生成模型及其在AI应用中的演进路径一直受到学术界广泛关注。作为机器学习经典范式之一，生成模型与判别模型在原理设计上存在重要差异：前者面向样本空间进行概率分布建模，计算联合概率分布，然后通过贝叶斯公式得出条件概率。它注重建立样本特征的内在联系。而后者基于决策函数划分不同类别边界，依赖条件概率进行分类预测任务。这两种模型各自解决了机器学习的不同子任务。但随着深度学习算法与计算资源的大幅进步，生成模型在自然语言、图像以及其他多模态内容中的应用表现日臻成熟。特别是通过无监督学习大规模语料，构建深层神经语言模型已成为目前预测性能最强的生成AI范式 [4] [5] 。

基于此，学术界开始将其定性为完全不同于传统计算的“生成式AI”范式。它具有自动产出多元内容的能力，为许多应用场景提供了前所未有的解决方案 [4] [5] 。

随着Web技术的迭代，内容生产模式也在不断演进。Web1.0时代，基于早期信息门户，专业机构产出的内容(PGC)占主导地位。进入Web2.0阶段，互联网平台架构的成熟。以社交媒体为代表的UGC模式广泛采用，深刻影响人们的工作生产模式。ChatGPT问世被视为Web3.0时代的里程碑事件。在此之前，人工智能辅助绘画、电影制作以及NFT等新兴应用的盛行，预示着基于AI自动生成内容(AIGC)正成为下一阶段关键资源形式。

综上，随着互联网技术和应用模式的深入发展，内容生产已从初期的专业机构为主，逐步向开放共享和技术赋能的方向迈进。ChatGPT标志着AIGC产业链逐步成熟 [1] [4] 。

OpenAI自2018年开始研发ChatGPT项目，经历1.0~4.0多个版本升级 [6] [7] 。其中大众熟知的3.5版采用Transformer架构，通过大规模无监督语料训练构建了强大的语言理解能力。值得注意的是，ChatGPT 4.0版实现了联网访问功能。这意味着生成模型可以跳出单纯依赖预训练数据集的限制，直接利用互联网上实时更新的内容进行训练。它标志着生成式AI从起初的静态模型走向动态迭代过程。模型可以根据最新数据进行在线优化，最大限度提升在复杂互联网环境下的应用价值。这被视为生成性AI研究一个重要阶段性成果 [4] [8] 。

作为一种新兴的生成式人工智能技术范式，在信息检索领域的应用中充满了巨大的机遇与潜能。这主要表现在：它具有通过大规模无监督学习深度训练词汇知识的强大数据处理能力，有效应对不断增长的信息量；不仅能进行内容匹配检索，还可以根据上下文智能生成个性化信息，从而丰富了信息表达维度；支持跨模态资源的深度整合，可以实现文本、图像、结构数据在统一平台上的融合挖掘；采用对话式交互体现出强大的个性化交互能力，有力提升了用户体验满意度。基于这些独特的技术优势，生成式人工智能无可避免地将成为信息检索技术研发的重要方向和趋势。它能够很好满足个性化搜索在内容多样性和交互形态上的需求，给信息服务行业带来系统升级的契机。目前，包括谷歌、微软在内的多家公司已经在这一前沿领域开展了积极的技术布局与产品探索 [4] [8] 。

信息行为是一个广泛的概念，它指代用户在整个信息需求产生和满足过程中采取的一系列行为 [9] 。作为信息行为研究中重要的一个分支，信息搜寻行为指用户在感知到信息需求后所进行的主动获取与处理信息的一系列行为 [10] 。具体来说，它包括但不限于 [11] ：根据信息需求主动进行内容检索获取；对检索结果进行过滤选择，匹配自己的实际需求；为了提高利用效率，对搜集到的信息进行归类整理；基于个性特征对信息展现进行定制，以提高用户体验满意度；信息服务机构方面不断优化提供方式，丰富信息表达形式等内容。这些行为构成了信息搜寻行为的内在属性及其持续发展演变的动力。随着用户需求个性化程度不断深化，信息搜寻也将随之呈现出更多元化的发展态势。深入研究这一复杂过程，对优化信息服务与指导机构决策具有重要意义 [3] 。

随着互联网深入应用，信息技术日新月异的发展正在深刻改变用户信息需求的特征。随着大数据时代的到来，用户信息查询不再限于简单的关键词检索，而是一个个性化和多层次的过程 [12] 。这对传统检索引擎提出了诸多挑战，例如：用户查询方式从词汇扩展到任务导向，内容形式呈现出日益复杂的趋势；海量信息资源的增长提高了对高效智能处理的要求；跨模态资源整合已经成为新浪潮，单一文本检索模式难满足使用场景的融合需求；基于静态列表结果的传统模式欠缺主动回答能力等。此外，多语种并存环境和个性化服务水平亦需不断提升。总体来说，基于关键词检索的传统模式难以适应信息需求快速演变的复杂特征。这为构建面向用户个性化服务的新一代智能检索机制奠定重要基础。

ChatGPT问世标志着以生成式内容为导向的对话式信息检索技术万众关注 [12] 。与传统搜索模式不同，对话式搜索引擎具备以下优点：它可以解决数据规模问题，实现内容创造；支持跨模态整合检索；提供自然互动交互体验 [4] ，这为用户个性化需求提供了全新表达渠道。众多对话式搜索引擎，代表产品如Andi和Phinch等，已经对传统搜索引擎带来了巨大的市场压力。许多传统搜索引擎龙头企业也在积极推动传统搜索引擎，比如微软推出的对话式搜索引擎新必应(New Bing) [13] ，谷歌宣布将AIGC的相关技术与目前搜索引擎融合 [14] 等等。商业实践表明对话式搜索已成主流趋势。它优化用户体验，重新定义信息检索范式，引领产业升级 [3] 。

传统搜索引擎通过信息检索技术，实现数据库内既有信息的匹配检索，但其本身无法产生新的内容。相比之下，对话式搜索引擎利用了深度学习语言模型，它不仅可以实现信息的检索，更重要的是可以在用户交互基础上进行智能生成，为用户提供全新内容。尽管两者在工作过程上存在差异，但我们不能忽略它们的根本目标都是解决用户的信息需求。传统搜索模式通过分类与选择实现信息提取，而对话搜索则利用AI模型的总结归纳能力将知识点生成出来呈现给用户。实际上，无论是选择式检索还是智能生成，只要能满足用户信息查询需求，其本质上都可以视为一种信息搜寻行为。而对话搜索相比传统模式而言，通过不断迭代创造性地提炼和生成信息，其实已经实现了信息搜寻结果的一个新阶段。综上，我们可以认为对话搜索虽使用了不同的工作机制，但仍属于一种信息搜寻服务，它推进了信息搜寻结果的演化进程。

传统信息检索模式的一个问题在于，它提供的往往不是用户期待中的直接答案，而是一些与需求相关但需要后续处理的信息结果。满足用户实质需求往往需要额外步骤，例如格式转换、内容总结和提炼等。相比之下，对话式搜索引擎通过与用户的高度交互，可以更快捕捉到核心问题点，直接生成满足需求的精准答案。这与信息服务一直追求的理想状态是一致的——能够直接提供目标用户想得到的结果，而非需要额外处理就能得到答案。相比传统模式，对话搜索在这一点上表现出色，很好地实现了从结果向答案的精准演变。这不仅体现了交互体验的提升，也更好满足了用户个性化信息需求。它推进了信息检索服务向更人性化智能化方向的发展。

随着互联网的兴起和普及，人们信息获取模式发生重大变化。从过去以“一对一”交互为主导，逐步转向以“一对多”交互(见 图1 )为主。个体能够通过互联网接触到来自全球各地海量信息源。这一时期被称为信息大爆炸时代，每个人面临的信息量无比庞大，可能增长了几何级数。

但是，海量信息同时也带来新的挑战。个体难以消化和处理如此庞大的数据量，也很难在其中高效找到需要的信息。这使得每个人的信息查找需求达到前所未有的高峰。面对信息爆炸，个体很难单独完成大数据分析计算。这在一定程度上提高了人们参与和处理信息的门槛，也降低了信息服务的个性效能。

然而，对话式搜索引擎作为一种代表性的生成式人工智能，其出现深刻改变了用户信息交互的模式。用户不再需要直接面对海量互联网络数据进行信息交互选择，也无需亲自处理大规模信息资源。通过同对话搜索引擎进行高效的“一对一”人机对话，即可完成信息查询任务提交。我们可以视对话搜索引擎为一种智能化的“信息助手”，它代表用户利益完成与互联网于数据库间的后台“一对多”信息交互与处理工作。这实现了一个前所未有的“一对一对多”交互新模式(见 图2 )：用户作为主体，可以通过自然互动与“信息助理”对话，实现对信息海洋中任意资源的访问呈现，而无需自行处理大数据任务。这大幅降低了个人检索门槛，极大提升了信息访问效率。

虽然个人通过编程已可开展部分大数据处理，但就整体效率和门槛来看，自行完成海量信息资源的处理与挖掘仍需面临一定难度和成本。幸而，基于“一对一对多”的新交互模式极大降低了这个门槛。未来只要持有智能设备，每个人都将可以通过与生成式AI的自然对话，轻松完成大规模信息的处理分析和个性化搜寻。这意味着在信息大爆炸后，个人首次真正掌握了面对海量信息资源的能力。以生成式人工智能为基础，人们像开启宝库大门一般，得以轻松访问信息深海。随着AI语言模型不断优化，它将给每个人提供充分地消化信息的“钥匙”。预计未来将迎来一个信息集约化新纪元，个人自由调动知识的同时，信息将呈现前所未有的开放共享局面。对于个人来说，信息大塌缩时代即将到来。

ChatGPT推出联网功能后，一些人关注它是否会带来信息安全问题，目前已经出现了部分以生成式人工智能为媒介得信息泄露。不可否认这些事件是负面的，然而它们也表明对话式搜索引擎为信息共享生态带来革新。通过对生成模型的交互，用户可以直接或间接获取对方输入的信息，这为信息交流提供另一渠道。这种交流过程大多无意识和间接，但它使得用户在自行搜索信息的同时，也能共享自己的知识给他人。这实质上改变了信息共享的传统模式。它不再限于主动上传和下载，而是用户在日常询问对话中，通过数据对话而进行隐性共享。这为开放知识社区提供机会，但同时也需重视安全管理，以免信息外泄。整体来说，这反映出对话AI如何重塑人与人之间的互联互通新范式。

传统搜索由于技术限制，检索语言的要求比较严格，容错能力相对不足，导致用户输入词不当可能难以得到满意答案。但对话式搜索不同，它通过强大的语言理解和人机交互能力，可以更好地扣捉用户真实需求，同时在必要时进行智能纠错。这使得检索词汇的表达获得空间，从严格词到主题式表达都能理解，大幅提升了检索语言的灵活性与个性化程度。随着AI发展，未来检索模式很可能全面转向主题检索主导。这不仅扩展了用户参与度，也极大促进信息获取效率。总体来说，这丰富了人机交互体验，为用户提供更人性化智能服务。

保留完整的原始信息资源与生成互动式搜索结果的价值平衡是一个不容忽视的问题。不同于传统搜索模型下提供链接到原始信息源的方式，对话式搜索引擎会产生全新的自动生成内容，这些内容经过总结和提取，可以很好地满足用户的即时信息需求。然而，在信息提取过程中，原始信息资源中某些细节或隐藏性信息可能不易于呈现，从而难以包含在生成结果中。此外，对信息进行自动分类和概念表达的过程必然会与原始信息的真实性和完整性产生一定偏差。尽管提取性搜索结果的方便性能满足大部分场景下的效率要求，但原始完整信息资源中未被主动提取但同样重要的信息可能因此丧失。考虑到信息在不同阅读与研究场景下可能面临的多样需求，信息服务机构，特别是承担长期信息保存与传承职责的图书馆、档案馆等，还应高度重视原始信息资源本身的保存与开放，以兼顾信息利用的长远价值。

面对基于生成式AI技术自动生成情报性内容的趋势，如何有效地评估和控制其质量成为信息服务领域一个重要而富挑战性的课题。目前，这一新型计算机辅助情报获取模式对应的算法和技术体系尚处在不断探索与优化的阶段，其自动生成结果的主观性和客观性尚需长足的提升。即便相关技术日益成熟，我们也不宜盲目地信任和采纳机器生成的信息，特别是在重要的决策支持或学术研究等场景下。信息服务机构应夯实自己对信息质量的独立判断能力，对自动生成内容进行深入质疑和多方验证，开发合理的评价体系追踪和反馈生成结果的优缺点。同时加强与人工智能开发单位的通力合作，共同探讨如何在技术手段上进行必要补救，以确保数字情报在服务社会过程中的可信任度。只有通过持续不断的监测与改进，该新型信息获取模式才能成为公信力较强的有效辅助，而非盲目依赖。