Perplexity

009 · 引用優先的 answer engine

39:10YouTube 上架 2023-04-25Aravind Srinivas & Denis Yarats（Perplexity）

前 13 集的上架日是頻道補檔的日子（2023 年 4 月底一次補上），不是當初播出的日期，所以跟集號的先後對不起來。

No Priors Ep. 9 | With Perplexity AI’s Aravind Srinivas and Denis Yarats

Perplexity 兩位創辦人談公司怎麼從幾個點子走到搜尋、為什麼招人不看 AI 資歷、答案一定要能引用，以及 answer engine 對 Google、出版商和變現方式的衝擊。

009 講了什麼

• 從幾個點子繞到搜尋主持人開場說，Perplexity 是兩人和 Andy 在 2022 年 8 月左右一起創辦的。Aravind 說最早跟 Elad 聊的是用相機像素做視覺搜尋，Elad 回說行不通、要先想 distribution；之後又做過 Elad 提的 text to SQL，以及 Jupyter notebook 每個 cell 都有 copilot 的擴充。
• 快速迭代來自學界訓練Aravind 說兩人都是學術出身，習慣同時跑很多實驗，但做產品還要去找使用者、客戶拿回饋。Denis 很會做工程也很會找人，把競賽程式設計世界第一的 Johnny Ho 拉進來。
• 招人看熱情，再用試用期確認Denis 最看重的是對 LLM 有強烈興趣、願意投入大量心力的人。團隊刻意維持很小，所以每個決定都重要，會先請候選人一起工作一段時間。
• 不必已經在 AI 領域Aravind 舉 OpenAI 的物理背景研究者，以及來自 Dropbox 和 Stripe 的工程師為例，認為做 AI 研究或產品不需要先待過 AI。Denis 補充，進展最快的幾家公司，靠的是工程能力很強的人。
• 答案只說得出來源的話其中一位創辦人說，寫論文時只能寫引用得到的東西，Perplexity 沿用這個原則，連問「你是誰」也會先去搜尋。多個來源混在一起可能把同名的人合成一個，目前的做法是讓使用者自己移除不相關的來源。
• answer engine 與給研究者的建議Aravind 預期追問會變多、搜尋後直接執行動作、流向內容網站的流量變少；Denis 說這會動到 Google 的廣告模式。給研究者的建議是：Aravind 說要去找 Transformer 的替代方案，Denis 說大學畢業後先在業界待幾年再讀 PhD。

從哪一段開始看16 段

1. 00:00創立緣起主持人說 Perplexity 約在 2022 年 8 月創立。Aravind 說 Elad 是第一位提出要投資的人，早期點子從視覺搜尋、text to SQL 到 notebook copilot，都是繞路走到現在。
2. 02:23快速迭代與 Johnny Ho兩位創辦人都是學術背景，習慣大量快速做實驗；做產品還要加上找使用者回饋的營運工作。Denis 擅長工程與招募，找來競賽程式設計背景的 Johnny Ho。
3. 04:29招人與試用期主持人問招人的準則。Denis 先看有沒有想學 LLM 的熱情，再用試用期確認；Denis 認為這比大公司的面談更能降低看走眼的機會。
4. 07:05速度是唯一優勢還沒想清楚產品與市場時，迭代速度是唯一能賭的東西，所以團隊一開始就要對投入的強度有共識。主持人也補充，新創相對大公司只有速度。
5. 08:25不需要 AI 資歷主持人拿早期做行動 app 的經驗類比。Aravind 說 OpenAI 和 Google 早期都從別的領域找人；Denis 說自己不喜歡學界輕視工程師的文化。
6. 13:23創辦人的學習曲線Aravind 說最陡的是怎麼經營公司；Denis 說是組織團隊與排優先順序。早期他們做了 Twitter、Salesforce、HubSpot 整合但沒發布，後來學到要專注，不像學界習慣分散風險。
7. 15:58事實準確與引用Elad 問怎麼看準確性與偏見。其中一位創辦人說 Perplexity 是 citation first 的服務，回答只放引用得到的東西，即使被問到自己是誰也是如此。
8. 17:47同名者混在一起多個來源合併時，可能把同名但不同背景的人寫成同一個人，舉的例子就是跟 Elad Gil 同名的人。模型會越來越懂這類細節，同時讓使用者移除不相關的來源，但完整解法還沒想好。
9. 19:23強化學習的用法目前用使用者回饋和外包評分，也提到可以用 LLM 取代部分外包工作。接下來六個月到一年先不做 agent 和瀏覽器；中間步驟如 rejection sampling 也能明顯提升品質。
10. 20:58聊天介面與搜尋其中一位創辦人認為 chat UI 是未來，但能第一次就答對就該答對；簡單問題直接給答案，複雜問題或不知道怎麼問時，追問更合適。
11. 22:31搜尋五年後的樣子Aravind 認為 answer engine 會成為獨立的市場分類，追問會變常態，使用者也會在結果上直接執行動作；Perplexity 刻意只放 3 到 4 個連結，使用者開的分頁會變少。
12. 26:08推播與 Google 的兩難主持人問什麼時候會從主動查詢變成推播。其中一位創辦人說現在就做得到，一年內比五年內更可能。Denis 接著說 Google 前幾筆常是 SEO 或廣告，而 answer engine 會讓點擊變少，直接衝擊它的獲利方式。
13. 28:26出版商與內容品質主持人問會不會削弱出版商發布內容的動機。其中一位創辦人認為不太會：被引用的機率取決於內容品質，這會鼓勵人做出更好的內容，但大規模變現的方式還不清楚。
14. 30:17變現的可能路線主持人先講 Google 早期的變現轉折。其中一位創辦人列出 API、瀏覽器擴充的進階版、廣告、平台化，並說傾向避開訂閱；短期先專注成長與體驗。
15. 34:09給研究者的建議主持人問研究者該留在學界、進公司還是創業。Aravind 說兩人共同的指導教授本來就逼人快點拿出結果；現在讀 PhD 很辛苦，若還是要走學界，就去找 Transformer 的替代方案。
16. 37:18先當工程師再讀 PhDDenis 建議大學畢業後先在業界待幾年，因為 AI 越來越偏工程。後面還談到 state space models、Flash attention 與影片生成這類方向。

值得記的話5 句

• the only real advantage that a startup has relative to incumbent is speed主持人：新創相對大公司唯一真正的優勢是速度08:09

• in academia you're basically taught to hedge其中一位創辦人：在學界，我們基本上被教的就是分散風險15:27

• you only have to write things that you can actually cite其中一位創辦人轉述指導教授的教法：你只能寫你真正引用得到的東西16:28

• it's best to look for alternatives to the TransformerAravind：最好去找 Transformer 的替代方案36:13

• I think it's best to not go to PhD right after undergradDenis：我認為最好不要大學一畢業就去讀 PhD37:18

名詞與人物9 個

Aravind Srinivas

Perplexity 共同創辦人，自己說主要在學怎麼經營公司，核心工程交給 Denis。

Denis Yarats

Perplexity 共同創辦人，曾在 Facebook AI Research；Aravind 說 Denis 擅長工程與招募。

Johnny Ho

Perplexity 另一位共同創辦人，競賽程式設計世界第一，當過交易員、在 Quora 待過一年，不是 AI 出身。

Elad Gil

主持人之一，Aravind 說是 Perplexity 第一位提出要投資的人。

text to SQL

早期嘗試過的方向之一，用自然語言產生資料庫查詢。

citation first

Perplexity 的原則：回答只說得出引用來源的內容。

answer engine

直接回答問題而不是列出連結的搜尋形式，Aravind 說 Perplexity 是第一個對話式的 answer engine。

rejection sampling

從多個產出樣本中用另一個模型排序、只留較好的，其中一位創辦人說這等於做了一步強化學習。

state space models

後段談到的 Transformer 替代方向之一。

提到但沒有展開

• Aravind 說 Perplexity 沒有放很多連結是刻意的決定：第一版只放 3 到 4 個連結和約 50 words 的摘要，很多人要求加到 10 或 20 個，他們選擇不加。
• 談出版商時，其中一位創辦人提到 answer engine optimization 或 LLM optimization，希望大家不要在這上面花工夫，也認為 LLM 更懂相關性，不會像 SEO 塞關鍵字那麼容易。

在 YouTube 看原片 ↗