Perplexity AI – San Franciske įsikūrusi bendrovė, įkurta 2022 m., valdanti DI pagrįstą paieškos variklį. Užuot pateikęs nuorodų sąrašą, jis pateikia parašytą atsakymą, apibendrinantį naujausią interneto turinį ir nurodantį panaudotus šaltinius. Greta nemokamos versijos yra mokamų planų su kalbos modelių pasirinkimu bei DI naršyklė Comet (2026 m. spalio mėn. duomenimis). Verslui Perplexity svarbi ir todėl, kad keičia, kaip randamas turinys internete.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąDI paieška reiškia paieškos metodus, kurie naudoja DI užklausos tikslui suprasti, rezultatams sverti ir dažnai sugeneruoti apibendrintą atsakymą su šaltiniais, o ne paprastą nuorodų sąrašą. Techniškai jie naudoja raktažodžių paiešką, vektorinę paiešką pagal įterptis arba jų derinį, dažnai su paskesniu kalbos modeliu. Pavyzdžiai: atsakymų varikliai internete ir vidinė žinių paieška, padedanti darbuotojams rasti, ko jiems reikia, vadovuose ir politikose.
Generatyvinių paieškos sistemų optimizavimas (angl. generative engine optimisation, GEO) apima priemones, padedančias turiniui tapti matomam DI pagrįstose paieškos sistemose, tokiose kaip „ChatGPT“, „Perplexity“ ar DI apžvalgos paieškos varikliuose, ir būti jose cituojamam kaip šaltiniui. Terminas kilo iš 2023 m. mokslinio straipsnio. Pagrindiniai veiksniai: aiškūs, tiesiogiai cituojami atsakymai, tvarkinga struktūra, pagrįsti faktai, naujausia informacija ir atpažįstami autoriai. GEO papildo klasikinį paieškos variklių optimizavimą (SEO), o ne jį pakeičia.
Paieška be paspaudimų (angl. zero-click search) vyksta tada, kai naudotojai atsakymą gauna tiesiai rezultatų puslapyje, pavyzdžiui, iš išskirtinių atsakymų langelių ar DI sugeneruotų santraukų, ir nebeatsidaro svetainės. Verslui tai sumažina srautą, net jei jo turinys naudojamas kaip šaltinis. Todėl vis svarbiau tampa matomumas kaip cituojamam šaltiniui: su aiškiais atsakymais, pagrįstais faktais ir gerai struktūruotais puslapiais.
Papildyta paieškos generacija (angl. retrieval-augmented generation) sujungia paiešką su tekstų generavimu: prieš atsakydama sistema žinių rinkinyje – pavyzdžiui, instrukcijose, taisyklėse ar DUK – ieško svarbių ištraukų ir perduoda jas kalbos modeliui kaip kontekstą. Todėl atsakymas remiasi aktualiu, įmonei specifiniu turiniu, o ne tik modelio mokymo žiniomis. Tai sumažina išgalvotus teiginius, leidžia atsekti šaltinius ir atnaujinti turinį be permokymo.
