首頁 > 科技要聞 > 科技> 正文

黃仁勛最愛用的 AI 產(chǎn)品重磅升級(jí)，體驗(yàn)后我找到了這些細(xì)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(nèi)容爭(zhēng)議中的 Perplexity，「頂風(fēng)」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(zhēng)議的影響，這次的更新技術(shù)細(xì)節(jié)不多，亮點(diǎn)在于能夠更好地處理數(shù)學(xué)計(jì)算問題、編程任務(wù)等。

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

兩個(gè)關(guān)于 Pro search 的重要信息：

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

為教育機(jī)構(gòu)、政府機(jī)構(gòu)、非盈利組織提供付費(fèi)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(cè)試熱身，考簡(jiǎn)答

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

Pro search 的啟動(dòng)鍵在輸入框右下角，撥動(dòng)變色，即代表開啟。

開啟后默認(rèn)保留，即便結(jié)束了一個(gè)對(duì)話，另起一個(gè)新對(duì)話時(shí)，也默認(rèn)在 Pro search 模式下進(jìn)行，對(duì)于不限次數(shù)的付費(fèi)用戶來說就很方便了。

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

繼續(xù)點(diǎn)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(huì)出錯(cuò)的方法。

考數(shù)學(xué)，本輪更新重點(diǎn)項(xiàng)目

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

如果購買標(biāo)準(zhǔn)套餐，在賬號(hào)里已經(jīng)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(shì)，列式子，做計(jì)算。不僅成功檢索到標(biāo)準(zhǔn)套餐的費(fèi)用、所提供的積分?jǐn)?shù)量，也能完成加法和除法。

根據(jù)它的計(jì)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(jì)算結(jié)果，也就是 102.5 秒。可是，它卻忘了第一輪計(jì)算時(shí)，套餐月費(fèi)是按 12 美元 / 月計(jì)算的。

在這輪計(jì)算里，它錯(cuò)用了高級(jí)套餐，月費(fèi) 25 美元 / 月，計(jì)算出 0.24 美元作為每秒成本。

這是個(gè)明顯的失誤，且不論第一輪計(jì)算時(shí)，明確指定了「標(biāo)準(zhǔn)套餐」，即便是高級(jí)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(gè)數(shù)字。

在追問之下，它承認(rèn)自己的確搞錯(cuò)了價(jià)格。

考專業(yè)，深度提問

數(shù)學(xué)考試算是有驚無險(xiǎn)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(xiàng)用于 AI 搜索的技術(shù)，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(zhǎng)問題會(huì)被分解成更小的問題（相比之下，上一個(gè)簡(jiǎn)單提問里，是靠變換近義詞）。

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

正想著追問細(xì)節(jié)之后，這一輪的免費(fèi)次數(shù)已經(jīng)耗盡了，得等四小時(shí)之后的刷新。

每四小時(shí) 5 次免費(fèi)的額度，比每 24 小時(shí)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(dá)需求。倒逼用戶提高自己的提問能力，這也是 AI 搜索的「?jìng)鹘y(tǒng)藝能」了。

總體來說，Pro search 是一個(gè)在用戶體驗(yàn)方面更貼心的升級(jí)。

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(diào)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(qiáng)的問題上，更能體現(xiàn)出實(shí)力。那么，深度提問時(shí)提到的「GraphRAG」，究竟是什么呢？

RAG 是 Retrieval（檢索），Augmented（增強(qiáng)），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(gè)縫縫補(bǔ)補(bǔ)的「內(nèi)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(gè)小問，的確可以分開回答，但兩者之間顯然是有關(guān)聯(lián)的。

傳統(tǒng) RAG 無法捕捉到信息之間的關(guān)聯(lián)，只能僵板地羅列。對(duì)于簡(jiǎn)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(jī)地展示這些子問題之間的聯(lián)系。

GraphRAG 技術(shù)，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(gè)步驟：建立知識(shí)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(shí)圖譜。

對(duì)人工智能來說，為了做到這一點(diǎn)，除了要完成常規(guī)的數(shù)據(jù)提取、分割，還要完成對(duì)實(shí)體的識(shí)別、提取，并圍繞實(shí)體，建立一個(gè)個(gè)「小圈子」。

「小圈子」本身的結(jié)構(gòu)是自下而上，而它們之間又彼此相關(guān)，鏈接在一起，就能形成一個(gè)龐大的巨網(wǎng)。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(jī)制，能夠根據(jù)具不同的主題，進(jìn)行內(nèi)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(shí)發(fā)布對(duì)于這項(xiàng)技術(shù)的研究，昨天才正式開源。更重要的是，這項(xiàng)技術(shù)，更適用于私有數(shù)據(jù)集。

例如，知乎最新發(fā)布的大模型產(chǎn)品「直答 AI」，就是以知乎站內(nèi)回答為優(yōu)先、網(wǎng)絡(luò)內(nèi)容為補(bǔ)充的形態(tài)，建立的數(shù)據(jù)集。

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

直到上周，，接連被福布斯、WIRED 點(diǎn)名道姓，指控它繞過媒體門戶網(wǎng)站的反爬機(jī)制，硬是把內(nèi)容抓進(jìn)自己的語料庫里。

AI 搜索領(lǐng)域，數(shù)據(jù)庫「彈藥充實(shí)」的確非常重要，不然 OpenAI 也不會(huì)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(jù)，將會(huì)起到越來越關(guān)鍵的作用。

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

本文來源：Appso
appso

網(wǎng)友評(píng)論

聚超值•精選

推薦 手機(jī) 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