首頁 > 科技要聞 > 科技> 正文

黃仁勛最愛用的 AI 產品重磅升級，體驗后我找到了這些細節(jié)

appso 整合編輯：太平洋科技 發(fā)布于：2024-07-07 18:49

正掙扎在盜用內容爭議中的 Perplexity，「頂風」發(fā)布了最新的 Pro search 功能。


圖片來自：Perplexity hub

不知道是不是受到爭議的影響，這次的更新技術細節(jié)不多，亮點在于能夠更好地處理數(shù)學計算問題、編程任務等。

當然，作為看家本領，檢索和回答的能力也得到提高，采用多步推理來解決復雜提問，并且展示每一個環(huán)節(jié)，讓用戶看到每一個步驟。

兩個關于 Pro search 的重要信息：

普通用戶每四小時里可以使用 5 次 pro search，付費用戶不限次數(shù)

為教育機構、政府機構、非盈利組織提供付費折扣

傳送門：https://www.perplexity.ai/

不過，到底有了多大提升，得試了才知道。

測試熱身，考簡答

為了了解 Pro search 的基本使用流程，我們先從簡單的生活問題開始 —— 各地都進入了高溫天氣，夏天了有什么解暑方式？

Pro search 的啟動鍵在輸入框右下角，撥動變色，即代表開啟。

開啟后默認保留，即便結束了一個對話，另起一個新對話時，也默認在 Pro search 模式下進行，對于不限次數(shù)的付費用戶來說就很方便了。

運行后，會漸次出現(xiàn) Researching 下拉框，這是模型的「思考工作」，完成后可以點擊右邊展開鍵查看詳情。

繼續(xù)點開可以看到信息來源，算是集合了不少中文信源，來源也很多樣。從回答上來看算是中規(guī)中矩，「多喝水」是怎么都不會出錯的方法。

考數(shù)學，本輪更新重點項目

數(shù)學計算能力是本次更新的亮點，正好 Runway 更新了 Gen-3 模型，那么就讓 Perplexity 來計算一下：

如果購買標準套餐，在賬號里已經有 400 積分的情況下，能用 Gen-3 生成多少視頻？

可以看到它擺開架勢，列式子，做計算。不僅成功檢索到標準套餐的費用、所提供的積分數(shù)量，也能完成加法和除法。

根據它的計算，總共能用 Gen-3 生成 102.5 秒視頻，如果按 10 秒一條的頂格條件，是十支視頻。那么，換算成真金白銀呢，每生成十秒的視頻，要花多少錢？

這里 Perplexity 出現(xiàn)了「斷片」：它能提取自己之前的計算結果，也就是 102.5 秒。可是，它卻忘了第一輪計算時，套餐月費是按 12 美元 / 月計算的。

在這輪計算里，它錯用了高級套餐，月費 25 美元 / 月，計算出 0.24 美元作為每秒成本。

這是個明顯的失誤，且不論第一輪計算時，明確指定了「標準套餐」，即便是高級套餐，有折扣的年付方式折合每月是 28 美元，無折扣的月付方式直接是 35 美元 —— 壓根沒有 25 美元這個數(shù)字。

在追問之下，它承認自己的確搞錯了價格。

考專業(yè)，深度提問

數(shù)學考試算是有驚無險吧。Perplexity 一直以來主打深度，那么專業(yè)考試表現(xiàn)如何呢？

正好，昨天微軟研究院開源了 GraphRAG，也是一項用于 AI 搜索的技術，這不就是 Perplexity 的「本專業(yè)」，那么來問問它好了。

從 searching 這一步來看，長問題會被分解成更小的問題（相比之下，上一個簡單提問里，是靠變換近義詞）。

第一個信源便是微軟的開源頁面，很即時。回答方面，Perplexity 把問題拆分成了兩個小問，做了平行回答：一是 GraphRAG 是什么，二是它自己在用的技術。

正想著追問細節(jié)之后，這一輪的免費次數(shù)已經耗盡了，得等四小時之后的刷新。

每四小時 5 次免費的額度，比每 24 小時刷新要大方。但說多也不多，必須要思考一下，怎么提問才能最有效地表達需求。倒逼用戶提高自己的提問能力，這也是 AI 搜索的「傳統(tǒng)藝能」了。

總體來說，Pro search 是一個在用戶體驗方面更貼心的升級。

不再是僵硬的「輸入提問 - 得到回答」，而是能看到 Perplexity 處理問題的步驟，怎么拆分、怎么檢索，調用了哪些信源。

AI 搜索的潛力股，或許是它

Perplexity 在有深度、專業(yè)性強的問題上，更能體現(xiàn)出實力。那么，深度提問時提到的「GraphRAG」，究竟是什么呢？

RAG 是 Retrieval（檢索），Augmented（增強），Generation（生成）的縮寫，是目前主流 AI 檢索所使用的策略，也是 Perplexity 自己采用的方式。

局限性體現(xiàn)在，它像一個縫縫補補的「內容裁縫」。

比如，在深度提問里，「GraphRAG 是什么？Perplexity 是如何使用 RAG 做檢索？」這兩個小問，的確可以分開回答，但兩者之間顯然是有關聯(lián)的。

傳統(tǒng) RAG 無法捕捉到信息之間的關聯(lián)，只能僵板地羅列。對于簡單提問，或許無傷大雅。但在深度提問上，在把問題分解成更小的子問題之后，卻沒法有機地展示這些子問題之間的聯(lián)系。

GraphRAG 技術，就意在通過建立信息之間的聯(lián)系。在接到問題、返送回答之間，多了一個步驟：建立知識圖譜。


圖片來自：微軟研究院

人類的思考能力，體現(xiàn)在能夠把自己所知道的、所掌握的，互相勾連，形成知識圖譜。

對人工智能來說，為了做到這一點，除了要完成常規(guī)的數(shù)據提取、分割，還要完成對實體的識別、提取，并圍繞實體，建立一個個「小圈子」。

「小圈子」本身的結構是自下而上，而它們之間又彼此相關，鏈接在一起，就能形成一個龐大的巨網。這讓后續(xù)的回答生成環(huán)節(jié)，就有了更豐富的組成方式。


圖片來自：微軟研究院

上圖中可以看到，右邊基于 GraphRAG 機制，能夠根據具不同的主題，進行內容整合。

這豈不是意味著 AI 又更有「人味兒」了嗎？怎么 Perplexity 這次更新沒有用上呢？

不著急，微軟研究院 4 月時發(fā)布對于這項技術的研究，昨天才正式開源。更重要的是，這項技術，更適用于私有數(shù)據集。

例如，知乎最新發(fā)布的大模型產品「直答 AI」，就是以知乎站內回答為優(yōu)先、網絡內容為補充的形態(tài)，建立的數(shù)據集。

相比之下，Perplexity 不想把自己局限住，而是放眼整個互聯(lián)網。憑借海量數(shù)據和大模型能力，Perplexity 一度是英偉達掌舵人黃仁勛最愛用的產品之一。

直到上周，，接連被福布斯、WIRED 點名道姓，指控它繞過媒體門戶網站的反爬機制，硬是把內容抓進自己的語料庫里。

AI 搜索領域，數(shù)據庫「彈藥充實」的確非常重要，不然 OpenAI 也不會接二連三地與各大媒體談合作。

但另一方面，有效地理解、分析和使用搜集來的數(shù)據，將會起到越來越關鍵的作用。

歸根到底，用戶對 AI 搜索的期待，絕不僅僅是一個「更多、更快」的搜索引擎，而是「更強」。

本文來源：Appso
appso

網友評論

聚超值•精選

推薦 手機 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
二維碼 回到頂部