خبر
پروژه Perplexity محصول جدید خود را با مدل فریمیوم تحت عنوان «تحقیق عمیق» راه‌اندازی کرد
زمان مطالعه: 3 دقیقه
پروژه Perplexity محصول جدید خود را با مدل فریمیوم تحت عنوان «تحقیق عمیق» راه‌اندازی کرد
پروژه Perplexity محصول جدید خود را با مدل فریمیوم تحت عنوان «تحقیق عمیق» راه‌اندازی کرد
خبر
پروژه Perplexity محصول جدید خود را با مدل فریمیوم تحت عنوان «تحقیق عمیق» راه‌اندازی کرد
زمان مطالعه: 3 دقیقه

پروژه Perplexity جدیدترین شرکت هوش مصنوعی است که ابزاری برای تحقیق عمیق ارائه کرده و این ویژگی جدید را روز جمعه معرفی کرد.

گوگل در ماه دسامبر ویژگی مشابهی را برای پلتفرم هوش مصنوعی Gemini خود رونمایی کرد و اوایل این ماه نیز OpenAI عامل تحقیقاتی خود را راه‌اندازی کرد. هر سه شرکت حتی نام یکسانی برای این ویژگی انتخاب کرده‌اند: تحقیق عمیق (Deep Research).

هدف این ویژگی ارائه پاسخ‌های عمیق‌تر همراه با منابع واقعی برای استفاده‌های حرفه‌ای است، در مقایسه با پاسخ‌هایی که معمولاً از یک چت‌بات عمومی دریافت می‌کنید. در یک پست وبلاگی که ویژگی تحقیق عمیق را معرفی می‌کرد، Perplexity نوشت که این ویژگی «در طیف وسیعی از وظایف در سطح کارشناسی – از امور مالی و بازاریابی گرفته تا تحقیقات محصول – عملکرد برجسته‌ای دارد.»

ویژگی تحقیق عمیق Perplexity در حال حاضر در وب در دسترس است و این شرکت اعلام کرده که به‌زودی به اپلیکیشن‌های مک، iOS و اندروید اضافه خواهد شد. برای استفاده از آن، کافی است هنگام ارسال پرسش خود در Perplexity از منوی کشویی گزینه تحقیق عمیق را انتخاب کنید. این ابزار سپس یک گزارش دقیق ایجاد می‌کند که می‌توان آن را به صورت فایل PDF صادر کرده یا به عنوان یک صفحه Perplexity به اشتراک گذاشت.

برای ایجاد این گزارش، Perplexity توضیح داده است که تحقیق عمیق «به صورت تکراری جستجو کرده، اسناد را می‌خواند و در مورد مراحل بعدی تصمیم‌گیری می‌کند، و با یادگیری بیشتر در مورد موضوعات، برنامه تحقیقاتی خود را اصلاح می‌کند.» این فرایند ظاهراً «مشابه با نحوه‌ای است که یک انسان ممکن است یک موضوع جدید را تحقیق کند.»

تحقیق عمیق Perplexity
 اعتبار تصویر: Perplexity

این شرکت همچنین عملکرد خود در آزمون “آخرین امتحان بشر”، یک تست ارزیابی هوش مصنوعی با سؤالات در سطح کارشناسی در زمینه‌های مختلف علمی، را برجسته کرد. Perplexity اعلام کرد که ابزار تحقیق عمیق آن در این آزمون نمره ۲۱.۱% کسب کرده است، که به راحتی از اکثر مدل‌های دیگر مانند Gemini Thinking (با نمره ۶.۲%)، Grok-2 (با نمره ۳.۸%)، و GPT-4o شرکت OpenAI (با نمره ۳.۳%) پیشی می‌گیرد، اما به نمره ۲۶.۶% ابزار تحقیق عمیق OpenAI نمی‌رسد.

با این حال، در حالی که برای استفاده از ابزار تحقیق عمیق OpenAI در حال حاضر به اشتراک Pro با هزینه ماهیانه ۲۰۰ دلار نیاز دارید (و این شرکت قصد دارد این ویژگی را به سایر پلن‌های اشتراکی گسترش دهد)، ابزار تحقیق عمیق Perplexity به صورت رایگان در دسترس است. کاربران غیرمشترک می‌توانند تعداد محدودی پرسش در روز ارسال کنند (که تعداد آن مشخص نشده است)، در حالی که مشترکین با پرداخت هزینه می‌توانند تعداد نامحدودی پرسش ارسال کنند.

ابزار تحقیق عمیق Perplexity همچنین به نظر می‌رسد که سریع‌تر عمل می‌کند و اکثر وظایف را در کمتر از سه دقیقه تکمیل می‌کند، در حالی که ابزار تحقیق عمیق OpenAI به زمانی بین ۵ تا ۳۰ دقیقه نیاز دارد.

در پاسخ به مقایسه محصولات مختلف تحقیق عمیق، Perplexity یک مرور کلی از فناوری‌ها، مدل‌های قیمت‌گذاری و عملکرد در موارد استفاده و موضوعات مختلف ارائه داد (با لینک به مقالات مرتبط با هر ویژگی). این شرکت تفاوت‌ها را به صورت زیر خلاصه کرد:

  • هوش مصنوعی Perplexity در سرعت و دسترسی برای محققان غیرحرفه‌ای برتری دارد.
  • OpenAI در عمق تحلیلی برای کاربردهای سازمانی غالب است.
  • Google با اکوسیستم‌های بهره‌وری موجود به بهترین شکل یکپارچه می‌شود.

اگرچه هنوز زود است که بدانیم این ابزارها چگونه بر تحقیقات روزمره و حرفه‌ای تأثیر می‌گذارند، The Economist اخیراً به کمبودهای ابزار تحقیق عمیق OpenAI اشاره کرده که احتمالاً در اینجا نیز صدق می‌کند: از جمله محدودیت‌هایی در «خلاقیت» در تفسیر داده‌ها و تمایل به استفاده از منابعی که «به‌راحتی در دسترس هستند.» علاوه بر این، خطر بزرگ‌تر این است که «واگذاری تمام تحقیقات خود به یک دستیار فوق‌هوشمند» می‌تواند «فرصت‌های داشتن بهترین ایده‌های شما را کاهش دهد.»

منبع: تک‌کرانچ

اشتراک گذاری:

آخرین مقالات پیشنهادی

دیدگاه‌ها

اشتراک در
اطلاع از
guest
0 Comments
قدیمی‌ترین
تازه‌ترین بیشترین رأی
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
دیتانید تو مراحل مختلف تحلیل داده می‌تونه به شما کمک کنه:
  1. امکان‌سنجی خواسته‌ها و تطبیق نیازمندی‌ها
  2. استخراج و تمیز کردن دادگان
  3. طراحی مدل‌های مناسب
  4. آموزش مدل براساس داده‌های به‌دست آمده
  5. استقرار مدل

آخرین اخبار

اخبار مشابه

روش جدید قابلیت اطمینان گزارش‌های تشخیصی رادیولوژیست‌ها را ارزیابی و بهبود می‌بخشد
به دلیل ابهام ذاتی در تصاویر پزشکی مانند اشعه ایکس، رادیولوژیست‌ها اغلب هنگام توصیف وجود یک آسیب‌شناسی خاص، مانند ذات‌الریه، از کلماتی مانند "ممکن ..
فناوری Web3 به ایجاد اطمینان و اعتماد در هوش مصنوعی کمک می‌کند
وعده هوش مصنوعی این است که زندگی همه ما را آسان‌تر خواهد کرد. و با این سهولت بزرگ، پتانسیل سود جدی نیز به همراه می‌آید. سازمان ملل متحد تخمین ...
نینا شیک(نویسنده): تأثیر هوش مصنوعی مولد بر تجارت، سیاست و جامعه
نینا شیک، سخنران و کارشناس برجسته در زمینه هوش مصنوعی مولد است که به دلیل کار پیشگامانه‌اش در تقاطع فناوری، جامعه و ژئوپلیتیک مشهور است...