Perplexity AI (UR)

From Systems analysis Wiki
Jump to navigation Jump to search

Perplexity AI — یہ ایک امریکی اسٹارٹ اپ اور اسی نام کا سرچ انجن (conversational search engine) ہے، جو صارفین کے سوالات کے براہ راست جوابات فراہم کرنے کے لیے مصنوعی ذہانت استعمال کرتا ہے اور معلومات کے ماخذ بھی بتاتا ہے[1]۔ یہ کمپنی 2022 میں OpenAI، Meta، Google، DeepMind اور Databricks کے ماہرین کی ایک ٹیم نے قائم کی[2]۔

یہ پلیٹ فارم اپنے بڑے زبان کے ماڈلز (LLM) اور دیگر کمپنیوں کے سرکردہ ماڈلز تک رسائی کو یکجا کرتا ہے، جس سے یہ جوابات کی رفتار، درستگی اور لاگت کو بہتر بنا سکتا ہے۔ Perplexity کی بنیادی ٹیکنالوجی ایک جدید Retrieval-Augmented Generation (RAG) نظام ہے، جو LLM کے جوابات کو اپنے سرچ انفراسٹرکچر سے حاصل کردہ تازہ ترین معلومات سے مالا مال کرتا ہے[3]۔

تاریخ اور بانیان

Perplexity AI کو 2022 میں چار ماہرین نے قائم کیا:

  • اروند شری نواس (CEO) — OpenAI، Google Brain اور DeepMind میں سابق محقق[4]۔
  • ڈینس یاراٹس (CTO) — Meta AI میں سابق سائنسی محقق۔
  • جانی ہو (CSO) — Quora میں سابق انجینئر۔
  • اینڈی کونوینسکی — Databricks کے شریک بانی[2]۔

ابتداء میں یہ منصوبہ ڈیٹا تجزیے کے لیے ایک B2B سروس کے طور پر تصور کیا گیا تھا، لیکن اکتوبر 2022 میں ٹیم نے Bing اور GPT-3 پر مبنی سرچ انجن کا پروٹوٹائپ تیار کیا، جس نے کمپنی کی آگے کی سمت متعین کر دی[5]۔

Perplexity AI نے Nvidia، SoftBank اور Amazon کے بانی جیف بیزوس سمیت سرکردہ سرمایہ کاروں سے خطیر سرمایہ کاری حاصل کی۔ 2025 کے آغاز تک کمپنی کی مالیت 14 ارب ڈالر تک پہنچ گئی[6]، اور ماہانہ فعال صارفین کی تعداد 1 کروڑ 50 لاکھ سے تجاوز کر گئی[7]۔

تکنیکی ڈھانچہ

Retrieval-Augmented Generation (RAG)

Perplexity کی بنیاد RAG ٹیکنالوجی ہے، جو روایتی LLM کی خامیوں، جیسے پرانی معلومات اور "ہیلوسینیشن"، پر قابو پانے کی سہولت دیتی ہے۔ الگورتھم کا عمل کئی مراحل پر مشتمل ہے[8]:

  1. صارف کے سوال کا تجزیہ اور بہترین تلاش کے لیے اسے از سرِ نو مرتب کرنا۔
  2. اپنے سرچ انفراسٹرکچر (کرالر اور رینکنگ سسٹم) کے ذریعے معلومات تلاش کرنا، جو معتبر اور غیر SEO ذرائع کو ترجیح دیتا ہے[7]۔
  3. ملنے والے ویب صفحات سے سب سے زیادہ متعلقہ اقتباسات ("سنِپٹس") نکالنا۔
  4. ان اقتباسات کی بنیاد پر LLM کے ذریعے مربوط اور درست جواب تیار کرنا۔
  5. حوالہ جات کے ساتھ اصل ماخذ کے لنکس سمیت جواب پیش کرنا۔

ملٹی ماڈل حکمت عملی

Perplexity ایک ہائبرڈ طریقہ استعمال کرتا ہے، جو رفتار، درستگی اور لاگت کے درمیان توازن قائم کرنے کے لیے اپنے اور بیرونی ماڈلز کو یکجا کرتا ہے[9]۔

  • مفت ورژن میں تیز جوابات کے لیے اکثر Claude 3 Haiku استعمال ہوتا ہے۔
  • پیڈ Pro ورژن میں پیچیدہ کاموں کے لیے Claude 3.5 Sonnet اور GPT-4o جیسے زیادہ طاقتور ماڈلز دستیاب ہیں۔

Perplexity Pro سبسکرپشن والے صارفین ماڈلز کی ایک وسیع رینج میں سے دستی طور پر انتخاب کر سکتے ہیں، جن میں شامل ہیں[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 کے اپنے ماڈلز۔

Perplexity کے اپنے ماڈلز

کمپنی اپنے ایسے ماڈلز تیار کرتی ہے جو تلاش کے کاموں اور انٹرنیٹ سے تازہ معلومات کے ساتھ کام کرنے کے لیے بہتر بنائے گئے ہیں۔

PPLX فیملی (ابتدائی ماڈلز)

Perplexity کے پہلے اپنے ماڈلز، جو API کے ذریعے دستیاب ہوئے، pplx-7b-online اور pplx-70b-online تھے، جو دسمبر 2023 میں پیش کیے گئے[11]۔ یہ بالترتیب Mistral 7B اور Llama 2 70B کے fine-tuned ورژنز پر مبنی تھے اور آن لائن ڈیٹا کے ساتھ کام کرنے میں مہارت رکھتے تھے[12]۔

Sonar فیملی (موجودہ نسل)

Sonar — یہ ماڈلز کی ایک سرکردہ فیملی ہے، جو Meta کے Llama 3.3 70B پر تعمیر کی گئی ہے، لیکن سرچ موڈ میں جوابات کی حقیقی درستگی اور قابلِ مطالعہ ہونے کو بہتر بنانے کے لیے اضافی fine-tuning سے گزری ہے[13]۔

Sonar کی اہم خصوصیات:

  • اعلیٰ رفتار: Cerebras کے ساتھ شراکت داری اور ان کے خصوصی inference انفراسٹرکچر کے استعمال کی بدولت، Sonar 1200 ٹوکن فی سیکنڈ تک کی جنریشن رفتار حاصل کر لیتا ہے، جو Gemini 2.0 Flash سے تقریباً 10 گنا تیز ہے[14]۔
  • سپیکولیٹو ڈیکوڈنگ ٹیکنالوجی: جنریشن کو مزید تیز کرنے کے لیے 1B سائز کا اپنا "ڈرافٹ ماڈل" استعمال ہوتا ہے، جو بنیادی ماڈل کو ایک پاس میں کئی ٹوکن تیار کرنے کی اجازت دیتا ہے[15]۔
  • اعلیٰ کارکردگی: LM Arena کے Search Arena جائزے میں Sonar-Reasoning-Pro ماڈل نے پہلا مقام حاصل کیا اور اعداد و شمار کے لحاظ سے Gemini-2.5-Pro-Grounding کے برابر رہا[16]۔

API اور کارپوریٹ حل

Perplexity ڈویلپرز اور کارپوریٹ کلائنٹس کے لیے Sonar API اور Sonar Pro API کے ذریعے اپنے ماڈلز تک رسائی فراہم کرتا ہے۔ API کو رفتار اور آسان استعمال کے لیے بہتر بنایا گیا ہے، اس میں حوالہ جات اور تلاش کے ذرائع کی ترتیب کی سہولت شامل ہے۔ Perplexity کے حل مختلف شعبوں میں مقامی سرچ سسٹمز بنانے اور تحقیقی کاموں کی خودکار انجام دہی کے لیے استعمال ہوتے ہیں[17]۔

تقابلی تجزیہ اور صارف کا تجربہ

Perplexity کی کارکردگی کام کی نوعیت کے لحاظ سے مختلف ہوتی ہے۔

  • ایسے کاموں میں جن میں تازہ ڈیٹا کی بنیاد پر اعلیٰ حقیقی درستگی درکار ہو (مثلاً ریڈیولوجیکل تجزیہ)، Perplexity سب سے زیادہ درستگی (0.83) ظاہر کرتا ہے اور Claude، Bing اور ChatGPT سے آگے رہتا ہے[18]۔
  • ایسے کاموں میں جن کا تعلق نادر یا انتہائی مخصوص علم سے ہو (مثلاً نادر امراض)، Perplexity ان ماڈلز سے پیچھے رہ سکتا ہے جن کی معلومات کی بنیاد زیادہ وسیع ہے، جیسے ChatGPT اور Gemini[19]۔

استعمال میں آسانی کی تحقیق (SUS) سے پتہ چلتا ہے کہ اگرچہ دونوں پلیٹ فارمز، Google اور Perplexity، قابلِ قبول ہیں، تاہم Google کو Perplexity (73.98) کے مقابلے میں زیادہ اسکور (82.29) ملا۔ اس کی وجہ Google کا مانوس انٹرفیس اور Perplexity کا نسبتاً مشکل سیکھنے کا منحنی ہے، کیونکہ یہ جدید لیکن کم مانوس سہولیات پیش کرتا ہے[20]۔

روابط

  • Perplexity AI کی سرکاری ویب سائٹ
  • Perplexity کا سرکاری بلاگ

ادب

  • 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.

حواشی

  1. ↑ «Perplexity.ai». В Wikipedia, свободная энциклопедия. [1]
  2. ↑ «An Introduction to RAG Models». Perplexity AI. [3]
  3. ↑ «Aravind Srinivas». In Wikipedia. [4]
  4. ↑ Белоусова, Анастасия. «Как белорус с партнерами построили один из самых дорогих стартапов в мире Perplexity». Forbes.ru. [5]
  5. ↑ «Стартап Perplexity AI оценили в $14 млрд». Ваш голос. [6]
  6. ↑ 7.0 7.1 «Поисковая система Perplexity на базе ИИ показала бурный рост и готова конкурировать с Google». 3DNews. [7]
  7. ↑ «Perplexity: что это за нейросеть, как работает и зачем нужна». TimeWeb.Cloud. [8]
  8. ↑ «Perplexity и Claude AI: движок для точных ответов». Кедр.pro. [9]
  9. ↑ «What advanced AI models are included in a Perplexity Pro subscription?». Perplexity Help Center. [10]
  10. ↑ «Perplexity Unveils Two New Online LLM Models: pplx-7b-online and pplx-70b-online». MarkTechPost. [11]
  11. ↑ «Introducing PPLX Online LLMs». Perplexity Blog. [12]
  12. ↑ «Meet a new era of Perplexity Sonar». Perplexity Blog. [13]
  13. ↑ «Cerebras Powers Perplexity Sonar with Industry's Fastest AI Inference». Cerebras Press Release. [14]
  14. ↑ «Accelerating Sonar through Speculation». Perplexity Blog. [15]
  15. ↑ «Perplexity Sonar Dominates New Search Arena». Perplexity Blog. [16]
  16. ↑ «Introducing the Sonar Pro API». Perplexity Blog. [17]
  17. ↑ «Comparative Analysis of Large Language Models for Question Answering in Radiology». Thieme Connect. [18]
  18. ↑ «A Comparative Study of AI Chatbots in Answering Questions on Rare Diseases». MDPI. [19]
  19. ↑ «Usability and User Satisfaction of Google Search and Perplexity AI». IEEE Xplore. [20]
Retrieved from "https://systems-analysis.info/int/index.php?title=Perplexity_AI_(UR)&oldid=5566"