習慣是很難改變的，特別是對搜尋引擎這種日常工具。過去我們輸入關鍵字，得到的是一堆連結，需要自己判斷、篩選。這幾年，各大平台都在嘗試加入 AI，想把那個「自己判斷」的步驟省略掉。結果呢？有些使用者覺得方便，直接給答案省了力氣；有些則覺得那不是他們想要的，甚至因此轉向了其他平台。
問題的核心，可能不在於 AI 能不能給出「正確」答案，而在於它有沒有給出「完整」的答案，或者說，有沒有給出「使用者想看到的」答案。以 Gemini 的搜尋模式為例，它確實能在某些情境下，迅速整合資訊，生成一段概述。這對於需要快速了解基礎概念、尋找簡單事實的使用者來說，體驗是流暢的。想像一下，當你只是想知道某個歷史事件的日期，或某個名詞的基本定義，AI 模式能省去你點擊好幾個連結再歸納的時間。但當問題稍微複雜一點，或涉及到某些敏感、爭議性、甚至只是非主流的議題時，AI 的回答就顯得綁手綁腳。它似乎被訓練成要避免爭議、避免風險，導致給出的內容趨於保守和模糊。使用者想探索的邊界，AI 卻自己畫了線。
這種「過度審慎」的傾向，在 Claude 和 ChatGPT 上也隱約可見，尤其是在處理一些社會議題或政治敏感內容時。它們雖然不像 Gemini 那樣直接嵌入搜尋，但在生成內容時，對於潛在的「不當」或「有害」資訊，同樣有著嚴格的內部篩選機制。例如，當我試圖讓 Claude 3 Opus 討論一些有爭議的醫學替代療法時，它會非常小心地強調資訊的來源、風險提示，甚至直接拒絕提供「建議」，而只提供「資訊」——即使使用者只是想了解不同觀點的存在。這份謹慎，固然有其道德和法律上的考量，但也無形中限縮了資訊的廣度。這和傳統搜尋引擎的做法大相徑庭，後者會直接呈現各種連結，無論內容是否帶有偏見或爭議，選擇權終究還在使用者手上。
相比之下，像 Qwen 這樣在某些地區市場深耕的模型，在處理特定文化或在地議題時，可能會展現出不同的語境適應性。而 Kimi 這類模型，則在長文本處理和摘要能力上，試圖提供另一種效率體驗，與直接回答問題的 AI 搜尋模式有所區隔。但無論是哪種，只要涉及到資訊的「篩選」或「重組」，就必然會面臨使用者對於「中立性」與「完整性」的質疑。當 AI 模式把數十個搜尋結果整合成一段話，那些被省略的聲音、那些沒有被選取的觀點，是否就此消失了？
所以，問題又回到了原點：當我們把搜尋的權力更多地交給 AI，我們究竟是得到了更有效率的答案，還是失去了一些探索的自由？當 AI 模式因為安全或倫理考量，對某些內容進行了隱性過濾，我們還能說它給出的資訊是全面的嗎？如果每次搜尋，AI 都只是給出那個「安全」且「主流」的答案，那麼那些非主流的、邊緣的、甚至是帶有挑戰性的聲音，又該如何被發現？這或許是 AI 時代的搜尋引擎，需要持續面對的挑戰。