Perplexity CEO:从未尝试在 Google 擅长的领域与其竞争

财富   2024-08-11 07:17   北京  

这篇文章来源于 7 月份 Perplexity 创始人阿拉文德·斯里尼瓦斯(Aravind Srinivas) 与 莱克斯·弗里德曼(Lex Fridman,人工智能专家&播客主持人)的访谈节目。节目中包含了 Perplexity 的设计思考,与 Google 的竞争策略,以及 AI 搜索浪潮的起源。



原始采访内容详实,干货很多。完整的译文请参考:万字采访 | Perplexity CEO:我们最大的障碍不是 Google,而是人们天生不擅长提问(上),如下是我从 AI 产品经理角度提炼的要点、对应的思考和感悟。


全文 3800 字,读完预计需要 10 分钟,文章的目录如下:


  1. 信息需要以合适的方式呈现,这是一个难题

  2. Perplexity 从未尝试在 Google 擅长的领域与其竞争

  3. 用户永远不会错,每个细节都很重要

  4. 每个成功的创始人都有一个共同的特点,那就是执着


01

信息需要以合适的方式呈现,这是一个难题


对于简单的导航搜索,比如查找网站,Google 更高效且可靠。因此,如果你想直接找到源头,Google 是更好的选择。


这不仅仅是关于推出一个语言模型的问题。比如,当你问“我今天在奥斯汀应该穿什么衣服?”时,你不希望得到一天中不同时间的天气信息,而是希望得到一个简洁明了的答案。

信息需要以合适的方式呈现。用户的意图,例如你问股票价格时,可能会对历史价格感兴趣,也可能会对今天的价格感兴趣。

这就是为什么必须为每个查询构建定制的用户界面。我认为这是一个难题,不仅仅是下一代模型解决上一代模型问题那么简单。

下一代模型可能会更智能,能够做一些令人惊叹的事情,比如规划、将查询分解、收集信息、汇总不同来源的信息、使用不同工具等。你可以不断回答越来越复杂的问题。

在产品层面上,仍有很多工作要做,包括如何最好地向用户呈现信息,以及如何预见用户的需求,并在他们提出之前就提供给他们。

你会喜欢这个产品。当你询问天气时,它会自动将你的定位设为奥斯汀,不仅告诉你天气潮湿,还会建议你穿什么。虽然你没有询问穿着建议,但如果产品能提供,那就太棒了。

个人认为这里垂类的搜索产品在用户需求的理解、交互设计以及用户心智上都会有明显的优势。


就像购物你会上京东、淘宝,吃喝玩乐上美团、点评,出游旅行上携程、马蜂窝一样。


目前 GenSpark(旅游攻略搜索)、DayDream(电商搜索)结合 AI 能力,在这几个垂类赛道上都做出了独特的体验和价值。



02

Perplexity 从未尝试在 Google 擅长的领域与其竞争


我们不需要击败 Google ,也不需要正面交锋。事实上,我认为我们与那些明确表示要挑战 Google 的初创公司不同。

我们的主要区别在于,我们从未尝试在 Google 擅长的领域与其竞争

如果你只是试图通过构建一个具有某些差异化特征(如隐私保护或无广告)的搜索引擎来挑战 Google,这是不够的

仅仅通过构建一个比 Google 更好的搜索引擎来产生真正的影响是非常困难的,因为他们在这个领域已经耕耘了约 20 年。因此,颠覆性的改变来自于重新思考整个用户界面(UI)

为什么链接需要占据搜索引擎 UI 的主要位置?事实上,当我们首次推出 Perplexity 时,关于是否仍应将链接显示为侧边栏或其他形式,曾有过激烈的讨论。

因为可能会有答案不够好或答案不切实际的情况。所以有人认为,你仍然需要显示链接,以便人们可以点击并阅读。但我们说不。

有人认为这样会导致错误答案,有时答案甚至不是正确的 UI,这样可以探索吗?当然可以。你仍然可以去 Google 做这些事情。

我们押注于这项技术会随着时间的推移不断改进。模型会变得更好、更智能、更便宜、更高效。我们的索引会更新得更快,内容更及时,摘要更详细,所有这些都会使幻觉现象呈指数级下降。

当然,仍然会有一些长尾幻觉,比如你总能找到一些 Perplexity 出现幻觉的查询,但找到这些查询会变得越来越难。因此,我们押注于这项技术会呈指数级改进并变得更便宜

因此,我们宁愿采取更激进的立场,即在搜索领域产生影响的最佳方式不是尝试做 Google 所做的事情,而是尝试做他们不愿意做的事情

老生常谈的话题:颠覆微信的肯定不是下一个微信。颠覆 Google 的肯定不是一个更快、更准、更好用的基于 PageRank 算法的通用搜索引擎。

对于 Google 来说,要为每一个查询都这样做(大模型总结),需要花费大量资金,因为他们的搜索量要高得多。

不过关键是,RFR(Request for Results)中有一句话:利用竞争对手的弱点作为你的优势

Google 的弱点是什么?任何利润低于链接的广告单元,或者任何不鼓励点击链接的广告单元,都不符合他们的利益,因为这会从更高利润的业务中分流资金。

一个更相关的例子:为什么亚马逊更早进入云业务?即使 Google 拥有最伟大的分布式系统工程师,比如 Jeff Dean 和 Sanjay,并且建立了整个 MapReduce 框架。

因为云业务的利润率低于广告业务。显然,没有理由去追求利润率较低的东西,而不是扩展你已经拥有的高利润业务。

而对于亚马逊来说,零售和电子商务实际上是低利润业务。所以对他们来说,追求实际上是正利润的东西并扩展它是显而易见的选择。

这似乎解释了为什么在国内是阿里最先将云计算商业化,而不是百度和腾讯。因为广告业务和游戏业务的毛利远高于电子商务。同样一笔投资,为什么不选择一个 ROI 更高的业务呢?



03

用户永远不会错,每个细节都很重要


每一个细节都至关重要。例如,在搜索栏中,你可以让用户点击后再开始输入查询,或者直接让光标准备好,这样他们可以立即开始输入。

比如,自动滚动到答案底部,而不是让用户自己滚动;或者在移动应用中,当你点击搜索栏时,键盘出现的速度。这些细节我们都非常关注,并且会跟踪所有的延迟。这种严谨的态度源于我们对 Google 的敬佩。

我想在这里强调的是,我从 Larry 那里学到的一个重要理念:用户永远不会错。这是一个非常强大且深刻的理念。虽然简单,但如果你真正相信它,就会发现它非常有意义。

你不能责怪用户没有进行提示工程。比如我妈妈的英语不太好,她使用这个工具时告诉我答案不相关。我看了她的查询,首先想到的是,她没有输入正确的句子。但随后我意识到,这不是她的错,产品应该能够理解她的意图。

但这就是一个简单的理念问题:无论用户输入什么,你都应该提供高质量的答案。然后你就会为此开发产品,做所有幕后工作,即使用户懒惰,即使有拼写错误,即使语音转录有误,他们仍然能得到答案,并喜欢这个产品

这也让我相信,提示工程不会是一个长期的解决方案。我认为你应该让产品在用户没有明确提出需求时就能知道他们想要什么,并在他们没有要求的情况下提供给他们。

你甚至不需要输入完整的查询内容,只需输入几个关键词即可。这体现了你设计产品的水平,因为人们往往倾向于偷懒。

一个更好的产品应该让用户更省力,而不是让他们更费力

另一种观点认为,要求用户输入更清晰的句子会迫使他们思考,这也是有益的。但最终,产品需要具备吸引力,而这种吸引力来自于让用户更省力。

我们的设计师和联合创始人在讨论时提到,我们最大的障碍不是 Google,而是人们天生不擅长提问

为什么不是每个人都能像你一样主持播客?提问是有技巧的。尽管每个人都有无限的好奇心,但并不是所有人都能将这种好奇心转化为表达清晰的问题。

将好奇心提炼成问题需要大量思考,而确保问题足够明确以便 AI 理解也需要很大的技巧。

帮助人们提出问题,首先是提出第一个问题,并建议一些有趣的问题。这一想法也受到 Google 的启发。就像在 Google 中,你会看到“人们也在问”或建议的问题、自动建议栏等。基本上,这样可以尽量减少用户提出问题的时间,并真正预测用户的意图。

正好这段时间在 AI 问答模块中规划”猜你想问“的功能,想要充分理解用户的意图,非常考验产品交互、算法策略和工程落地的功力。做出这个能力很简单,想要做好需要花费 10 倍+的投入。



04

每个成功的创始人都有一个共同的特点,那就是执着


你知道 relentless.com(relentless 翻译过来是坚韧的,不屈不挠的意思)会重定向到 Amazon.com 吗?你想试试吗?这是真的贝索斯拥有这个域名。显然,这是他为公司起的第一个或最早的名字之一。

YouTube 上有一个视频,有人问贝索斯:“你是一家互联网公司吗?”他回答说,互联网不重要,重要的是客户。这也是我在被问到“你是包装者还是模型构建者?”时的回答。

是的,我们两者都做,但重要的是答案是否有效,是否快速、准确、可读、美观,产品是否有效。如果你希望 AI 能够广泛普及,直到每个人的父母都在使用它,我认为这只有在人们不在乎底层运行的模型时才会发生。

马斯克从中获得了很多灵感,尤其是那种坚定的毅力。当所有人都说做某事很难时,他无视这些声音并继续前行,这非常难得。这是一种通过纯粹意志力完成事情的基本要求,他是这方面的典型代表。

所以我认为纯粹的意志力和第一性原理思考非常重要。我听说在自动驾驶项目中,马斯克会亲自进行数据标注,以了解其工作原理。每一个细节都可能帮助你做出好的商业决策,他在这方面非常出色。

在目前自己负责的 AI 产品中,团队会去跟进每一个客户反馈的异常问答,从而保证大家对客户应用场景的体感以及大模型能力的边界。只有这样才能做出帮客户真正解决问题的 AI 产品。


这也让我想起了早年李飞飞为了构建 ImageNet 数据集,人工标注数据的经历。成功从来都不是灵光乍现、一蹴而就,而是日拱一卒,不断地蓄力,最终形成质变的突破。

凡哥杂谈,公众号:凡哥杂谈《李飞飞:我看见的世界》,一位人工智能领域先驱的不凡人生

凡哥杂谈
三年后台研发路,一朝沦为产品汪。焊过板子,编过内核,写过前端,AGI 实干派。
 最新文章