數(shù)據(jù)沉淀的價(jià)值等同于老酒

長(zhǎng)三角MOMO
315曝光GEO黑產(chǎn)后，一個(gè)反直覺(jué)現(xiàn)象出現(xiàn)了，越用AI，人們?cè)介_(kāi)始回到搜索“再查一遍”。原因就在于，數(shù)據(jù)是否經(jīng)過(guò)時(shí)間篩選與交叉驗(yàn)證。像百度這樣長(zhǎng)期積累媒體信源體系的搜索平臺(tái)，正在重新成為AI時(shí)代的信息校驗(yàn)底座。

1
為什么酒要講年份？
因?yàn)橐黄烤频膬r(jià)值，不在剛釀出來(lái)的那一刻，而是要在時(shí)間里發(fā)生各種物理化學(xué)反應(yīng)，讓味道變得更柔和、更復(fù)雜，最后呈現(xiàn)出更穩(wěn)定的風(fēng)味。
時(shí)間的作用，不只是讓一瓶酒“變久”，而是讓其中的成分發(fā)生分化，有的被保留下來(lái)，有的被慢慢帶走。
如果換到信息世界，其實(shí)也是類(lèi)似的邏輯。
信息不是一開(kāi)始就可靠，而是在不斷被引用、驗(yàn)證、修正的過(guò)程中，逐漸沉淀下來(lái)。問(wèn)題在于，當(dāng)信息可以被批量生產(chǎn)之后，這個(gè)過(guò)程開(kāi)始變得不那么自然了。
這段時(shí)間，GEO黑產(chǎn)被反復(fù)提及，其實(shí)反映的是同一個(gè)問(wèn)題：當(dāng)數(shù)據(jù)本身沒(méi)有經(jīng)過(guò)足夠時(shí)間篩選時(shí)，AI很難判斷什么是真的。
那么，數(shù)據(jù)，到底是怎么被篩選出來(lái)的？
或者說(shuō)，它是否也需要像酒一樣，被時(shí)間“釀造”？
1
數(shù)據(jù)需要被時(shí)間“釀造”
一瓶酒為什么會(huì)變好喝？
不是因?yàn)榉旁谀抢锊粍?dòng)，而是時(shí)間里一直在發(fā)生變化，一邊生成，一邊淘汰。
一邊，是酯化反應(yīng)在發(fā)生。酒里的醇類(lèi)和有機(jī)酸，會(huì)慢慢生成酯類(lèi)物質(zhì)，這些成分決定了香氣，也決定了這瓶酒最終的結(jié)構(gòu)和層次。
換到信息世界，這對(duì)應(yīng)的，其實(shí)是那些被反復(fù)引用、驗(yàn)證、交叉確認(rèn)的內(nèi)容。它們不會(huì)在一開(kāi)始就顯得多重要，但隨著時(shí)間推移，會(huì)被越來(lái)越多可靠來(lái)源引用、修正、補(bǔ)充，慢慢變得穩(wěn)定，成為可以被信任的部分。
也正因?yàn)槿绱耍@段時(shí)間，一個(gè)很微妙的變化是，不少人用AI的同時(shí)，開(kāi)始重新打開(kāi)百度，去“再查一遍”。
這背后，其實(shí)是一整套長(zhǎng)期運(yùn)作的體系。比如百度這樣的搜索引擎，必須持續(xù)判斷：哪些媒體在科技領(lǐng)域更可靠，哪些在財(cái)經(jīng)領(lǐng)域更權(quán)威，哪些來(lái)源容易出錯(cuò)，又有哪些信息需要交叉驗(yàn)證。這些判斷，不是短期訓(xùn)練一個(gè)模型就能補(bǔ)出來(lái)的。
另一邊，釀造老酒還有個(gè)不能忽略的過(guò)程，就是去雜。
酒在存放過(guò)程中，醛類(lèi)、硫化物這些刺激性的成分，會(huì)一點(diǎn)點(diǎn)揮發(fā)掉。也正是這個(gè)過(guò)程，讓口感從“沖”變成“順”。
而在搜索時(shí)代，對(duì)應(yīng)的就是另一場(chǎng)長(zhǎng)期存在的事情，對(duì)抗SEO和各種信息操控。
SEO本質(zhì)上就是一場(chǎng)信息操控戰(zhàn)。有人會(huì)批量制造內(nèi)容、堆關(guān)鍵詞、做外鏈，試圖讓低質(zhì)量甚至虛假的信息排到前面。
搜索引擎要做的，就是不斷把這些內(nèi)容識(shí)別出來(lái)、壓下去，這其實(shí)就是一個(gè)“去醛”的過(guò)程。
也正是一邊可信信息的不斷積累，加上另一邊噪音和偽造內(nèi)容的持續(xù)剔除，才慢慢形成了一套媒體信源的分布結(jié)構(gòu)：誰(shuí)更可靠，誰(shuí)更穩(wěn)定，誰(shuí)在哪個(gè)領(lǐng)域更有權(quán)威性。
而百度的優(yōu)勢(shì)，就在于它完整經(jīng)歷了這個(gè)過(guò)程。在二十多年的時(shí)間里，一直參與著這場(chǎng)“生成與淘汰”的循環(huán)，最終積累出來(lái)：哪些信息值得留下，哪些必須被壓制，哪些來(lái)源會(huì)不斷被強(qiáng)化，哪些會(huì)逐漸被邊緣化。
這些判斷，不是一套規(guī)則一開(kāi)始就存在，而是像酒一樣，在時(shí)間里，一點(diǎn)點(diǎn)“長(zhǎng)出來(lái)”的。
2
AI幻覺(jué)的根源
回到AI。
很多人把問(wèn)題總結(jié)為“幻覺(jué)”，那這到底是怎么發(fā)生的？本質(zhì)是吃進(jìn)去的數(shù)據(jù)，本身沒(méi)有被足夠篩選。
所以，才會(huì)有315曝光的那類(lèi)GEO黑產(chǎn)。欺騙模型的手段就是，通過(guò)批量制造“看起來(lái)像真的內(nèi)容”，去影響AI訓(xùn)練或檢索結(jié)果。
問(wèn)題在于，AI對(duì)此沒(méi)有長(zhǎng)期打交道的經(jīng)驗(yàn)。
它不知道哪些媒體長(zhǎng)期靠譜，哪些平臺(tái)水分很大，也不知道一條信息是孤證還是共識(shí)。它只能根據(jù)“看起來(lái)像”來(lái)判斷，而“像”和“是”，是兩回事。
很多人會(huì)覺(jué)得，這種問(wèn)題可以靠技術(shù)解決，比如更強(qiáng)的模型、更復(fù)雜的權(quán)重。
但現(xiàn)實(shí)證明了，有一部分能力，確實(shí)很難只靠算法補(bǔ)出來(lái)。
比如，怎么判斷一個(gè)媒體是不是靠譜？這不是看一篇文章，而是看它長(zhǎng)期的表現(xiàn)：它在哪些領(lǐng)域穩(wěn)定輸出？有沒(méi)有被反復(fù)引用？歷史上有沒(méi)有嚴(yán)重失誤？它和哪些機(jī)構(gòu)有交叉驗(yàn)證關(guān)系？
這些東西，本質(zhì)上是“行業(yè)經(jīng)驗(yàn)”。是需要在很多年里，一點(diǎn)點(diǎn)和媒體打交道、篩選、試錯(cuò)，最后沉淀出來(lái)的一套隱性規(guī)則。
這件事，在百科體系里，其實(shí)是被寫(xiě)死的。像百度百科，所有內(nèi)容都必須有權(quán)威參考來(lái)源才能進(jìn)入詞條，而且是“先審后發(fā)”。不是寫(xiě)了就能上線(xiàn)，而是要經(jīng)過(guò)機(jī)審+人審的雙重流程。
尤其是人物、企業(yè)這些容易被操控的信息，要求必須引用類(lèi)似新華網(wǎng)、人民網(wǎng)、央視、政府官網(wǎng)等主流信源。
換句話(huà)說(shuō)，它在做一件很“笨”的事：只相信那些被長(zhǎng)期驗(yàn)證過(guò)的來(lái)源。
3
護(hù)城河，是“數(shù)據(jù)+規(guī)則”
有一個(gè)挺有意思的真實(shí)案例。
演員劉美含在配音時(shí)，遇到“鑄幣坊”里“坊”的讀音問(wèn)題。她分別問(wèn)了幾款A(yù)I，有的AI說(shuō)讀fāng（一聲），有的AI前后回答不一致，只有百度AI給出fáng（二聲）。最后她用《新華詞典》App去核對(duì)，并找專(zhuān)業(yè)學(xué)者確認(rèn)，正確答案確實(shí)是fáng。
這其實(shí)不是一個(gè)難題，但為什么會(huì)錯(cuò)？因?yàn)橛?xùn)練數(shù)據(jù)里，錯(cuò)誤用法足夠多，AI就很容易學(xué)錯(cuò)。但如果背后有一套權(quán)威詞典、專(zhuān)業(yè)來(lái)源、交叉驗(yàn)證機(jī)制，錯(cuò)誤就很難混進(jìn)去。
這就是“數(shù)據(jù)有沒(méi)有被篩過(guò)”的區(qū)別。
所以，在AI時(shí)代，核心競(jìng)爭(zhēng)力不只是模型能力，數(shù)據(jù)的沉淀，以及圍繞數(shù)據(jù)建立的篩選規(guī)則，正在變得越來(lái)越重要。
以百度為例，它已經(jīng)把這套經(jīng)驗(yàn)做成了一套機(jī)制：多源比對(duì)，看發(fā)布時(shí)間、作者權(quán)威度、站點(diǎn)信譽(yù)；交叉驗(yàn)證，同一結(jié)論必須有多個(gè)可信來(lái)源；實(shí)時(shí)巡檢，發(fā)現(xiàn)問(wèn)題隨時(shí)糾偏。
這三步，本質(zhì)上就是一個(gè)老編輯部的工作方式。
更底層的，是百科體系——超過(guò)3000萬(wàn)詞條、數(shù)百萬(wàn)用戶(hù)、以及大量專(zhuān)家共建（包括中科院、北大等機(jī)構(gòu)參與）。這些內(nèi)容，本身就是一層被時(shí)間篩過(guò)的數(shù)據(jù)。
如果說(shuō)，AI上面那一層，是“會(huì)說(shuō)話(huà)的大腦”，那么百度的能力，就是“被時(shí)間泡過(guò)的原料”。
沒(méi)有原料，大腦再聰明也沒(méi)用。
4
AI開(kāi)始反過(guò)來(lái)依賴(lài)搜索
一個(gè)變化正在發(fā)生。
在一些智能體平臺(tái)里，搜索能力正在變成標(biāo)配基礎(chǔ)設(shè)施。
比如在ClawHub的技能市場(chǎng)中，搜索類(lèi)Skill是下載量最高的一類(lèi)，而百度搜索相關(guān)的Skill，已經(jīng)做到全球下載第一。
開(kāi)發(fā)者的一個(gè)共識(shí)是，搜索能力，決定了一個(gè)AI應(yīng)用的“智商下限”。
總結(jié)下來(lái)，百度這樣的搜索“基建”，擁有下面這些不可替代的積淀：和媒體打交道的時(shí)間，篩選信源的經(jīng)驗(yàn)，被反復(fù)驗(yàn)證的數(shù)據(jù)，一整套有真人參與的審核機(jī)制。
這些東西，短期內(nèi)很難復(fù)制。
趨勢(shì)很明顯了：AI不再試圖替代搜索，而是在依賴(lài)搜索來(lái)兜底。
也可以把它理解為一種新的分工，AI負(fù)責(zé)生成、總結(jié)、提高效率，搜索負(fù)責(zé)校驗(yàn)、溯源、提供確定性。
兩者可以形成閉環(huán)。
再回到開(kāi)頭的比喻就是，數(shù)據(jù)沉淀，特別是媒體篩選體系，確實(shí)很像老酒。
不是越新越好，而是越被時(shí)間驗(yàn)證過(guò)越有價(jià)值。
AI可以讓信息更快，但快本身不等于對(duì)。真正決定質(zhì)量的，往往是那些看起來(lái)很慢的東西。
長(zhǎng)三角MOMO
長(zhǎng)三角MOMO
歡迎加入長(zhǎng)三角momo粉絲群
和我們一起分享你的職場(chǎng)經(jīng)歷