قیمت سهام گوگل در اوایل این هفته پس از انتشار مطلبی در نیویورک تایمز مبنی بر اینکه تجارت این غول جستجو ممکن است توسط هوش مصنوعی تازه متولد شده تهدید شود، ۳ درصد از ارزش خود را از دست داد. گروهی از استارت‌آپ‌های جدید این حوزه که هر کدام امیدوارند با بهبود مدل‌های قدرتمند زبان بزرگ ((LLM، بتوانند چت‌بات‌های هوش مصنوعی را نسبت به موتورهای جستجو و بخصوص سیستم رتبه‌بندی گوگل، بتوانند در اولویت قرار دهند. شاید معتبرترین آنها، استارتاپ Perplexity باشد.
اگر بخواهیم به زبان ساده مدل زبان بزرگ را شرح دهیم، LLM یک پایگاه داده عظیم از داده‌های متنی است که می‌تواند برای ایجاد پاسخ‌های انسان‌مانند به درخواست‌های شما ارجاع داده شود. متن تولید شده از طیف وسیعی از منابع می‌آید و می‌تواند به میلیاردها کلمه برسد. البته، داشتن یک پایگاه داده عظیم از متن یک چیز است اما LLMها باید آموزش ببینند تا آن را درک کنند و پاسخ هایی شبیه به انسان ایجاد کنند.
Perplexity، در سانفرانسیسکو مستقر است و توسط آراویند سرینیواس، رهبری می‌شود و سرمایه گذاران آن بازیگران بزرگی در جهان هوش مصنوعی هستند.
این استارت‌آپ مانند سایر ربات‌های جستجوی هوش مصنوعی جدید، از جمله بینگ چت مایکروسافت، امیدوار است روزی بخشی از بازار عظیم جستجوی وب را که گوگل به مدت ۳۰ سال کاملا بر آن تسلط داشت، ایجاد کند، چراکه گوگل سال گذشته ۱۶۲ میلیارد دلار از طریق تبلیغات جستجو و صدور مجوز درآمد داشته است.
ربات‌های جستجوی هوش مصنوعی یک رویکرد اساسی متفاوت برای بازیابی محتوا از وب را نشان می‌دهند. گوگل با تطبیق عبارت‌های جستجو با سایت‌های مرتبطی که موتورهای جستجوی وب آن پیدا کرده و فهرست‌بندی کرده‌اند، کار می‌کند، سپس آن منابع محتوا را بر اساس محبوبیت و سایر عوامل رتبه‌بندی می‌کند. «موتورهای پاسخگویی» هوش مصنوعی (همانطور که Perplexity آنها را تعبیر می‌کند) از مهارت زبانی مدل‌های زبان بزرگ (LLM) برای درک پرسش‌ها استفاده می‌کند، سپس پاسخ‌های محاوره‌ای سفارشی‌شده را بر اساس محتوای میلیون‌ها صفحه وب که LLM در طول آموزش در معرض آنها قرار گرفته است، جمع‌آوری می‌کند، در واقع، Perplexity از هر دو رویکرد استفاده می‌کند.
Srinivas که در DeepMind گوگل و Google Research نیز کار می‌کرده است، می‌گوید: «وقتی در Perplexity سؤالی را تایپ می‌کنید، شروع به جستجو کرده و صفحات وب مربوطه را نشان میدهد، سپس آن را به یک ربات چت LLM منتقل می‌کند که همه آنها را بررسی می‌کند و متوجه می‌شود که واقعا به دنبال چه چیزی هستید.»
همچنین او می‌گوید فوت کوزه‌گری ممکن است تعادل دقیقی باشد که بین فهرست بندی، رتبه بندی و جستجوی مبتنی بر LLM ایجاد شده است و همچنین تاکید ویژه‌ای بر روی نقل قول‌ها دارد. او توضیح میدهد: «ما از یک پیشینه آکادمیک می‌آییم و این اصل اصلی را داریم که وقتی مقاله می‌نویسید، مجاز به گفتن چیزهایی نیستید که نمی‌توانید به آنها استناد کنید، ما اساسا به LLM گفتیم که هرگز چیزی نگوید که نمی‌تواند از را ثابت کند. "
Perplexity دلایل بسیار عمل گرایانه‌ای برای تاکید بر نقل قول‌ها دارد. در طول سال‌ها استفاده، مردم به نتایج جستجوی گوگل اعتماد پیدا کرده‌اند (حتی اگر برای رسیدن به آنها مجبور باشند تمام «نتایج حمایت‌شده» را مرور کنند). آنها چنین اعتمادی به یک «موتور پاسخگویی» هوش مصنوعی جدید و کمتر شناخته شده مانند Perplexity را ندارند. Srinivas می‌گوید که شرکت او باید اعتماد جستجوگران را به دست آورد و ارائه نتایج جستجو همراه با اثبات آن، شروع خوبی خواهد بود.
در حال حاضر، Perplexity هنوز بسیار کوچک است. این شرکت در ابتدای سال جاری پنج کارمند تمام وقت داشت و اکنون ۱۱ کارمند معادل تمام وقت به اضافه چند پیمانکار در لیست حقوق و دستمزد خودش دارد. سرینیواس می‌گوید که انتظار دارد شرکت تا پایان سال به حدود ۲۰ کارمند تمام وقت افزایش یابد. پس از جمع آوری تخمینی ۳ میلیون دلاری در یک دور اولیه در اکتبر گذشته، این شرکت اخیرا یک راند سرمایه ۲۵٫۶ میلیون دلاری را به رهبری New Enterprise Associates جذب کرده است که البته مبلغ نسبتا کمی در بین استارت آپ‌های هوش مصنوعی محسوب می‌شود. نکته مثبت این است که با این مبلغ، Perplexity احتمالا زمان کافی برای کار روی محصول خود بدون فشار یا حواس پرتی خواهد داشت.
این شرکت که اخیرا یک برنامه بر بستر iOS منتشر کرده است، امیدوار است که در نهایت مدل خوبی برای فروش تبلیغات در زمینه جستجوی هوش مصنوعی بی نظیر خود پیدا کند، چیزی که هیچ کس دیگری در این فضا به آن دست نیافته است. اما در کوتاه‌مدت امیدوار است که با فروش ردیف‌های خدماتی حاوی ویژگی‌های پیشرفته شروع به کسب درآمد کند. به عنوان مثال، این شرکت به تازگی یک ویژگی منتشر کرده است که به کاربرانی که وارد سیستم شده‌اند اجازه میدهد رشته‌های جستجوی خود را ذخیره کرده و به اشتراک بگذارند. او می‌گوید کاربرانی که وارد سیستم شده‌اند نیز می‌توانند منابعی را ویرایش کنند که باید برای جستجوی خاص به آنها اعتماد کرد.
این ویژگی‌های جدید جنبه اجتماعی به سبک ویکی‌پدیا را به جستجو اضافه می‌کنند، مسیری که Perplexity امیدوار است در آینده به سمت آن سوق یابد. Srinivas از کاربران می‌خواهد که بتوانند زمینه اضافی را به رشته‌های جستجوی رایج اضافه کنند و اطلاعاتی را که ممکن است متمایل به نظر باشد یا فاقد استناد باشد، اصلاح کنند.
تیم توسعه Perplexity، به طور مشخص در مورد مسیرهایی که پلتفرم ممکن است در آینده رشد کند، فکر کرده و صحبت می‌کنند زیرا مدل‌های زبانی به صورت مستمر بالغ و بهتر می‌شوند. آینده‌ای که آنها تصور می‌کنند، کاربران انسانی نقش مهمی ایفا می‌کنند.
Srinivas می‌گوید: «شما در واقع باید یک محصول و پلتفرمی بسازید که در آن انسان‌ها و هوش مصنوعی در کنار هم زندگی کنند و بتوانند با هم بیاموزند. یعنی، انسان‌ها با پرسیدن سؤالات از هوش مصنوعی یاد می‌گیرند و وقتی هوش مصنوعی از آنچه می‌گوید پشتیبانی می‌کند، بیشتر به آن اعتماد می‌کنند».