Perplexity CEO 談 AI 搜索的未來：做知識發現引擎，不是搜尋引擎

編者按：

Perplexity 是在第一波大語言模型應用潮里跑出來的優秀選手。成立不到兩年的時間裡，已經融資超過一億美元，與三家模型大廠合作，是黃仁勛最喜歡的 AI 產品。

同時，它也受到諸多爭議。上個月它被福布斯指控，未經允許盜用媒體的付費專屬內容。WIRED 也跟進調查，發現自家網站上的反爬蟲設置，也沒擋住 Perplexity 對內容的抓取。

同樣是六月，Perplexity 的 CEO Aravind Srinivas 接受知名播客 Lex Fridman 的專訪，他們聊了人工智慧、網際網路以及搜索 —— 在 Aravind Srinivas 心中，Perplexity 是關於知識的獲取、傳播和再生產。

Perplexity 實現了自己的願景嗎？這次專訪可能是一次回顧來路的機會。

以下為訪談節選，內容經過編輯：

這顯著減少了 LLM 的幻覺問題，並使人更輕鬆、更可靠地使用它進行研究，以及通常在深夜會出現的、純粹出於好奇心的衝浪。

Aravind 曾是伯克利的博士生，並且在 DeepMind、谷歌擔任 AI 研究員，最後在 OpenAI 擔任研究科學家。

這次對談包含了許多關於機器學習最前沿的迷人技術細節，以及在增強生成（即 RAG）、思維鏈推理、網路索引、UX 設計等方面的創新。

Perplexity 既是搜尋引擎，又是 LLM。它是如何工作的？搜索和 LLM 的各個部分在提供最終結果方面發揮了什麼作用？

Aravind Srinivas：Perplexity 當然可以被描述為一個搜尋引擎。你問它一個問題，你得到一個答案。但不同之處在於，所有的答案都有引用來源作為支持。這就像一個學者寫論文一樣。

引用就是搜尋引擎的工作，結合傳統搜索，提取與用戶問詢的相關結果，然後閱讀這些鏈接，提取相關段落，輸入到一個大型語言模型（LLM）中。

模型接收相關段落，查看問詢，並給出一個格式漂亮的答案，並對其說的每個句子進行適當的腳註，因為它已被指令這樣做 —— 給定一堆鏈接和段落，為用戶編寫一個簡潔的答案，並進行適當的引用。所有這些工作協同在一起的魔法效果，就是我們創建 Perplexity 的原因。

當我寫我的第一篇論文時，和我一起工作的資深同行告訴我這是件嚴肅的事：那就是你論文中寫的每個句子都應該有論據支持，無論是引用來自另一份同行評審的論文，或者你自己論文中的實驗結果。你在論文中說的任何其他內容更像是一個觀點。這是一個非常簡單的方式，但在它深刻地迫使你，只說正確的話。

我們採納了這個原則，並問自己，如何讓聊天機器人更準確，讓它只返送在網際網路上能找到來源的答案，並且要有多個來源。這樣一來，實際上是出於需求而不是「哦，讓我們試試這個想法」。

Lex Fridman：Perplexity 的起源故事是什麼？

Aravind Srinivas：最開始，我們只想用大型語言模型（LLMs）構建一些很酷的產品，當時還不知道價值在哪裡，是在模型中，還是在產品中？

但有一件事很清楚，這些生成模型已經從實驗室里的研究項目，轉而變成走向用戶的應用程序。GitHub Copilot 被很多人使用，我自己也在用，我看到周圍的很多人都在用，Andrej Karpathy 也在用，人們願意為它付費。

這是一個不同於以往任何時候的時刻，以前的 AI 公司只是在收集大量數據，但那只是更大局的一小部分。但這是第一次，AI 本身就是核心。

Lex Fridman: 所以對你來說，Copilot 是一個靈感來源。

Aravind Srinivas: 是的，GitHub Copilot。你可以稱它為一個花哨的自動完成工具，沒毛病。我希望我創辦的公司具有一個屬性，那就是它必須是 AI 閉環的。

這是我從 Larry Page 那裡學到的一點：你要瞄準一個問題，一旦它作為目標被攻克，你就能從 AI 的進步中受益，產品會變得更好。

由於產品變得更好，更多的人會使用它，這樣就幫助你收集更多數據，使 AI 變得更好。AI 變得更好，產品也隨之變得更好。這就創造了一個良性循環。

大多數公司很難擁有這種屬性，這就是為什麼他們都在努力找出他們可以在哪裡使用 AI，在哪裡應該能夠使用 AI。

有兩個產品我覺得真正做到了這一點。一個是谷歌搜索，任何在 AI、語義理解、自然語言處理方面的改進都會提高產品，帶來更多的數據，從而使產品變得更好，等等。

另一個是自動駕駛汽車，更多的人駕駛就會有更多的數據，這使模型變得更好，視覺系統變得更好，行為復刻變得更好。

Lex Fridman: 你說的是特斯拉的自動駕駛方法。

Aravind Srinivas: 無論是 Waymo 還是特斯拉，都沒關係。

Lex Fridman: 所有進行明確數據收集的東西。

Aravind Srinivas: 對。我一直希望我的創業公司也是這種性質的，但它並不是設計為直接進行用戶搜索的。

最初面對我們的第一位投資人 Elad Gil 提出的第一個想法是，「嘿，我們想顛覆谷歌，但我不知道怎麼做。我只是一直在想，如果人們不再在搜索欄中輸入內容，而是通過眼鏡直接問他們看到的東西？」我一直喜歡 Google Glass 的版本，它非常酷。

他只是說，「集中精力，你不能在沒有大量資金和人力的情況下來做這件事。找到一個細分領域，做一些東西，然後你可以朝著更宏偉的願景努力。」這是非常好的建議。

當我們開始創業時，所有人都有很多問題。我們都是新手，以前從未做過產品，從未創立過公司。當然，我們已經完成了很多很酷的工程問題，但從零開始始終是考驗，有很多麻煩。

我們僱傭的第一名員工來問關於健康保險的事。很正常的需求，但我沒在意過，我就想，「為什麼要健康保險？如果這家公司倒閉了，誰還管？」我的其他兩位聯合創始人都結婚了，所以他們有配偶買的保險，但這個傢伙需要的保險，我甚至一無所知。

買哪個公司的？什麼是共同保險，免賠額？這些我都不懂。你去谷歌查，保險是一個廣告支出的大類。即使你問了，谷歌也沒有動機給你清晰的答案，他們希望你點擊所有這些鏈接並自己閱讀，因為所有這些保險公司都在競標以獲得你的注意。

我們集成了一個 Slack 機器人，這個機器人會詢問 GPT 3.5 並回答問題。聽起來這就解決了，但實際上我們並不知道它所說的是否正確，事實上，它說錯了一些資訊。

我們當時想，「好吧，我們該如何解決這個問題？」我們想起了我們的學術背景。我和 Dennis 都是學者，Dennis 是我的聯合創始人。

我們想，「行吧，我們在同行評審的論文時，防止自己說胡話的一個方法是什麼？」

我們總是確保我們寫的每一句話都有引用。那麼，如果我們要求聊天機器人也這樣做呢？然後我們意識到，這實際上就是維基百科的運作方式。

在維基百科中，如果你隨意進行編輯，人們期望你是有一個來源的，而且不僅是隨隨便便一個來源，他們希望你確保來源有可靠的。有許多標準來判斷什麼算是可靠的，什麼不是。所以 Dennis 認為這是一個值得嘗試的方向。

這不僅是一個可以通過更智能模型解決的問題，還有許多其他事情要在搜索層面和來源層面上做，並確保答案的格式和呈現方式對用戶來說是合理的。這就是為什麼這個產品存在的原因。

Lex Fridman：我有些問題要問，但首先，放寬視野。本質上，它是關於搜索的。你說有一個搜索的構件，然後一個通過 LLM 講故事的構件和引用構件，但它首先是關於搜索的。你認為 Perplexity 是一個搜尋引擎嗎？

Aravind Srinivas：我認為 Perplexity 是一個知識發現引擎，不是搜尋引擎。當然，我們稱它為答案引擎，但這裡的一切都很重要。當你得到答案，旅程並沒有結束，在我看來，你得到答案後旅程才開始。

你會看到底部出現的相關問題，為什麼？因為也許答案不夠好，或者答案足夠好，但你可能想要深入挖掘並提出更多問題。

這就是為什麼我們在搜索欄里寫，「知識從這裡開始」，因為知識沒有盡頭，你只能擴展和成長。這就是 David Deutsch 的書《無限開始》的整個概念。你總是在尋求新知識。我將這看作是一種發現過程。

Lex Fridman：如果長遠來看，你認為搜索的未來是什麼樣的？也許我們還可以問一個更大的問題，網際網路的未來是什麼樣的？也許甚至是瀏覽器的未來，我們如何與網際網路互動？

Aravind Srinivas：如果你看得更遠點，甚至在網際網路之前，知識一直在不斷傳播。這是一個比搜索更大的事。

搜索是一種方法。網際網路是快速傳播知識的一種方式，最開始按主題組織，然後有Yahoo 分類，然後是更多的超鏈接。Google 也開始通過知識圖譜等做即時問答。我認為即使在 2010 年，Google 流量的三分之一，當時是每天 30 億次查詢，都是來自 Google 知識圖譜的即時答案，基本上來自 Freebase 和 Wikidata 的東西，都是。

所以很明顯，至少 30 到 40% 的搜索流量只是答案的一部分。其餘的，你也可以說是像我們現在正在服務的，更深度的答案。

但是另一個真實的情況是，隨著更深層次的答案，更深入的研究力量，你能夠問出以前不能問的問題。比如，你能問「AWS 是否在 Netflix 上」這樣的問題嗎？這將讓你問一種新的問題，一種新的知識傳播。所以清楚地解釋搜索和答案引擎之間的區別很難。

我相信我們正朝著的方向既不是搜索也不是答案引擎，而是發現，知識發現的方向發展。這是更大的使命，可以通過聊天機器人，答案機器人，語音等使用形式來滿足，但比這更重要的是指導人們發現事物。我認為這就是我們在 Perplexity 上想要做的，滿足人類的基本好奇心。

Lex Fridman：所以這是人類物種的集體智慧，總是在尋求更多的知識，你正在給它工具以更快的速度達到。

Aravind Srinivas：沒錯。

Lex Fridman：你認為人類物種的知識量會隨著時間的推移而迅速增加嗎？

Aravind Srinivas：我希望如此。更重要的是，如果我們能夠改變每個人，讓他們比以前更追求真理——僅僅因為他們有能力，僅僅因為他們有工具，我認為這將帶來更多的知識。實際上，更多的人會對事實核查和發現事物感興趣，而不是僅僅依賴其他人，和他們道聽途說來的消息，因為那些總是可能被政治化，或有意識形態的影響。

所以我認為這種進展會非常好，我希望這是我們可以一起建設的網際網路。比如通過我們正在進行的 Pages 項目，讓人們不費多少力氣就能寫文章。這個項目的願景在於，你在 Perplexity 上的瀏覽會話和問詢不僅對你自己有用。

黃仁勛在他的演講中說過，「我在別人面前給一個人反饋，不是因為我想壓低或提升任何人，而是因為我們都可以從彼此的經驗中學習」。

為什麼只有你能從你的錯誤中學習？其他人也可以從別人的錯誤中學習，或者另一個人也可以從別人的成功中學習。

所以這就是其中的一部分。為什麼你不能分享自己在 Perplexity 上的一個 Q&A 會話，和你從中學到的東西，然後傳播到世界其他地方？我想要更多這樣的事情發生。