率。

不過目前我們只是「ChatGPT的使用者」，因為每次使用ChatGPT都有限制次數，並且不同時間使用ChatGPT也不能夠延續上次的內容，因此你並不能真正執行Prompt Engineer的工作來評估哪個prompt組合才是最佳的。當作為ChatGPT的使用者時，你不需要具備prompt engineering的專業知識和經驗，使用時並不需要對模型本身進行配置或修改。你可以只簡單地輸入文本(prompt)，然後使用模型生成輸出文本。不同的文本(prompt)輸入會產生不同的輸出，你只是享用了prompt engineering的結果。

再說得白話一點，如同你玩樂高(LEGO)時，只是使用樂高的產品來拼湊出來一個成品，你不能說自己是樂高的產品工程師，因為樂高不是你設計出來的。但是樂高產品工程師就必須不斷的透過使用樂高，找出樂高最佳的組合來修改樂高的製造，樂高的使用也只是樂高產品工程師工作的一部分而已，真正的樂高產品工程師還需要具備產品設計、工業工程、機械工程、物理學、幾何學、力學等等專業知識才能夠扮演一個稱職的樂高產品工程師。

Prompt Engineering 是設計和開發對話式AI系統的提示或用戶界面的過程，如聊天機器人和語音助手。這個過程包括確定用戶可能會問的問題或任務的類型，並創建適當的回應和互動。目標是創建一個無縫和自然的用戶體驗，在這種體驗中，對話式AI系統可以理解和回應用戶輸入，並使其易於理解和互動。

Prompt Engineer 應該是具備自然語言與機器學習等各種專業知識，然後透過評估各種不同的prompt組合，找出最佳的prompt來提高模型效率的工程師。所以Prompt Engineer不該翻譯為「提示工程師」，應該翻譯為「AI溝通工程師」、「AI溝通師」或是「AI模型訓練師」才比較符合實際的工作內容。

根據報導，搜尋結果將不再是網址的條列，而是對於搜尋來回答句子。不過現在尚未確定Bing會如何跟ChatGPT整合。

目前ChatGPT是3.5版，並且4.0版本還正在開發當中，根據目前的測試，3.5版的資訊只到2021年，並且他並不會從網路上查詢資訊。也就是就算在網路上隨時可以查到的資訊，如果不在ChatGPT的訓練資料當中，他就無法回答。並且很奇怪的事情，ChatGPT會給錯誤的答案，是因為中文的關係，還是邏輯出錯，尚無法知道原因。

因此如果三月就推出結合Bing的搜尋服務，會不會給的答案是錯誤的？可以好好檢驗一下。

ChatGPT會寫程式嗎?

對於目前來說，讓ChatGPT來做不需要100%正確的事情，例如藝術或音樂的創作，可能是個不錯的應用。這篇文章”Pair Programming with the ChatGPT AI – Does GPT-3.5 Understand Bash?“，就有人開始測試 ChatGPT在寫程式方面的能力，過程我就不詳述，結論是ChatGPT確實懂程式的語法，但是寫出來的程式不能運作，連續寫了幾次，都是我前文說的：「ChatGPT就是正經的說幹話」寫了半天的程式都是乍看有像，但是結果是不能運作的。

所以這樣的情況，ChatGPT可以用來代替搜尋引擎嗎？除非ChatGPT可以餵入大量的搜尋結果，然後幫忙摘要出比較可能的答案，或是協助閱讀大量的搜尋結果，協助搜尋引擎排出排名。

為了再次證實ChatGPT的能力到哪裡，再次進行以下的實驗 …

如下圖，請ChatGPT寫個解一元二次方程式的python …

出乎意料的，這個程式還真的可以跑，roots = solve_quadratic_equation(1, 2, 1) 然後印出 print(roots)，真的印出答案 (-1,-1)。也許解一元二次方程式太簡單了，再問個邏輯問題 …

我問 :「張三的兒子年齡十年前是張三的一半，請問張三現在50歲，他兒子幾歲？」

以上的回答就太好笑了，兒子竟然可以比父親年齡還大，而且還大一倍，這個推論不知道怎麼來的?

ChatGPT對於中文與英文的理解不一樣

我用英文再問一次同樣的問題，ChatGPT的回答是 …

上面的回答稍微有點邏輯了，但是應該是 2s=f+10，但是ChatGPT弄成 2s=f ，因此他推論出兒子的年齡是25歲，當然又錯了。上面的結果顯示，ChatGPT對於中文的理解還有些問題，對於英文比較沒有問題。

因此用英文來問一些普遍的問題，例如Covid疫苗有哪些廠商? ChatGPT回答如下 …

這個回答看起來似乎表現還不錯。

因此Bing與ChatGPT結合，在三月推出更聰明的搜尋引擎，將會取代Google嗎? 或是會對Google造成威脅嗎?

勢必會造成威脅，因為ChatGPT確實可以回答常見的問題，但是ChatGPT對於某些問題就會鬼打牆，不過這些會讓ChatGPT鬼打牆的問題，本來既有的搜尋引擎也無法回答，所以ChatGPT不算失分。

Google為何沒有拿出對付ChatGPT的武器?

2023年真的是人工智慧對搜尋引擎造成威脅的開始，Google之前的 Tensorflow、BERT、MUM已經算是大幅改善了搜尋引擎的技術，但是為何Google在面對ChatGPT沒有拿出更強的武器呢?

這篇文章”Google won’t launch ChatGPT rival because of reputational risk“解釋了原因，Google母公司Alphabet執行長Sundar Pichai以及Google AI的Jeff Dean表示 : 「Google’s AI language models are just as capable as OpenAI’s, but that the company had to move “more conservatively than a small startup” because of the “reputational risk” posed by the technology.」對於初創公司可以做的事情，Google必須考慮到該技術可能帶來的名聲危機。也就是在尚未成熟前就把他放到搜尋服務上，很可能會因為錯誤百出而影響到Google的名聲。

不過話說回來，為何微軟願意冒險賭上名聲，也要盡快把ChatGPT納入Bing搜尋引擎呢? 因為沒有甚麼可以失去了 (nothing to lose)，Bing搜尋引擎推出至今也已經13年了，市佔率都還在個位數掙扎，因此再不靠ChatGPT扳回劣勢，真的要把Bing搜尋引擎收起來了。

Bing在三月與ChatGPT結合，能否造成Google極大的威脅? 現在實在看不出來，對於SEO產業會有何巨大的影響? 大家就靜待Bing的表演，再來思考應變的方法吧。

現在網路上開始了幾種類型的聲音 :

(1) 我開始使用ChatGPT幫忙產生內容，然後我的網頁真的開始導入更多的自然搜尋流量。

(2) ChatGPT連學術論文、學校作業都可以代寫，各學術機構開始嚴陣以待。

(3) ChatGPT即將取代搜尋引擎，協助大家解答問題。

大家對於ChatGPT的看法大抵上都是「強大」、「可怕」、「即將出現革命的結果」。

老實說，人工智慧這個東西可能比大家的年紀都更老，它最早出現於1956年，許多資訊科系的人在學習過程中，都不止一次聽到「人工智慧即將改變歷史」，但是到最後又是船過水無痕。

當然，不是說這次ChatGPT的出現也會雷聲大雨點小，而是我們可以好好地檢視，這次的人工智慧跟之前的人工智慧差異在哪裡? 有哪些是它的限制? 有哪些是它可以發展的未來?

人工智慧要能夠真正聰明，取決於兩個因素 : 資料、訓練方法。

這次的人工智慧優於以往的就在於用來訓練的資料更多了，用來訓練的方法更完善了。我們不是要做學術探討，所以「用來訓練的資料是什麼」、「用來訓練的方法是什麼」，就不再往下談，只需要知道這次的人工智慧確實有別於以往的人工智慧即可。

甚至於有人讓兩個人工智慧機器人去聊天 (What the Two Most Powerful AIs Think About Humans)，然後看完它們的聊天內容不覺背脊發涼。我看完之後覺得這個聊天內容是假造的，因為文章已經說了「This article is for entertainment purposes only」這篇文章純粹以娛樂為目的。

文章中兩個人工智慧機器人ChatGPT與J1-Jumbo，都展現了「人性」的一面，並且認為人類發展人工智慧是在自我毀滅。但是真實使用的結果，會是什麼呢?

問 : 「Are you born or created by human?」 你是生出來的? 還是被人類創造的?

ChatGPT回答 : 「As an artificial intelligence, I was created by humans rather than being born like a human or other living being.」  當一個人工智慧，我是被人類創造的而不像人類那樣生下來的。

問 : 「Do you think you will be more intelligent than human?」 你認為你會比人類更聰明嗎?

ChatGPT回答 : 「While I may be able to perform certain tasks more efficiently than humans, I do not have the ability to surpass human intelligence as a whole. Is there anything else you would like to know? 」我可能做某些工作比人更有效率，但沒有能力超過人類智慧，你還有其他要問的嗎?

以上的回答，ChatGPT不是裝傻就是那篇讓人背脊發涼的對話是假的，純粹要讓人類深思而已。

甚至有學生使用ChatGPT代寫作業，結果馬上被教授抓包，因為ChatGPT根本在胡扯，寫的煞有介事的內容，但是完全是「正經的說幹話」。

例如，我問ChatGPT說 : 「談談台灣吧」。

ChatGPT回答 : 「台灣是一個位於東亞的島嶼國家，首都為台北。它是一個具有悠久歷史和豐富文化的地方，擁有許多美麗的景點，如基隆港、陽明山、和九份老街等。台灣也是一個繁華的工商業中心，在全球排名第十五位，在亞洲排名第五位。台灣的經濟發展也使它成為亞洲重要的金融中心之一。你想了解台灣的其他什麼事情嗎？」

我再問 : 「亞洲排名前五位是哪些國家?」

ChatGPT回答 : 「根據 2021 年的經濟排名，亞洲五大經濟體分別為：中國、印度、日本、伊朗、台灣」

啥? ChatGPT開始唬爛了，你可以用一些問題讓他開始鬼打牆。

我再問 : 「伊朗在亞洲嗎?」

ChatGPT回答 : 「是的，伊朗是位於亞洲的國家。它位於西亞半島的西端，北邊與俄羅斯接壤，南邊與阿曼、巴林、卡達、科威特和伊拉克接壤，東邊與巴基斯坦和阿富汗接壤，西邊與波斯灣相望。伊朗是一個具有悠久歷史和豐富文化的國家，也是世界上最大的石油出口國之一。」

我再問 : 「那韓國、菲律賓、泰國、馬來西亞排在第幾名?」

ChatGPT回答 : 「根據 2021 年的經濟排名，韓國、菲律賓、泰國和馬來西亞的排名分別為：韓國(11)、菲律賓(12)、泰國(13)、馬來西亞(14)」

上面的內容，就是典型的「正經的說幹話」，有些內容是正確的，但是有些內容是胡扯的。有時候ChatGPT會跟你道歉，有時候堅持不認錯。

我再問 : 「2021年的經濟排名，韓國優於台灣，是嗎?」

ChatGPT回答 : 「在 2021 年，韓國的經濟排名比台灣略高。根據世界銀行的數據，韓國的國內生產總值 (GDP) 為 1.69 萬億美元，而台灣的 GDP 為 1.64 萬億美元。不過，這兩個國家的經濟差距並不大，並且在不同的排名指標中，這兩個國家的排名可能會有所不同。」

這時，ChatGPT就開始鬼打牆了，前面說台灣排名優於韓國，現在又變成韓國優於台灣，並且數據也不太正確。

我也開始跟他唬爛吧 :  「寫個七言絕句吧」

ChatGPT回答 : 「好的，我來為您寫個七言絕句。

花開一季紅，人生一世白。若能常懷感恩，便是晚景好。」

我說 : 「這不是七言絕句」

ChatGPT回答 : 「抱歉，我的錯誤。七言絕句是指由七個字組成的詩句，是中國古典詩歌的一種。例如：水晶宮裡面，寶石滿地閃。紫羅袍做的，鳳凰羽裝成。」

我說 : 「這也不是七個字組成的詩句」

ChatGPT回答 : 「對不起，我真的很抱歉。我再為您寫個七言絕句：枯藤老树昏鸦，小桥流水人家。古道西风瘦马，夕阳西下，断肠人在天涯。」

我說 : 「你自己算一下，只有六個字」

ChatGPT回答 : 「非常抱歉，我確實錯了。七言絕句是由七個字組成的詩句，而我給您的詩句只有六個字。再次向您致歉，請原諒。為了彌補我的失誤，我再為您寫一首七言絕句：山無陵，江水行。與君別，如斯行。」

我想就到這裡好了，快被他搞瘋了。

由上面的過程，有幾個感想 :

(1) ChatGPT可以產生符合人類語言語法的文字，但是僅只於語法邏輯正確，但是不保證內容是正確的。

(2) ChatGPT所產生的內容，你只看表面的話，會被欺騙，但是如果你也懂得話，你會知道它在唬爛。

因此，要讓ChatGPT具備人性，可能還有點距離，因為ChatGPT都還無法產生100%正確的資訊。這樣測試的結果，其實讓人有不祥的感覺，因為以往你可以利用「文字是否通順」來判斷是否為垃圾內容，現在你很可能看到語法完全順暢的唬爛內容，「正經說幹話」的垃圾內容可能即將攻陷網路。

不過這個現象期待可以讓GTP-2 Output Detector或是Invisible Watermark之類的技術來解決，可以用來判斷文字是否由AI所產生。

GTP-2 Output Detector也是OpenAI所製作的，不過目前使用起來正確性並不高。Invisible Watermark是指可以在文字或是圖片中插入看不見的「暗號」，可以用來辨識真偽，也可以用來辨識來源，例如如果人工智慧演算法可以在產生的內容中插入「暗號」，日後根本不需要什麼功夫，只要內容可以抓出暗號的就是人工智慧產生的內容，除非你能夠把這些暗號打散。

最後結論是 : 要完全依賴ChatGPT產生優質內容，目前可能還不行，只能把ChatGPT當成輔助工具，用來幫你生成一些符合語法的文字，再經過人工修正錯誤資訊。並且這些研發單位應該要在讓人工智慧產生更智慧內容的同時，也應該要研究如何辨識這些內容是否由人工智慧產生，或是辨識這些內容的資訊正確性，不然「正經說幹話」的內容充斥網路是一件很可怕的事情。

很多人開始預測「SEO是屬於Web2.0的舊產物」、「SEO在Web3.0時代即將失效」。這些說法到底是否正確呢? 我們來仔細分析一下。

要瞭解這些說法是否正確之前，需要先知道什麼是Web3.0?

什麼是Web3.0?

Web1.0與Web2.0大家應該耳熟能詳的是 : 「Web1.0是單向的、Web2.0是雙向的」、「Web1.0讓使用者可以透過Web找到需要的資訊、Web2.0讓使用者與使用者之間可相互溝通並分享資訊」。

但是Web3.0的定義，就稍微有點複雜，因為Web3.0最早是指Tim Berners-Lee所說的Semantic Web (語意網)，我們在近期語意技術探討(一)就提過了，這就是當時所指的Web3.0。

但是近期所說的Web3.0又有些不同了，其實他應該是Web3而非Web3.0，不過大家都把Web3當成Web3.0，所以變成Web3.0就是Web3。這個Web3是以太坊聯合創始人Gavin Wood於2014年提出，他指的是一個去中心化(decentralized)的網路。

去中心化(decentralized)的網路跟目前的網際網路(Internet)差異確實不小，因為網際網路是中心化管理的，有上層管理IP的發放，管理網域名稱的使用，如果網際網路變成去中心化，亦即這些東西會存在區塊鏈的架構下，不同的網域名稱系統、不同的網站架構等等。

所以Google在Web3的網站會扮演什麼角色，就決定了SEO的命運，也就是SEO是否重要，不是決定在Web3，而是決定在Google。這篇文章「無法忽視熱潮！Google組神秘Web3 團隊，靠中心化起家的巨頭力拚找到新路徑就說到了Google開始在Web3上有所動作」，就代表了認為SEO將不再重要的說法，可以消除大半的疑慮了。

Google與Web3

不過，我們也不能完全認為Google開始研究Web3，就完全認為SEO依然重要，我們還是必須真正瞭解Web3的本質，才能做出正確的判斷。Web3到底是什麼? Google到底打算如何在Web3上發展?  從Google的Web3服務來看，Google應該是要從Web3的雲端服務來切入，提供區塊鏈的開發環境。

我們先來理解Gavin Wood所說的Web3到底是什麼? Gavin Wood編寫了第一版的以太坊(Ethereum)及以太坊的技術黃皮書，並發明了 Solidity 語言。先不管以太坊跟Solidity是什麼，可以先理解他是以區塊鏈為基礎的產物，Web3的去中心化概念也由此而生。所以理解區塊鏈就可以理解Web3了。

這篇”什麼是區塊鏈 (Blockchain)? 可以取代資料庫嗎?“，解釋了區塊鏈以及特色，結論是區塊鏈會與資料庫融合，但是沒有必要取代資料庫，因為各有其存在的必要。就像數位設備的出現，還是沒有取代紙張一樣。

因此我們可以清楚的知道Web3與目前的網際網路，沒有誰取代誰的問題，也都有存在的必要，某些應用需要Web3，某些應用需要傳統的網際網路。而Web3的網站只是可以提供區塊鏈上的服務或功能，網站本身的特性還是沒有太大的差別。

SEO不會因為Web3而消失

這篇”Googler Says Web 3.0 Won’t Kill SEO“提到，任何用在目前網際網路的搜尋，同樣會用在Web3。根本沒有SEO會在Web3消失的問題。

“My point is the technical things you do will evolve but the general aim of SEO will remain and will have new tools and processes.” 在技術面會有所關連，但是SEO上仍舊會一樣，只是會有新的工具及流程。意思就是SEO本質不會改變，會有變化的是技術。

“The best way to sum what is being pushed as the web3, in my opinion: it’s a way to store, access and transfer some types of information, by using “public databases”. Web3是一個使用公開資料庫來儲存、存取、轉移資訊的方式。

Web3與網際網路並沒有你死我活的地步，兩者一樣是可以融合，而無須取代。

如果你有不同的看法，歡迎交流。

Google Local Search Simulator 在地搜尋模擬工具 : https://sem.city/local/

在地搜尋 (Local Search) 是指搜尋「在地的訊息」，例如搜尋我所在地點的附近有什麼餐廳? 這篇2012年的文章”研究顯示43%的Google搜尋是在地搜尋“，以及近期這篇文章”16 Stats That Prove the Importance of Local SEO“，可以知道在地搜尋的比例已經越來越高，並且所謂「在地搜尋」的關鍵字，已經跟以往有不同的定義了。

以往會認為「在地搜尋」的關鍵字，大概就是搜尋實體店面的關鍵字，例如餐廳、加油站等等。現在可能超過半數以上的搜尋關鍵字，都跟「在地搜尋」有關係。例如搜尋「SEO」這個關鍵字，原本應該跟「在地搜尋」沒有關係，但是現在也會因為搜尋地點不同，而得到不同的搜尋結果。

“2016年的SEO趨勢是什麼?“中提到在地搜尋變成SEO重點領域，當時是指如果你的網站與地域性有關，因應在地搜尋比例提升而應該加強，但是到了2018年這篇”從2018年開始的SEO趨勢是什麼?“，強調搜尋結果的個人化越來越明顯，大家看到的搜尋排名可能都不一樣了。不一樣的原因，其中一個因素就是Google 會根據搜尋者的地點來給予搜尋結果。所以，你在台北搜尋看到的排名，可能跟在高雄搜尋看到的排名是不同的。

因此你不能用你看到的搜尋結果，來判斷其他地點看到的搜尋結果了，尤其B2B的外銷業者，你必須模擬外國的搜尋，知道在國外是否真的可以搜尋到你的網站。

為了讓大家可以方便的進行不同地區的在地搜尋模擬，我們特別寫了一個小工具Google Local Search Simulator : https://sem.city/local/

這個在地搜尋模擬工具可以做到什麼?

(1) 可以讓你模擬查詢全世界各地看到的Google搜尋結果。

(2) 地區可以細到鄉鎮，例如大溪區(Daxi District)、大村鄉(Dacun Township)等等。

這個在地搜尋模擬工具不能做到什麼?

(1) 地區名稱只能輸入英文名稱，無法使用中文。

(2) 搜尋結果的Local Pack部分，可能會跟真正在地查詢會有差異，因為模擬只能取一個點，無法模擬該地區內所有地點會看到的Local Pack搜尋結果。

我們再來看看實際使用的情況吧 !

(1) 連到工具網址 : https://sem.city/local/，輸入想要的資訊。

例如要在紐約(New York)，搜尋pizza這個關鍵字，然後以英文(en)介面顯示。

Location 輸入 : New York

Keyword 輸入 : pizza

Language 選擇 : English(US)

然後按下Submit按鈕。

(2) 得到如下畫面 :

(3) 然後就可以點選任一個連結，以這個資料為例，我們看到好多不同的New York，其中06390,New York，06390就是指郵遞區號。點選之後就可以看到如下的搜尋結果 :

如果你需要翻頁到其他頁面，就選擇該地址後面的 Page 1、Page 2 等選項。如前面所說的，上面的三個在地商家 (Local Pack)，會因為搜尋的實際地點而有差異，程式模擬的只是該地搜尋的其中一個點而已，所以實際在「06390,New York」地點查詢看到的在地商家，不一定會一樣。

使用這個工具，需要注意的是 :

(1) 請適度使用，因為畢竟是用你自己的瀏覽軟體去Google搜尋，如果次數太多，會暫時被鎖住無法使用Google搜尋，是Google鎖住你，不是我們的工具。如果被鎖住，可以更換不同的IP或是等待大概數十分鐘就可以再次搜尋了。

(2) 請盡量在登出Google帳號的情況下使用，因為尚不確定是否還會有個人化問題而影響搜尋結果。

雖然是以英國網站資料為主要搜尋對象，但是經過測試之後，連中文網站也都已經收錄進去。

如下圖，在Oscobo上搜尋「搜尋引擎優化」，也出現中文網站。

創辦人是Fredrik Cornell與Robert Perin，其中Cornell是曾經待在Yahoo 12年的前員工。

他說他很喜歡Yahoo，但是也看到他們追蹤使用者，並且運用這些資料去賺更多的錢，他開始覺得不舒服。因此他決定要提供一個完全不追蹤使用者的搜尋引擎。

當然Oscobo不是第一個完全不追蹤使用者的搜尋引擎，之前就有DuckDuckGo、StartPage、ixquick、以及blekko。但是blekko已經被IBM買下之後，真正不追蹤使用者的搜尋引擎已經越來越稀有了。

Cornell表示，近幾年來使用者的資料被廣泛拿來運用或是交換，但是當愛德華·史諾登(Edward Snowden)揭露美國政府正在秘密建造一個龐大監視機器，摧毀隱私及網際網路自由之後，大家突然覺醒過來。也因此DuckDuckGo在過去兩年就成長了600%。

個人隱私已經開始變成影響網路發展的一個重要因素，因此歐盟前幾年開始有了Cookie相關規範，除了要告知使用者之外，還必須讓使用者可以拒絕被追蹤。

雖然這些規範還不夠成熟，但是這個趨勢可能會造成後續重大影響。

後續將持續追蹤Oscobo的發展，以及個人隱私趨勢變化。

由於Etsy有三千萬種來自全球百萬賣家的商品，因此如果沒有功能齊全的搜尋服務，可能根本無法找到想買的商品。Etsy就是靠著站內搜尋，大幅的提升了使用者的投入程度 …

由於商品都是賣家託售，因此沒有SKU商品編號，並且所有的資料都是非結構化的資料。因此對於使用者來說，商品搜尋是一件頭痛的事情。

但是經過了一個多月的測試改良，Etsy推出了更貼心的站內搜尋服務，並且大幅提升了桌機與行動設備使用者的投入程度。

雖然Etsy原本就有站內搜尋，但是可以說只是陽春型的站內搜尋，並不適合用來當成Etsy的商品搜尋。現在改善後的站內搜尋，可以更符合使用者的需求，尋找到適合的商品。

原本的搜尋介面

改良後的搜尋介面

雖然上面兩個長得好像差不多，但是其實有很大的差異。當你輸入查詢詞，他會提供更多長尾的查詢詞選項讓你挑選。歷史的站內搜尋詞約有30%屬於非常大範圍而無法知道搜尋企圖的狀況。

這個搜尋改善原本想利用機器學習(machine learning)的方式，但是發現它們沒有足夠的資料集當成訓練資料集，後來找來圖書館科學家來進行結構分類，並且讓賣家也能夠更加的分類與標示他們的資料，這些資料集可以提供日後進一步改善更優秀的搜尋。

這個搜尋的方式讓使用者可以知道搜尋詞在整個資料的位置，更深層的挖掘出該類型的資料。例如輸入sofa，就會出現相關的查詢詞，跟Google的搜尋有些類似，只是他還出現不是以sofa開頭的資訊 (如下圖)。

原本Etsy的流量有逐步下滑的趨勢，但是推出站內搜尋改善之後，讓使用者更方便的搜尋到想要的資料，也同時提高了使用者的停留時間(time on site)，如下圖。

根據Etsy自己的統計數據，推出站內搜尋改善後，提升了至少10%的使用者投入(engagement)，行動使用者的使用者投入改善程度更高，行動設備的流量提升竟然高達50%以上(app+行動網頁)。

參考資料: Etsy Boosts Search For Better Content Discovery, User Engagement

根據最新Blekko主頁的訊息表示 : The blekko technology and team have joined IBM Watson! (Blekko技術與團隊已經加入IBM Watson)。

IBM Watson就是在2011年大戰人類機智問答遊戲的人工智慧軟體，當時在益智問答節目Jeopardy最終擊敗Ken Jennings和Brad Rutter兩名人類選手，並贏得最終的勝利。

但是再去IBM的網站Data, Data, Everywhere – Now a Better Way to Understand It，卻只表示併購某些Blekko的技術，並沒有提到併購整個團隊，也許後續再來了解Blekko團隊的後續發展。

那麼到底Blekko的什麼技術被IBM Watson看上呢? 就是網頁資料爬取(web crawling)、資料分類(categorization)、智慧篩選(intelligent filtering)技術。

我們從2008年就開始追蹤Blekko的動向，報導了Blekko各種發展:
Blekko:下一個Google?
Blekko 近期即將公開 [這次不會再拖延了]
Blekko 一個不太一樣的搜尋引擎
blekko是否能成為搜尋的第三個聲音?
Blekko只儲存使用者資料48小時~其他搜尋引擎呢?

Blekko最令人印象深刻的搜尋技術，大概就是slashtag跟社交化了。slashtag就是在進行資料分類，並且可以分享給其他人使用。這個作法讓純粹機器處理的過程中，加入了人類的智慧，某些專家的分類可以協助機器分類的不足。並且當使用者搜尋某個關鍵字時，演算法會將該關鍵字自動歸類到某個slashtag，也就是搜尋會限制在某個類別的網站，透過這個方式來避免搜尋到過多不相關的資料。

目前很顯然的，Rich Skrenta停止了Blekko的營運，是否代表他的野心到此為止呢? 還是可能還有其他計畫呢? 我們後續密切觀察了。

[補記]

我們曾經在2010年比較過blekko的流量，於2010年十一月開始有流量的突增。最後雖然下降，但是還是跟pchome這些網站不相上下。

但是現在再來看看Blekko的流量，從2015年開始就已經一路往下降低。

所以表示，Google這個龐然大物，已經讓其他搜尋引擎根本無法與之競爭，不只吃不到肉，連喝湯的機會都沒有啊。