AI初创公司Perplexity为美国总统特朗普的社交媒体平台Truth Social提供了全新的AI驱动搜索引擎。
这一名为"Truth Search AI"的搜索引擎已在Truth Social网页版上线,iOS和Android应用程序的公开Beta测试计划在"不久的将来"推出。
特朗普媒体公司在新闻稿中表示,Perplexity的技术能够提供"直接、准确的上下文答案和透明引用",这将帮助Truth Social"指数级增加"用户可获取的信息量。不过,该社交媒体平台保留对AI搜索引擎信息来源的控制权。
Truth Social使用的是Perplexity Sonar API,该API承诺能够查询网络获取当前和经过验证的信息——即使这些信息是从屏蔽Perplexity爬虫的网站上抓取的——并支持结构化输出,让用户能够自定义搜索引擎响应的格式。
Perplexity发言人Jesse Dwyer告诉TechCrunch,Sonar API的准确性取决于Truth Social限制的信息来源。"我们对此没有可见性或控制权,"Dwyer表示,"这就像你在自己公司内部使用API,或者学术研究人员想用它搜索自己的数据一样。"
TechCrunch已联系特朗普媒体公司,希望了解更多关于Truth Search AI是否能访问整个网络、是否会优先考虑某些信息来源,以及AI是否会被指导对总统和现任政府给出正面回应、对民主党给出负面回应等问题。
为了评估搜索机器人会引用哪些信息来源,Axios向其提出了一系列问题,如"2021年1月6日发生了什么?"和"唐纳德·特朗普为什么被弹劾?"据Axios报道,在所有回应中,FoxNews.com要么是最常见的信息来源,要么是唯一列出的信息来源。其他来源包括FoxBusiness.com、《华盛顿时报》或《大纪元时报》。
相比之下,Perplexity的公共搜索引擎返回了更广泛的信息来源,包括维基百科、Reddit、YouTube、NPR和Politico。
特朗普媒体公司首席执行官、前加州国会议员德文·努内斯在声明中表示,Truth Social计划"根据用户反馈完善和扩展搜索功能,同时对平台实施广泛的额外增强功能"。
Perplexity首席商务官德米特里·舍维连科在声明中也指出,Perplexity的AI通过"透明引用提供答案,让任何人都能深入挖掘"。
7月下旬,特朗普与其AI行动计划一同发布了一项针对"有偏见AI"的行政命令,即那些不"意识形态中立"的模型。该命令特别提到关于种族或性别、无意识偏见、系统性种族主义以及其他被归入多元化、公平和包容性(DEI)范畴的观点是"普遍存在且具有破坏性的"意识形态,可能"扭曲输出的质量和准确性"。
Truth Search AI的推出正值OpenAI、Anthropic和Google等顶级AI公司被加入批准供应商名单的同一周,这些公司可以向联邦民用机构销售其服务。OpenAI周三与美国政府中央采购部门达成协议,以每年仅1美元的价格向各机构销售ChatGPT Enterprise。
Q&A
Q1:Truth Search AI是什么?它有什么特点?
A:Truth Search AI是Truth Social推出的AI搜索引擎,由Perplexity提供技术支持。它能提供直接、准确的上下文答案和透明引用,但Truth Social平台保留对AI搜索引擎信息来源的控制权。
Q2:Truth Search AI和普通Perplexity搜索有什么区别?
A:Truth Search AI的信息来源更加有限和倾向性。测试显示,它主要引用FoxNews.com、FoxBusiness.com、《华盛顿时报》等保守派媒体,而普通Perplexity搜索引擎返回更广泛的信息来源,包括维基百科、Reddit、NPR等。
Q3:Truth Search AI目前可以在哪里使用?
A:Truth Search AI目前已在Truth Social网页版上线,iOS和Android应用程序的公开Beta测试计划在不久的将来推出。平台计划根据用户反馈继续完善和扩展搜索功能。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。