Sposób, w jaki szukamy informacji, zmienia się na naszych oczach. Nie tylko pytamy wyszukiwarkę o hasło ale oczekujemy, że system zrozumie nasze intencje, znajdzie odpowiedź, oceni jej jakość i poda ją jak doświadczony asystent. W czasie rozmowy zorganizowanej przez Harvard Innovation Labs, Aravind Srinivas (CEO i współzałożyciel Perplexity) oraz profesor Jim Waldo rozmawiali o tym, jak zmienia się krajobraz wyszukiwania, jakie wyzwania stoją przed firmami budującymi modele AI i dokąd to wszystko zmierza.
Koniec epoki „pre-trainingu”? Czas na rozumowanie
Srinivas zwraca uwagę na ważną zmianę paradygmatu: trening bazowych modeli językowych, czyli karmienie ich ogromnymi ilościami tekstów z internetu — osiągnął swój szczyt. Przyszłość leży nie w samym przetwarzaniu danych, ale w „rozumowaniu”. Mowa o umiejętnościach, które pozwalają AI nie tylko generować tekst, ale krok po kroku analizować problemy, wykonywać złożone zadania w internecie, rozwiązywać problemy matematyczne czy współtworzyć dokumenty.
To, co nazywamy dziś „post-trainingiem”, to etap, w którym model uczy się konkretnych umiejętności, tak jak człowiek uczy się zawodu po szkole ogólnej. A potem te umiejętności trafiają do produktów, takich jak Perplexity – wyszukiwarki nowej generacji.
Innowacje z Chin, presja na Zachodzie
Jednym z najciekawszych momentów rozmowy było omówienie roli chińskiego modelu DeepSeek, pierwszego otwarto-źródłowego modelu nastawionego na rozumowanie. Zespół DeepSeek nie tylko zoptymalizował model tak, by działał na słabszych GPU, ale także pokazał, że można uczyć AI rozumowania bez nadzoru człowieka. Dla Perplexity i innych firm to znak: open source potrafi dogonić zamknięte laboratoria.
Konsekwencje? Modele stają się tańsze, szybsze, bardziej dostępne — a tempo innowacji rośnie po obu stronach oceanu.
Perplexity: z narzędzia dla geeków do wyszukiwarki dla każdego
Na pytanie o to, jak Perplexity balansuje badania i rozwój produktu, Srinivas wskazuje na techniczne DNA firmy. Trzech współzałożycieli to inżynierowie — mogą podejmować decyzje, które nie są intuicyjne dla menedżerów bez technicznego backgroundu. Przykład? Zamiast od razu budować własne modele, firma przez długi czas „owijała” (wrapowała) modele innych. Dzięki temu mogła szybciej zbierać dane, rozwijać produkt, testować hipotezy – bez palenia milionów dolarów na infrastrukturę.
To podejście się opłaciło. Dziś Perplexity korzysta z własnych modeli i celuje w pozycję lidera na rynku AI-wyszukiwania. A użytkownicy? Zaczynają traktować tę platformę jak codziennego doradcę – jak pokazuje historia jednej z uczestniczek spotkania, nawet jej mama, dotąd sceptyczna wobec AI, zaczęła używać Perplexity do podejmowania decyzji życiowych.
David kontra Goliat, czyli jak Perplexity chce pokonać Google
Jak start-up może konkurować z gigantem takim jak Google, który przez dekady budował potężną infrastrukturę i model biznesowy oparty na reklamach? Srinivas wskazuje trzy rzeczy:
- Koszty skalowania – Google musiałby dostarczyć generatywne odpowiedzi miliardom użytkowników. To kosztowne.
- Ryzyko reputacyjne – AI może się mylić. A błędna odpowiedź wyświetlona milionom osób to zagrożenie dla marki.
- Model biznesowy – AI, które daje gotowe odpowiedzi, zmniejsza liczbę kliknięć w linki. A na kliknięciach Google zarabia.
Innymi słowy: to, co dało Google przewagę, może dziś być jego kulą u nogi.
Skąd Perplexity czerpie dane i jak je wykorzystuje?
Srinivas podkreśla, że jego firma nie skupia się na zbieraniu wszystkiego z internetu. Zamiast tego stawia na sygnały od użytkowników: kliknięcia, oceny jakości odpowiedzi, dane o tym, które źródła były najbardziej pomocne. AI uczy się też z porównań między odpowiedziami, a czasem… ocenia się nawzajem. Większe modele oceniają mniejsze – to tzw. syntetyczne dane.
To właśnie takie dane pozwalają Perplexity budować bardziej trafne, aktualne i wiarygodne odpowiedzi. Model nie tylko „wie”, ale też uczy się, jak najlepiej prezentować wiedzę, np. jak wygląda dobra odpowiedź dla kogoś szukającego informacji finansowych vs. podróżniczych.
Czy AI nas wyręczy… czy zastąpi?
Srinivas nie popada ani w euforię, ani w panikę. Tak, AI demokratyzuje dostęp do wiedzy, ale nie wszyscy potrafią z tego korzystać. Ci, którzy nauczą się pracować z AI, będą mogli tworzyć firmy i produkty szybciej, taniej, z mniejszymi zespołami. Ale ci, którzy się nie przystosują, mogą wypaść z rynku pracy.
Szczególnie zagrożeni? Wbrew intuicji – programiści. Bo to właśnie ich praca, wcześniej uznawana za elitarną, najłatwiej poddaje się automatyzacji. Ale jak mówi Srinivas: „Jeśli masz gust, opinie i pomysły, zawsze znajdziesz sposób, by być użytecznym”.
Czy AI powinno odpowiadać na pytania o życie i śmierć?
W trakcie rozmowy pojawił się trudny temat: czy AI powinno udzielać odpowiedzi na pytania typu „czy powinienem wziąć rozwód?” albo „czy odłączyć ojca od respiratora?”. Choć Perplexity nie jest chatbotem i zawsze podaje źródła, ludzie i tak próbują z nim rozmawiać o emocjach.
Srinivas podkreśla, że nie chce tworzyć AI do tego typu zastosowań, zwłaszcza dla dzieci. Proponuje systemy nadzoru rodzicielskiego i lepsze zabezpieczenia przed „jailbreakingiem” modeli, ale przyznaje: „Ludzie i tak będą o tym rozmawiać. To leży w naszej naturze”.
Czy open source wygra z wielkimi laboratoriami?
Mimo że przez chwilę miał wątpliwości, Srinivas znów wierzy w otwarty ekosystem. Modele open source, takie jak DeepSeek, pokazują, że można osiągać zaawansowane wyniki bez miliardowych budżetów. Perplexity chętnie z nich korzysta, ale też inwestuje w rozwój własnych, wyspecjalizowanych modeli.
A przyszłość? Kluczowym pytaniem będzie to, jak AI będzie współpracować z innymi aplikacjami. Czy wszystkie systemy biurowe, sklepy online, aplikacje mobilne będą „otwarte” na AI? Czy będą się przed nią bronić, by nie stracić wpływów z reklam? „To, kto będzie kogo wrapować, zdecyduje o przyszłości rynku” — mówi Srinivas.
AGI? Na razie nie. Ale…
Czy zbliżamy się do AGI, sztucznej inteligencji ogólnej, dorównującej człowiekowi? Zdaniem Srinivasa – nie do końca. Nie ma jeszcze AI, która sama naprawia błędy w systemie, optymalizuje roadmapę dla firmy za miliard dolarów czy bezbłędnie zarządza dużym zespołem inżynierów.
Ale… AI już teraz potrafi odciążyć ludzi od wielu zadań. Coraz więcej firm działa w modelu „mało ludzi, dużo AI”. To nowy etap w historii pracy umysłowej.
Podsumowanie – Gdzie zaczyna się wiedza?
Perplexity nie próbuje zastąpić Google jeden do jednego. Zamiast indeksować cały internet, chce pomóc użytkownikom zrozumieć świat. Zadajesz pytanie – dostajesz odpowiedź z cytowanym źródłem, a nie morze linków. Masz więcej pytań – drążysz dalej. To jak rozmowa z bardzo mądrym, ale surowym mentorem.
Czy to wystarczy, by zmienić sposób, w jaki ludzkość szuka informacji? Być może. Bo jak zauważył jeden z uczestników spotkania: „Wasz produkt jest jak wykształcony wujek Chata GPT. Może trochę nudny — ale bardzo pomocny”.
Leave a Comment