仔细想想，我们就会意识到自己曾经多么依赖在线搜索。想找找附近有哪些泰国餐厅？只需要在搜索引擎中输入这个问题，网页就会逐页列出我们所在位置周边的泰式料理选项。打算了解奥斯汀市的天气预报，同样输入查询，就可以收到最近三天、五天的天气信息，甚至是全年天气指数平均值等更多补充数据。
这就是我们当前所处的世界。即使是出生在互联网诞生之前的人们，如今也开始接受文化历史学家兼媒体学者Siva Vaidhyanathan提出的“万物谷歌化”理论——只要我们输入查询并浏览页面，想要了解的一切信息都将出现在结果页面当中。
但令人惊讶甚至令人费解的是，作为如今生活中的一大重要技术领域，搜索引擎服务在某种程度上一直没有跟上时代的发展步伐。可以说时至今日，它仍与刚刚诞生时差别不大。
脱离时代的搜索引擎
Northern Light公司（一家位于波士顿的战略研究门户网站供应商）CEO David Seuss表示：“搜索服务从1994年诞生至今已经20多年，而直到现在个人数字助手出现，才真正带来了模式层面的改变。1994年，当我们访问搜索框时，可以在上面填写查询内容，点击搜索按钮并收取信息反馈。我们可以手动查看这些内容，选择其中相关度最高的部分浏览。时间快进到2019年，整个操作过程还是一样。而回顾整个历程，几乎所有技术领域都发生了翻天覆地的变化——包括宽带、无线、移动云计算以及人工智能等等。只有搜索被排除在外，仍然保持着原来的样子。”
尽管研究表明用户对于现有搜索模式感到沮丧，但Seuss认为这种创新缺失的问题主要源自缺乏丰富的构图。目前，每项查询所对应的大量条目往往让人不知所措。Madeline Jacobson在他的文章中写道，“普通用户最多只会查看搜索引擎结果页面（简称SERP）中的前五页。造成这一结果的原因可能是因为可用内容太多，但其组织方式却相当糟糕，这逼迫着用户必须从初始部分的结果当中寻找答案——即使其质量可能并不理想。”在Jacobson看来，“大多数人会从前几项结果中选一个点击，这可能是因为他们找到了需要的答案、不想再继续往后看、时间紧迫或者是三者兼而有之。”
对此，被《福布斯》杂志评为全球十大营销大师之一的Neil Patel则用一个笑话讲述了其中的道理：“如果我们有某样东西不希望被人们找到，应该把它放在哪里？”答案是——放在谷歌搜索结果的第二页中。可悲的是，这其实并不完全是个笑话，因为Patel很清楚有调查证明高达四分之三的用户从未查看过搜索结果的第二页。另外，即使前两页给出的结果已经可以令人接受，但考虑到总结果页数可能成百上千，这种操作方式对于信息领域仍然是种巨大的损害。由于搜索机制没能与时俱进，无数重要的研究结果在默默无闻中被永远搁置起来。更重要的是，这也使我们更难获得自己真正需要的信息——因为显示结果往往更倾向于那些付费广告客户以及通过搜索引擎优化提升自身搜索排名的公司。
基于上述各类问题，我们可以肯定的是，如今占在职员工总数35%以上的千禧一代（即2000年左右刚刚成年的一代）已经掀起一轮搜索方式回归。相较于使用极耗时间且效率不高的手动查询模式，新一代人正在使用所谓的“浏览内容”这一收效更好的模式——其主要强调通过值得依赖的平台的相关整合信息。
Seuss表示：“千禧一代在信息收集方面与婴儿潮一代（出生于1940年-1950年）乃至X世代（出生于1950年-1960年）完全不同。对于后两者而言，搜索代表着他们的职业生涯开始出现根本性转变。在此之前，他们需要到图书馆里寻找相关的书籍及杂志，而在互联网时代，他们就可以通过学习如何成功上网来查找自己需要的信息。因此，婴儿潮一代与X世代主要在网络上进行研究及学习性质的搜索操作。在另一方面，千禧一代则以此为基础并将搜索推向新的高度。速度，已经成为向千禧一代成功传递信息的决定性因素。事实上，他们是非常高效的信息收集者，只要拥有正确的工具以及与其喜好匹配的认知风格设计，他们就能快速获得高相关度的信息。”
使用这种新的内容浏览模式的人群多具有以下特点：他们的生活都匆匆忙忙，总感到时间不足；都对已经陈旧不堪的查询、筛选、下载而后再次重复的搜索模式感到不满，并深切赞同应当建立起行之有效的策划或“讲故事”模式，从而促进竞争性信息（简称CI）的发展。
利用人工智能，让内容寻找用户
那么，这种新的“讲故事”研究模式应该是怎样的？如何才能在搜索领域取得新的技术突破，从而升级这个长期以来一直未能“进化”的行业？机器学习是一个重要的方向。
在人工智能技术的帮助下，以往需要由研究人员完成的任务如今已经可以交给计算机处理。利用后者强大的模式构建与预测能力，搜索引擎甚至可以观察用户的行为，根据他们下载、分享、评论或者收藏的内容来识别他们的兴趣。利用由此积累到的知识，AI能够在无需手动提示的情况下主动向用户推荐相关内容。这意味着与传统搜索模式中以页面作为内容硬性分割线的排名核心型方法不同，现在我们可以让内容寻找用户，而非由用户寻找内容。
除此之外，机器学习还能给搜索带来更多的改进。任何习惯于收取RSS摘要或者电子邮件提醒的用户，可能都清楚在策略仪表板中快速浏览并处理要点内容所带来的便利。《纽约时报》等出版物就是通过这种方式提供每日新闻简报，从而帮助读者快速梳理这一天中值得关注的大事要事。此外，Northern Light公司通过基于AI的平台也实现了类似的功能，即对关键内容进行有效总结。Seuss解释道：“这意味着用户不必以手动方式滚动浏览搜索结果清单以及单一文档，从而自行收集问题的碎片答案。相反，搜索引擎会读取所有文档并根据其重要性总结出一份摘要内容。”
这种信息可操作性的升级，对于企业在竞争日益激烈的商业环境中保持状态更新至关重要。拥有最新的信息对于IT领域的组织而言尤其关键，因为闪电般的产品开发速度与生命周期往往导致今天的重要信息到了明天就毫无价值。同样的，也有不少企业正在遭受信息泛滥的冲击。他们知道自己需要了解最新信息，但又经常发现自己的努力由于庞大的数据总量与可观的数据来源而难以为继。鉴于研究结果不断变化且正在迅速过时，许多人可能会更关注那些能够聚合并集中展现关键内容的平台。
Seuss建立的SinglePoint知识门户就是其中之一，目的是为来自各行各业的客户——包括制药、制造、物流、IT与酒店等——提供此类服务。通过为每家客户提供个性化方法的方式，其能够从一系列内容合作伙伴（例如Forrester、IDC以及Informa等）处收集与业务相关的内容。此外，该平台还能够提供符合广泛行业与业务战略分类标准的文本分析功能，并具备对来自关联次级来源、内部主要来源、新闻、政府以及网络的内容进行自定义的汇总能力。根据对最新竞争性信息的收集，从而为企业客户提供丰富的按需整理内容。
除了集中收集所需信息之外，Northern Light还致力于解决与传统搜索相关的另一个重大难题：如何及时收集相关度最高、实用性最强的信息。大多数人都习惯了在面对大量结果后，以手动筛选的方式过滤掉垃圾内容这种恼人的体验。为了解决这一普遍痛点，Northern Light的方案是提供洞察报告，通过机器学习技术自动在搜索结果中总结文档。
虽然是个好办法，但其中还有重要的一个问题，即AI不能为客户重写文章。相反，其必须利用专有算法提取并呈现最重要的，最能够表达精辟思想的内容。大家可能经常发现搜索引擎直接把文档中的所有句子都罗列出来，这时人工智能技术就会发挥作用——包括确定句子之间的关系，从而合成用户需要了解的最重要条目。Seuss解释道：“机器会首先按照文件出现的顺序对报告中的句子进行排序，而后按照文件在搜索结果上的顺序对各句子进行分组与再次排序。”
利用这类机器学习方案，企业与个人的搜索压力将得到明显的减轻。更重要的是，与以往任何时候相比，如今的我们都更有理由努力跟上每天新增的大量信息。而令人难以置信的是，搜索这一与互联网密切相关的行为一直没有跟上不断变化的时代步伐。当然，随着技术的持续发展，将有更多想象中的成果逐步转化为现实，这意味着搜索业务的最终消亡——或者说以新的形式建立起搜索2.0时代。我们不再依靠大量查询来寻求自己需要的知识，而是引导更多信息主动呈现在我们面前。在这背后，需要机器学习技术以其“智能”不断预测我们的信息需求。
