XiaoMi-AI文件搜索系统
World File Search System搜索引擎
外行人对大语言模型和搜索引擎健康查询的使用和态度：调查研究
背景：外行可以通过大语言模型（LLM）（例如ChatGpt和搜索引擎（例如Google））轻松访问健康信息。搜索引擎改变了健康信息访问，LLMS为回答Laypeople的问题提供了新的途径。目标：我们旨在比较对LLM和搜索引擎的使用频率和态度，以及它们的比较相关性，有用性，易用性以及对健康查询的响应。方法：我们进行了筛查调查，以比较寻求健康信息的LLM用户和非用户的人口统计学，并通过逻辑回归分析结果。邀请筛查调查的LLM用户进行后续调查，以报告他们寻求的健康信息的类型。我们使用ANOVA和Tukey Post hoc测试比较了LLM和搜索引擎的使用频率。最后，配对样本Wilcoxon测试将LLM和搜索引擎比较了感知的有用性，易用性，可信度，感受，偏见和拟人化。结果：总计，2002年的美国参与者在多产的情况下招募了有关使用LLM和搜索引擎的筛查调查。，参与者中有52％（n = 1045）是女性，平均年龄为39岁（SD 13）年。参与者为9.7％（n = 194），12.1％（n = 242）黑色，73.3％（n = 1467）白人，1.1％（n = 22）西班牙裔，3.8％（n = 77）是其他种族和种族。此外，1913年（95.6％）使用搜索引擎查找健康查询，而LLMS的642（32.6％）。男性使用LLM的健康问题比女性更高（1.63，1.63，95％CI 1.34-1.99; p <.001）。黑色（或1.90，95％CI 1.42-2.54; p <.001）和亚洲（或1.66，95％CI 1.19-2.30; p <.01）个体的几率比白人个体更高。那些感知到健康的人（OR 1.46，95％CI 1.1-1.93; p = .01）的人比健康状况良好的人更有可能使用LLM。更高的技术能力提高了LLM使用的可能性（OR 1.26，95％CI 1.14-1.39; P <.001）。在对281名LLM用户健康的后续调查中，大多数参与者首先使用搜索引擎（n = 174，62％）来回答健康问题，但第二个最常见的第一个咨询者是LLMS（n = 39，14％）。llms被认为是有用的（p <.01）且相关性较小（p = .07），但引起了较少的负面感觉（p <.001），看起来更人性化（llm：n = 160，vs search：n = 32），被视为较小的偏见（p <.001）。信任（p = .56）和易用性（p = .27）没有差异。结论：搜索引擎是健康信息的主要来源；然而，对LLM的积极看法表明使用日益增长。未来的工作可以通过补充外部参考和限制有说服力的语言来遏制过分依赖的答案来探讨LLM信任和有用性是否得到增强。与卫生组织的合作可以帮助提高LLMS健康产出的质量。
推荐仇恨：Tiktok的搜索引擎算法如何再现社会偏见
，但发现了其他拼写中的其他术语。例如，在搜索德国性别性别的反黑色Slur“ n*gerin”时，在视频中发现了“尼日利亚”一词。尽管两个关键字在拼写上相似，但含义上有很大差异。大概，Tiktok的搜索算法处理了原始的提示和“自动校正”搜索，这导致反黑泥浆与与尼日利亚有关的内容有害的关联，包括对原始可恶提示受害的黑人人的刻画。虽然拼写校正是搜索引擎中的常见实践，但通常通过通知用户使用标签，例如“显示结果”或“您是指搜索：”）来维护透明度。在此处检查的情况下，没有显示此类标签。
什么是好的搜索引擎？
本文研究了一个道德问题：“什么是好的搜索引擎？”由于搜索引擎是全球在线信息的守门人，因此他们在道德上做得很好。虽然互联网已有数十年历史了，但从跨学科角度来看，该主题仍未探索。本文提出了一种基于角色的新型方法，涉及四种搜索引擎行为类型的道德模型：客户仆人，图书馆员，记者和老师。它参考了信息检索的研究领域探索这些道德模型，并通过涉及COVID-19的全球大流行的案例研究。它还从搜索引擎开发的历史上，从1990年代的较早的努力到最近的大型基于语言模型的对话信息寻求系统的最新前景来反映出四种道德模型，从而扮演了诸如Google之类的既定网络搜索引擎的作用。最后，本文概述了考虑到现在和未来的法规以及对搜索引擎继续发展的考虑的考虑。本文应兴趣信息检索研究人员和对搜索引擎伦理感兴趣的其他人。
搜索引擎结果通过数字内容管理和模糊认知模型优化了供应链中小企业的优化
摘要：在整个危机和金融繁荣中，中小型供应链企业（中小企业）的作用和影响一直是全球市场经济增长的扎实和关键因素。因此，数字促进出现了巨大的需求，以跟上最近的技术进步。通过在搜索引擎中优化其网站的结果并利用其网页的数字内容（DC），可以通过中小企业在供应链中实现此类目标。这项研究的重点是供应链中小企业的搜索引擎的优化是由于其DC的有效管理而导致的。作者从五个供应链中小企业网站的DC中收集了大数据，并进行了统计分析（相关和线性回归分析），然后进行六个模糊的认知映射映射模拟方案。供应链中小企业的客户进入他们的网站，并发现能够生产DC指标，源自与网页的互动，这对于供应链中小企业很有价值，因为它们会影响搜索引擎结果的性能。这项研究的结果表明，与网站客户活动相关的特定DC指标可以准确模拟和预测供应链中小企业的数字营销绩效KPI（全球等级，有机和付费流量）的过程。通过增加来自社会来源，有机关键字以及付费广告活动所需的成本来增加供应链中小企业可以提高搜索引擎结果的情况。因此，网站访问者打开的页面数量增加也表明搜索引擎结果增强。
搜索引擎中的人工智能聊天机器人
摘要 背景 搜索引擎通常是患者获取药物信息的主要资源。然而，由于人工智能 (AI) 聊天机器人的引入，搜索引擎市场正在迅速变化。患者与聊天机器人互动对用药安全的影响在很大程度上仍未得到探索。 目的 探讨搜索引擎中集成的人工智能聊天机器人提供的答案的质量和潜在的安全问题。 方法 向 Bing copilot 询问了 10 个患者常见问题，这些问题涉及美国门诊市场上 50 种最常用的处方药。患者的问题涵盖了药物适应症、作用机制、使用说明、药物不良反应和禁忌症。使用 Flesch 阅读难易度评分评估聊天机器人答案的可读性。根据药学百科全书 drugs.com 中相应的患者药物信息评估完整性和准确性。在预先选择的一组不准确的聊天机器人答案上，医疗保健专业人员评估了如果患者遵循聊天机器人给出的建议，可能造成伤害的可能性和程度。结果在生成的 500 个聊天机器人答案中，根据 Flesch 阅读难易度评分，整体可读性表明答案难以阅读。聊天机器人答案的总体中位完整性和准确性分别为 100.0%（IQR 50.0–100.0%）和 100.0%（IQR 88.1–100.0%）。在 20 个聊天机器人答案中，专家发现 66%（95% CI 50% 至 85%）具有潜在危害。如果患者听从聊天机器人的建议，这 20 个聊天机器人答案中有 42%（95% CI 25% 至 60%）可能造成中度至轻度伤害，22%（95% CI 10% 至 40%）可能造成严重伤害甚至死亡。结论人工智能聊天机器人能够提供整体完整和准确的患者药物信息。然而，专家认为相当多的答案是不正确的或具有潜在危害的。此外，聊天机器人答案的复杂性可能会限制患者的理解。因此，医疗专业人士在推荐人工智能搜索引擎时应谨慎，直到出现更精确、更可靠的替代方案。
搜索引擎默认值的竞争效果
在Landmark Antrust Case U.S.v。Google中，Google被指控通过支付设备制造商和Web浏览器来垄断互联网搜索市场，以使Google成为其产品上的默认搜索引擎。为了研究这些合同，我介绍了两侧搜索平台之间的新型竞争模型，其中之一是主导的。搜索算法“学习”并随着使用而改进，在消费者方面创建网络效果。平台从广告商那里赚取所有收入，并根据质量竞争消费者。默认会创建“推动”消费者向默认平台“推动”的切换成本。由于算法学习，即使是小的切换成本也可能具有显着的竞争效果。当主导平台的默认值涵盖了很大一部分搜索处理时，这会在大多数合理的条件下降低消费者福利。但是，落后平台狭窄的默认合同可以通过刺激竞争来提高福利。有限的默认合同也可能有助于促进进入。
Fasola，Omobolanle Seri，“利用人工智能搜索引擎进行文献综述过程”（2023 年）。图书馆哲学与实践（电子期刊）。8043。https://digitalcommons.unl.edu/libphilprac/8043
文献综述是研究的重要组成部分，需要花费大量的时间和精力才能搜索到数以百万计的在线和实体学术论文。然而，随着人工智能搜索引擎的出现，进行文献综述的过程变得更加高效和有效。人工智能搜索引擎使用机器学习算法来分析大量数据，并在几秒钟内为研究人员提供相关且准确的信息。人工智能搜索引擎在文献综述中的重要性怎么强调也不为过。它们可以帮助研究人员节省时间，提高结果的准确性和相关性，并提供传统文献综述方法可能遗漏的全面结果。本文旨在为研究人员提供一份全面的指南，指导他们如何利用人工智能搜索引擎进行文献综述。它讨论了使用人工智能搜索引擎的优势、如何选择正确的搜索引擎、有效使用它们的技巧以及避免使用这些工具时的陷阱。
人工智能搜索引擎当代问题研究
阿波罗艺术与科学学院 钦奈，古杜凡切里 摘要 AI 搜索引擎是一种使用人工智能技术（如机器学习、自然语言处理和预测分析）来提供更准确和更相关的搜索结果的搜索引擎。这些搜索引擎旨在了解用户搜索查询背后的意图并提供与该意图相匹配的结果，即使查询是用自然语言而不是使用特定关键字表达的。AI 搜索引擎的主要优势之一是它们能够提供更个性化的结果。通过分析用户行为和反馈，他们可以了解用户的偏好并提供根据他们的兴趣量身定制的搜索结果。然而，AI 搜索引擎也面临一些挑战。它们需要大量数据才能有效，而数据中的偏见会导致有偏见的搜索结果。人们还担心隐私和使用个人数据来训练 AI 搜索引擎使用的算法。AI 搜索引擎中存在几个当代问题，目前正在由研究人员、政策制定者和公众讨论和辩论。有几个人工智能搜索引擎的例子，包括 Google Search、Wolfram Alpha、Bing、Iris.ai、Yewno、Semantic Scholar、Microsoft Academic 和 OpenAI。
网络搜索引擎与人工智能之间
背景：提供实验室测试信息的网站数量正在快速增加，尽管报告资源的准确性有时值得怀疑。本研究的目的是评估 Google 搜索引擎在线可检索信息的质量。方法：以尿液分析、胆固醇和前列腺特异性抗原 (PSA) 作为关键词，查询 Google 搜索引擎。使用 Google Trends，在 5 年内评估用户的搜索趋势（随时间的兴趣）。两位审阅者对前三个或十个检索到的结果进行盲分析，并根据所有者或发布者的类型以及报告的 Web 内容的质量进行分类。结果：对所有三个考虑的测试的兴趣随着时间的推移不断增加。大多数 Web 内容所有者是编辑和/或出版团体（前 3 次和前 10 次点击的平均百分比分别为 35.5% 和 30.0%）。公共和卫生机构以及科学协会的代表性较低。在前 3 次和前 10 次点击中，发现引用来源占网页结果的 26.0% 到 46.7% 不等，而对于胆固醇，60% 的检索到的 Web 内容仅报告了作者的签名。结论：我们的研究结果证实了文献中其他研究的结果，表明在线 Web