Perplexity AI (HI)

From Systems analysis Wiki
Jump to navigation Jump to search

Perplexity AI — यह एक अमेरिकी स्टार्टअप और इसी नाम का खोज इंजन (conversational search engine) है, जो उपयोगकर्ताओं के प्रश्नों का सीधा उत्तर देने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करता है और सूचना के स्रोतों का उल्लेख भी करता है[1]। इस कंपनी की स्थापना 2022 में OpenAI, Meta, Google, DeepMind और Databricks के विशेषज्ञों की एक टीम द्वारा की गई थी[2]।

यह प्लेटफ़ॉर्म अपने स्वयं के बड़े भाषा मॉडल (LLM) और अन्य कंपनियों के प्रमुख मॉडलों तक पहुँच को एक साथ जोड़ता है, जिससे यह उत्तरों की गति, सटीकता और लागत को अनुकूलित कर पाता है। Perplexity की मुख्य तकनीक एक उन्नत Retrieval-Augmented Generation (RAG) प्रणाली है, जो अपनी स्वयं की खोज अवसंरचना से प्राप्त अद्यतन जानकारी के साथ LLM के उत्तरों को समृद्ध करती है[3]।

इतिहास और संस्थापक

Perplexity AI की स्थापना 2022 में चार विशेषज्ञों द्वारा की गई थी:

  • अरविंद श्रीनिवास (CEO) — OpenAI, Google Brain और DeepMind में पूर्व शोधकर्ता[4]।
  • डेनिस यारात्स (CTO) — Meta AI में पूर्व वैज्ञानिक शोधकर्ता।
  • जॉनी हो (CSO) — Quora में पूर्व इंजीनियर।
  • एंडी कोनविन्स्की — Databricks के सह-संस्थापक[2]।

प्रारंभ में यह परियोजना डेटा विश्लेषण के लिए एक B2B सेवा के रूप में कल्पित की गई थी, लेकिन अक्टूबर 2022 में टीम ने Bing और GPT-3 पर आधारित एक खोज इंजन का प्रोटोटाइप विकसित किया, जिसने कंपनी के आगे के विकास की दिशा निर्धारित की[5]।

Perplexity AI ने Nvidia, SoftBank और Amazon के संस्थापक जेफ बेज़ोस सहित प्रमुख निवेशकों से महत्वपूर्ण निवेश आकर्षित किया। 2025 की शुरुआत तक कंपनी का मूल्यांकन $14 अरब तक पहुँच गया[6], और मासिक सक्रिय उपयोगकर्ताओं की संख्या 1.5 करोड़ से अधिक हो गई[7]।

तकनीकी संरचना

Retrieval-Augmented Generation (RAG)

Perplexity की नींव RAG तकनीक है, जो पारंपरिक LLM की सीमाओं — जैसे पुरानी जानकारी और "भ्रम" (hallucinations) — को दूर करने में सक्षम है। इस एल्गोरिदम की कार्यप्रणाली कई चरणों में विभाजित है[8]:

  1. इष्टतम खोज के लिए उपयोगकर्ता के प्रश्न का विश्लेषण और पुनर्निर्माण।
  2. स्वयं की खोज अवसंरचना (क्रॉलर और रैंकिंग प्रणाली) का उपयोग करके जानकारी की खोज, जो विश्वसनीय और गैर-SEO स्रोतों को प्राथमिकता देती है[7]।
  3. मिले हुए वेब पृष्ठों से सबसे प्रासंगिक अंश ("स्निपेट") निकालना।
  4. इन अंशों के आधार पर LLM की सहायता से एक सुसंगत और सटीक उत्तर तैयार करना।
  5. मूल स्रोतों के उद्धरणों और संदर्भों के साथ उत्तर प्रस्तुत करना।

बहु-मॉडल रणनीति

Perplexity एक हाइब्रिड दृष्टिकोण अपनाता है, जो गति, सटीकता और लागत के बीच संतुलन प्राप्त करने के लिए अपने स्वयं के और तृतीय-पक्ष मॉडलों को मिलाता है[9]।

  • निःशुल्क संस्करण में त्वरित उत्तरों के लिए अक्सर Claude 3 Haiku का उपयोग किया जाता है।
  • जटिल कार्यों के लिए सशुल्क Pro-संस्करण में Claude 3.5 Sonnet और GPT-4o जैसे अधिक शक्तिशाली मॉडल उपलब्ध हैं।

Perplexity Pro सदस्यता वाले उपयोगकर्ता निम्नलिखित सहित विस्तृत मॉडलों में से मैन्युअल रूप से चुन सकते हैं[10]:

  • OpenAI: GPT-4o, GPT-4 Turbo
  • Anthropic: Claude 3.5 Sonnet, Claude 3 Opus, Claude 3 Haiku
  • Google: Gemini 2.5 Pro
  • Meta: Llama 3
  • Mistral AI: Mistral Large
  • xAI: Grok-3 Beta
  • Perplexity के स्वयं के मॉडल।

Perplexity के स्वयं के मॉडल

कंपनी अपने स्वयं के मॉडल विकसित करती है, जो खोज कार्यों और इंटरनेट से अद्यतन जानकारी के साथ कार्य करने के लिए अनुकूलित हैं।

PPLX परिवार (प्रारंभिक मॉडल)

Perplexity के पहले स्वयं के मॉडल, जो API के माध्यम से उपलब्ध थे, दिसंबर 2023 में प्रस्तुत किए गए pplx-7b-online और pplx-70b-online थे[11]। ये क्रमशः Mistral 7B और Llama 2 70B के fine-tuned संस्करणों पर आधारित थे और ऑनलाइन डेटा के साथ कार्य करने में विशेषज्ञ थे[12]।

Sonar परिवार (वर्तमान पीढ़ी)

Sonar — यह Meta के Llama 3.3 70B पर निर्मित मॉडलों का प्रमुख परिवार है, लेकिन खोज मोड में तथ्यात्मक सटीकता और उत्तरों की पठनीयता बढ़ाने के लिए इसे अतिरिक्त fine-tuning से गुज़ारा गया है[13]।

Sonar की प्रमुख विशेषताएं:

  • उच्च गति: Cerebras के साथ साझेदारी और उनकी विशेष inference अवसंरचना के उपयोग के कारण Sonar 1200 token प्रति सेकंड तक की पीढ़ी गति प्राप्त करता है, जो Gemini 2.0 Flash की तुलना में लगभग 10 गुना तेज़ है[14]।
  • स्पेकुलेटिव डिकोडिंग तकनीक: पीढ़ी को और तेज़ करने के लिए 1B आकार के एक स्वयं के "ड्राफ्ट-मॉडल" का उपयोग किया जाता है, जो मुख्य मॉडल को एक ही पास में कई token उत्पन्न करने देता है[15]।
  • उच्च प्रदर्शन: LM Arena के Search Arena मूल्यांकन में Sonar-Reasoning-Pro मॉडल ने प्रथम स्थान प्राप्त किया, जो सांख्यिकीय रूप से Gemini-2.5-Pro-Grounding के बराबर रहा[16]।

API और कॉर्पोरेट समाधान

Perplexity डेवलपर्स और कॉर्पोरेट ग्राहकों के लिए Sonar API और Sonar Pro API के माध्यम से अपने मॉडलों तक पहुँच प्रदान करता है। ये API गति और उपयोग की सरलता के लिए अनुकूलित हैं, इनमें उद्धरण और खोज स्रोतों को अनुकूलित करने की सुविधा शामिल है। Perplexity के समाधानों का उपयोग विभिन्न उद्योगों में नेटिव खोज प्रणाली बनाने और शोध कार्यों को स्वचालित करने के लिए किया जाता है[17]।

तुलनात्मक विश्लेषण और उपयोगकर्ता अनुभव

Perplexity का प्रदर्शन कार्य के प्रकार के अनुसार भिन्न होता है।

  • उन कार्यों में जिनमें ताज़े डेटा के आधार पर उच्च तथ्यात्मक सटीकता आवश्यक होती है (जैसे रेडियोलॉजिकल विश्लेषण), Perplexity सर्वोच्च सटीकता (0.83) दिखाता है, Claude, Bing और ChatGPT से आगे[18]।
  • उन कार्यों में जो दुर्लभ या अत्यधिक विशिष्ट ज्ञान से संबंधित हैं (जैसे दुर्लभ रोग), Perplexity ChatGPT और Gemini जैसे व्यापक ज्ञान आधार वाले मॉडलों से पीछे रह सकता है[19]।

उपयोगिता अध्ययन (SUS) से पता चला कि हालाँकि Google और Perplexity दोनों प्लेटफ़ॉर्म स्वीकार्य हैं, Google को Perplexity (73.98) की तुलना में अधिक उच्च अंक (82.29) मिले। इसका कारण Google का परिचित इंटरफ़ेस और Perplexity की अधिक चढ़ाई वाली सीखने की प्रक्रिया है, जो नवीन लेकिन कम परिचित सुविधाएं प्रदान करता है[20]।

संदर्भ

  • Perplexity AI की आधिकारिक वेबसाइट
  • Perplexity का आधिकारिक ब्लॉग

साहित्य

  • Chen, C.; et al. (2023). Accelerating Large Language Model Decoding with Speculative Sampling. arXiv:2302.01318.
  • Zhang, J.; et al. (2023). Draft & Verify: Lossless Large Language Model Acceleration via Self‑Speculative Decoding. arXiv:2309.08168.
  • Chen, H.; et al. (2024). Retrieval‑Augmented Generation for Large Language Models: A Survey. arXiv:2312.10997.
  • Soudani, H.; et al. (2024). Fine‑Tuning vs. Retrieval‑Augmented Generation for Less‑Popular Knowledge. arXiv:2403.01432.
  • Chen, Y.; et al. (2024). Evaluation of Retrieval‑Augmented Generation: A Survey. arXiv:2405.07437.
  • Hsieh, C.‑P.; et al. (2024). RULER: What's the Real Context Size of Your Long‑Context Language Models?. arXiv:2404.06654.
  • Arena Team (2025). Search Arena: Analyzing Search‑Augmented Large Language Models. arXiv:2506.05334.
  • Zhu, W.; et al. (2025). PSC: Extending Context Windows via Phase Shift Calibration. arXiv:2505.12423.
  • Yu, L.; et al. (2025). Synergizing RAG and Reasoning: A Systematic Review. arXiv:2504.15909.
  • Chen, X.; et al. (2025). Universal Embeddings for Multimodal Multilingual Retrieval. arXiv:2506.18902.

टिप्पणियाँ

  1. ↑ «Perplexity.ai». В Wikipedia, свободная энциклопедия. [१]
  2. ↑ «An Introduction to RAG Models». Perplexity AI. [३]
  3. ↑ «Aravind Srinivas». In Wikipedia. [४]
  4. ↑ Белоусова, Анастасия. «Как белорус с партнерами построили один из самых дорогих стартапов в мире Perplexity». Forbes.ru. [५]
  5. ↑ «Стартап Perplexity AI оценили в $14 млрд». Ваш голос. [६]
  6. ↑ 7.0 7.1 «Поисковая система Perplexity на базе ИИ показала бурный рост и готова конкурировать с Google». 3DNews. [७]
  7. ↑ «Perplexity: что это за нейросеть, как работает и зачем нужна». TimeWeb.Cloud. [८]
  8. ↑ «Perplexity и Claude AI: движок для точных ответов». Кедр.pro. [९]
  9. ↑ «What advanced AI models are included in a Perplexity Pro subscription?». Perplexity Help Center. [१०]
  10. ↑ «Perplexity Unveils Two New Online LLM Models: pplx-7b-online and pplx-70b-online». MarkTechPost. [११]
  11. ↑ «Introducing PPLX Online LLMs». Perplexity Blog. [१२]
  12. ↑ «Meet a new era of Perplexity Sonar». Perplexity Blog. [१३]
  13. ↑ «Cerebras Powers Perplexity Sonar with Industry's Fastest AI Inference». Cerebras Press Release. [१४]
  14. ↑ «Accelerating Sonar through Speculation». Perplexity Blog. [१५]
  15. ↑ «Perplexity Sonar Dominates New Search Arena». Perplexity Blog. [१६]
  16. ↑ «Introducing the Sonar Pro API». Perplexity Blog. [१७]
  17. ↑ «Comparative Analysis of Large Language Models for Question Answering in Radiology». Thieme Connect. [१८]
  18. ↑ «A Comparative Study of AI Chatbots in Answering Questions on Rare Diseases». MDPI. [१९]
  19. ↑ «Usability and User Satisfaction of Google Search and Perplexity AI». IEEE Xplore. [२०]
Retrieved from "https://systems-analysis.info/int/index.php?title=Perplexity_AI_(HI)&oldid=5553"