打破搜尋框架！Perplexity AI：您的超智能知識引擎

傳統搜尋引擎不夠用了嗎？Perplexity AI 運用人工智慧，超越傳統搜尋，為您提供前所未有的知識探索體驗。

Perplexity 自稱為「探索資訊和好奇心的瑞士軍刀」，但實際上它是一個由 AI 驅動的搜尋引擎。可以將其視為 ChatGPT 與 Google 搜尋的結合體，雖然它並不能完全替代任何一個。它實際上是 Google 嘗試以 Gemini 方向發展的目標，但實現得更加有條不紊。

它的運作方式類似於一個聊天機器人: 你問問題，它回答問題。但它也能無縫地從最近的文章中獲取資訊。Perplexity 每天都會對網頁進行索引，所以你可以問它最近的新聞、比賽比分及其他典型的搜尋查詢。

Perplexity 的運作方式也接近是一種搜尋引擎。與其呈現一系列符合你查詢的網站列表，Perplexity 會給你一個簡短的摘要答案，並附上它使用的參考資料。有時候，這個摘要就足夠了；在其他情況下，你可能需要深入了解不同的來源。

雖然 Perplexity 還不能完全取代傳統的搜尋引擎，但在其限制範圍內，它出奇地實用和有效。以下是你需要了解的內容。

Perplexity AI 如何運作？

Perplexity 依賴多種不同的大型語言模型（LLMs）來提供其自然語言處理能力，其中包括 GPT-4o、Claude 3、Mistral Large 和 Perplexity 自己的自定義模型。它使用這些 LLM 來理解你的問題並摘要相關答案。

Perplexity 通過整合網際網路事實和大型語言模型來實現：

大型語言模型：Perplexity AI 使用了大型語言模型（LLM），這些模型可以處理大量的文本資料，從而學習到文本的結構和內容。
網際網路事實：Perplexity AI 會從網際網路上收集大量的文本資料，包括網頁、文章、論文等，並將這些資料整合到大型語言模型中。
深度搜尋技術：Perplexity AI 使用深度搜尋技術來自動從網際網路和其他資料來源收集、分析和呈現相關資訊。
自然語言處理：Perplexity AI 使用自然語言處理技術來理解和分析收集的資料，並將資料轉換為可讀的格式。
AI 模型：Perplexity AI 使用 AI 模型來分析和處理收集的資料，並根據資料提供相關的答案和結果。

總的來說，Perplexity AI 的訓練模型通過整合網際網路事實和大型語言模型，實現了自動收集、分析和呈現相關資訊的功能，從而提供了更加精確和豐富的搜索結果.

同樣地，它內置了一種搜尋引擎，用來查找和索引來源。公司聲稱 Perplexity 每天都會索引互聯網，但我能夠用它來查詢當前一場 NBA 比賽的比分，這類資訊是即時顯示的。

Perplexity 提供兩種搜尋方式：

快速搜尋旨在返回快速的基本答案。
專業搜尋試圖理解你問題的具體細節，並根據你的需求定制回應。專業搜尋甚至會問你後續問題以進一步微調其回應。

無論你使用哪種搜尋方式，Perplexity 的工作原理基本相同。它接受你的查詢，試圖理解你想知道什麼，找到包含答案的網站和文章，然後給你一個摘要。

例如，如果你詢問 NVIDIA 與 TSMC 之間的關係，它會使用其 LLM 判斷你可能在詢問中等的相關來源。然後，它會找到幾個權威的網站來分析這些結果，並給你一個整潔的摘要。無論是快速搜尋還是專業搜尋，基本資訊是一樣的，但專業搜尋可能會更深入或根據你的有氧運動形式提供具體建議。

如果你有更多問題，可以像與聊天機器人一樣繼續提問。Perplexity 會記住每個對話的上下文（稱為 Threads），所以你已經提供的任何資訊都會被考慮在內。

最重要的是，Perplexity 會提供它使用的參考資料列表，以及每個關鍵資訊來源的腳註。這使得它可以作為傳統搜尋引擎的替代品，因為你仍然可以深入了解主題，而不是僅僅依賴 AI 的摘要。

Perplexity AI 能做什麼？

如果你有一個 Google、Bing 或其他搜尋引擎可以回答的問題，你也可以使用 Perplexity。它比傳統搜尋引擎更快速地給出答案，也比聊天機器人更可靠地提供有用的答案。（雖然 Google Gemini 是一個相似的替代品。）

例如，儘管聊天機器人的常見建議用途之一是計劃旅行和獲取食譜，但大多數測試表明它們在這兩方面都很平庸。由於 Perplexity 從多個網絡來源中提取資訊，而不僅僅是 LLM，我發現我得到的結果更好，而且至少可以深入了解它所總結的文章內容。

當我詢問適合八人的意大利肉醬麵食譜時，它給出了可行的答案，並且能夠將食譜調整為適合四人的份量。它甚至在細節上做得很好，比如按使用順序列出配料，當我檢查來源時，它並不是直接抄襲任何一個食譜。雖然我不能保證每個食譜都能烹飪成功，但 Perplexity 至少可能會引導你走在正確的方向，並給你一些幾乎肯定能成功的食譜連結。

由於是 LLM 驅動，Perplexity 還具有一些超越傳統搜尋引擎的功能：

如果你使用專業搜尋，它會問澄清問題以獲得更準確的結果。這樣你就不必自己微調搜尋詞。
你可以提出後續問題，或請 Perplexity 調整其給你的答案。
你可以上傳文件和圖片，用於完善 Perplexity 的搜尋。
它可以生成與你問題相關的圖片，甚至根據其找到的內容生成任何你需要的文字。

Perplexity 還提供了一些幫助你深入了解不同主題的額外功能。

你可以將搜尋（稱為 Threads）組織成相關想法的集合。你可以為集合中的每個 Thread 設置特定提示。你甚至可以與其他人分享特定的 Threads。
有移動應用程式和兩個 Perplexity Chrome 擴展：一個將 Perplexity 設為默認搜尋引擎，另一個允許你在任何頁面上訪問它，甚至讓它總結或回答有關頁面內容的問題。

總而言之，Perplexity 在尋找、呈現和組織資訊方面做得相當不錯。它還不是搜尋引擎或通用AI 聊天機器人的完全替代品，但一些人肯定會發現它有用。

Perplexity 與 AI 幻覺

Perplexity 背後的團隊聲稱他們已採取措施確保所呈現資訊的準確性。雖然我沒有發現任何嚴重的幻覺，但像所有 LLM 一樣，Perplexity 也有添加一些不一定真實的細節的習慣。

例如，當我詢問有關於 NVIDIA CEO Jensen 的詳細資訊時，它顯示以下內容：

黃仁勛（Jensen Huang）是美國商人、電氣工程師，也是 Nvidia 的聯合創始人、總裁兼首席執行官。他于 1963 年 2 月 17 日出生於台灣台南。黃仁勛五歲時全家搬到泰國，九歲時他和弟弟被送到華盛頓州塔科馬的叔叔家生活。最後，他們被送到肯塔基州的奧奈達浸信會學院，在那裡，他們面臨著欺凌和艱苦的生活條件。後來，他的父母來到美國與他們團聚，一家人在俄勒岡州定居，黃在那裡上高中，後來畢業於俄勒岡州立大學，獲得電氣工程學位。之後，他又獲得了斯坦福大學電氣工程碩士學位。
1993 年，黃仁勛與 Chris Malachowsky 和 Curtis Priem 共同創立了 Nvidia 公司。在他的領導下，Nvidia 已成為圖形處理器（GPU）的領先供應商，並在人工智慧（AI）的發展中發揮了重要作用。據估計，截至 2024 年 6 月，黃仁勛的凈資產超過 1150 億美元，在全球富豪中排名第 12 位。

顯示出儘管 Perplexity 在獲取最新資訊和告訴你它總結資訊的來源方面表現優異，但它在提供準確資訊方面並不比其他 LLM 有神奇的優勢。你仍然需要檢查它所說的內容。