ภาคการวิจัยที่ขับเคลื่อนด้วย AI กำลังเผชิญกับการสั่นคลอนเป็น perplexity ai แนะนำ Deep Research ซึ่งเป็นเครื่องมือที่นำเสนอการวิเคราะห์ข้อมูลแบบเรียลไทม์ที่มีโครงสร้างโดยใช้ค่าใช้จ่ายในการให้บริการ AI ขององค์กร
ซึ่งแตกต่างจาก OpenAI และ Google-COST TIERS TIERS, Perplexity คือการกำหนดเป้าหมายการเข้าถึงด้วยโมเดล $ 20-perth การวิจัย”> การวิจัยที่ลึกล้ำของ Perplexity มีจุดมุ่งหมายที่จะลดช่องว่างในการดึงความรู้ AI-Assisted โดยมุ่งเน้นไปที่ข้อมูลเว็บสดแทนที่จะพึ่งพาโมเดลที่ผ่านการฝึกอบรมมาแล้วเพียงอย่างเดียว เครื่องมือสแกนตรวจสอบและสังเคราะห์ผลการวิจัยส่งมอบการตอบสนองที่มีโครงสร้างในลักษณะที่สามารถเทียบเคียงเครื่องมือสังเคราะห์ความรู้ AI ที่ขับเคลื่อนด้วยพรีเมี่ยม
perplexity ai ceo aravind srinivas ทำให้ภารกิจของ บริษัท ชัดเจน
แหล่งที่มา: perplexity ai
เช่นเดียวกับการวิจัยเชิงลึกของ Google และ Openai ซึ่งทำให้มันแตกต่างจากแบบจำลองภาษาขนาดใหญ่ (LLMs) เช่น GPT-4O ของ Openai ซึ่งขึ้นอยู่กับชุดข้อมูลแบบคงที่ซึ่งอาจไม่สะท้อนการพัฒนาล่าสุด
ระบบใช้การใช้เหตุผลหลายขั้นตอนและเทคนิคการเรียนรู้การเสริมแรงเพื่อปรับปรุงความแม่นยำของการตอบสนองเมื่อเวลาผ่านไป OpenAI ได้รวมการเรียนรู้การเสริมแรงในทำนองเดียวกันเข้ากับความสามารถในการวิจัย แต่การอ้างสิทธิ์ที่น่างงงวยว่าวิธีการแบบเรียลไทม์นั้นมีข้อได้เปรียบในการให้ข้อมูลที่ทันสมัย สังเกตว่าการอ้างอิงที่ขับเคลื่อนด้วย AI บางครั้งอาจไม่สอดคล้องกัน การประเมินภายในแสดงให้เห็นว่าเครื่องมือการวิจัยเชิงลึกบางครั้งก็ต้องดิ้นรนเพื่อแยกความแตกต่างระหว่างแหล่งข้อมูลที่มีสิทธิ์และข้อมูลคุณภาพต่ำกว่า
การวิจัยเชิงลึกที่น่างงงวยเปรียบเทียบได้อย่างไร
การทดสอบเกณฑ์มาตรฐานให้ข้อมูลเชิงลึกเกี่ยวกับความแตกต่างของผู้ช่วยวิจัย AI ที่ขับเคลื่อนด้วยการสังเคราะห์ความรู้ จากการประเมินผลภายในของ OpenAi เครื่องมือการวิจัยเชิงลึกของตัวเองนั้นอยู่ข้างหน้าแบบจำลองการแข่งขันในความแม่นยำในการวิจัยที่มีโครงสร้างสำหรับ :
การวิจัย Openai Deep: 26.6% Google Gemini คิด: 6.2% GROK-2: 3.8% Claude 3.5 SONNET: 4.3% GPT-4O (OpenAI): 3.3%
ผลลัพธ์เหล่านี้ชี้ให้เห็นว่า OpenAI ปัจจุบันเป็นผู้นำในความแม่นยำในการวิจัยที่ขับเคลื่อนด้วย AI แต่รูปแบบการกำหนดราคาของ Perplexity นำเสนอทางเลือกที่น่าสนใจสำหรับผู้ใช้ที่ใส่ใจต้นทุน การอภิปรายระหว่างความสามารถในการจ่ายและความแม่นยำเป็นศูนย์กลางของวิธีการใช้ผู้ช่วยวิจัยที่ใช้ AI กำลังใช้
แหล่งที่มา: ความน่าพิศวง AI
ผู้ช่วยวิจัยการวิจัย AI เป็นอย่างไร การเปลี่ยนการดึงความรู้
การเพิ่มขึ้นของเครื่องมือวิจัยที่ขับเคลื่อนด้วย AI กำลังเปลี่ยนวิธีที่ผู้เชี่ยวชาญเข้าถึงและวิเคราะห์ข้อมูล ในขณะที่ผู้ช่วย AI ก้าวไปไกลกว่าการโต้ตอบการแชทอย่างง่ายพวกเขาจะถูกรวมเข้ากับเวิร์กโฟลว์มืออาชีพมากขึ้นสำหรับการดึงความรู้ที่มีโครงสร้าง แทนที่จะพึ่งพาเครื่องมือค้นหาแบบดั้งเดิมนักวิจัยนักวิเคราะห์และนักข่าวกำลังหันไปใช้ระบบ AI ที่ให้การตรวจสอบความถูกต้องหลายแหล่งและการรายงานที่มีโครงสร้าง
ความงุนงงของ AI มุ่งเน้นไปที่การดึงข้อมูลแบบเรียลไทม์ โมเดล AI ที่สามารถดึงข้อมูลใหม่ได้มากกว่าที่จะพึ่งพาชุดข้อมูลแบบคงที่เท่านั้น สิ่งนี้สอดคล้องกับการผลักดันที่กว้างขึ้นของอุตสาหกรรมไปยังผู้ช่วย AI ที่สามารถให้ข้อมูลเชิงลึกที่ตรวจสอบได้และตรวจสอบได้ช่องว่างที่เครื่องมือค้นหาและแบบจำลองภาษาแบบดั้งเดิมได้พยายามที่จะเติมเต็ม
แรงกดดันการแข่งขันใน Enterprise การกำหนดราคา AI
ความสามารถในการจ่ายของผู้ช่วยวิจัยที่ขับเคลื่อนด้วย AI กำลังเริ่มท้าทายการกำหนดราคาที่สูงของโซลูชั่น AI Enterprise ธุรกิจจำนวนมากมีอัตราพรีเมี่ยมที่ได้รับค่าใช้จ่ายในอดีตสำหรับเครื่องมือ AI โดยการสมัครสมาชิก AI ขององค์กรมักจะเกิน $ 75,000 ต่อเดือน อย่างไรก็ตามทางเลือกที่มีต้นทุนต่ำของ Perplexity แสดงให้เห็นว่าการวิจัยที่ขับเคลื่อนด้วย AI ไม่จำเป็นต้องถูกล็อคอยู่เบื้องหลัง paywalls ที่มีราคาแพงกว่า
การลงทุนขององค์กร AI ยังคงแข็งแกร่งด้วย การใช้จ่าย AI Enterprise AI ที่คาดว่าจะเติบโตอย่างมากในปี 2025 แม้ว่างบประมาณโดยรวมจะขยายตัวเพียง 2% การแนะนำเครื่องมือวิจัยที่ใช้พลังงาน AI ราคาไม่แพงอาจบังคับให้ บริษัท เช่น OpenAI และ Google ประเมินรูปแบบการกำหนดราคาของพวกเขาใหม่หรือปรับปรุงข้อเสนอพรีเมี่ยมเพื่อพิสูจน์ค่าใช้จ่ายที่สูงขึ้น
ในเวลาเดียวกัน ตัวเองเป็นเครื่องมือ AI ที่มีความแม่นยำสูงโดยมีคะแนนมาตรฐานสูงกว่าของคู่แข่ง แบบจำลองของ OpenAi ยังคงเป็นพลังที่โดดเด่นในการวิจัยที่มีโครงสร้าง แต่รูปแบบการเข้าถึงแบบสมัครสมาชิกอาจ จำกัด การเข้าถึงเมื่อเทียบกับทางเลือกที่เข้าถึงได้ง่ายมากขึ้นเช่นการวิจัยที่ลึกล้ำของ Perplexity
ในฐานะผู้ช่วยวิจัย AI ยังคงพัฒนาต่อไป ความแตกต่างระหว่างโซลูชั่นองค์กรที่มีต้นทุนสูงและโมเดลผู้บริโภคราคาไม่แพงกำลังชัดเจนขึ้น Openai และ Google ยังคงมุ่งเน้นไปที่การปรับแต่งความแม่นยำและความสามารถของระบบ AI ของพวกเขาในขณะที่ Perplexity กำลังเดิมพันเกี่ยวกับความคุ้มค่าและการเข้าถึง
ในปีที่ผ่านมาอาจเห็นการเปลี่ยนแปลงวิธีการวิจัย AI บริษัท ขนาดเล็กนักวิจัยอิสระและสถาบันการศึกษายอมรับผู้ช่วย AI ที่มีราคาไม่แพงมากขึ้นเกี่ยวกับโซลูชั่นองค์กรที่มีราคาแพง อนาคตของการดึงความรู้ที่ขับเคลื่อนด้วย AI จะถูกกำหนดโดยความสมดุลระหว่างความแม่นยำการเข้าถึงและรูปแบบการกำหนดราคาที่สะท้อนความคาดหวังของผู้ใช้ที่พัฒนาขึ้น
