注意优惠有效期，机不可失。
回顾
Perplexity 并非新鲜事物。今年 2 月份，我已通过视频为你介绍过它。那段视频探讨的主题是「Perplexity 能否成为 ChatGPT 的强有力竞争者？」当时我的结论是，Perplexity 更适合作为 ChatGPT 的补充，两者相互补充效果更佳。
ChatGPT 当时存在一些问题，比如无法联网。而 Perplexity 可以联网查询真实资料，这点极其重要。尽管 Perplexity 可能不如 ChatGPT 那样想象力丰富、灵动，但它能够汇总专业资料，提供真实数据支撑，这方面它更胜一筹。
经过半年多的发展，Perplexity 已经拥有很好的用户口碑。昨天，我看到网友 L,.G. 的发言，他表示自己将 Chrome 的搜索引擎更换为 Perplexity，并认为在多数情况下它可以替代 Google。考虑到 Google 在搜索引擎行业中的地位，这可谓是对 Perplexity 的高度赞誉。
那么，Perplexity 真的如此厉害吗？让我们看几个例子。
科研
Perplexity 界面非常简洁，主要包含了一系列历史对话和一个简单对话框。但这个对话框里隐藏着玄机。
你看，默认情况下，Perplexity 搜索的数据来源（Focus选项设定）包括各种类型（All）。但是你可以指定其中的某一类。其中 Perplexity 最吸引我的一点是其 学术搜索功能。
在上面的对话框中选择 “academic” 后，我询问 Perplexity 最近关于 GPT-4 的研究。结果包括了关于人工普适智能的早期实验，医疗领域的应用，分子研究的应用，以及目标模型创建的探索。除此之外，还有一系列相关文献作为支撑。当我点击查看详情，发现还有 20 多篇相关文献。
20 多篇文章大多来源于 NIH, Semantic Scholar, Arxiv 等专业学术网站，包含了中英文等多种语言。我们随机打开一篇看看，验证引用的结果并不是随便编造的文献。
接着，我提出了一个更为综合性的问题：
GPT-4 给科研活动带来了哪些挑战和问题？
Perplexity 的总结非常到位。首先是数据解释和可视化的挑战，尽管它在辅助方面做了很多工作，但表现并不完全可靠。根据我个人的经验，这确实是个严重的问题，涉及到数据的抽取、类型转换，以及理解我们需求的准确性等问题。
接下来是 SQL 查询问题，这是我之前未曾发现的。数学推理也是个问题，尤其是在处理稍微复杂一些的加减乘除计算时，大语言模型经常会出错。
法律分析方面，它还没达到专业税务律师的水平。但是我觉得这是好事儿，否则会造成就业市场的不稳定。另外，可靠性也是一个问题。虽然 GPT-4 在许多基准测试中达到了人类水平，但仍有限制，比如幻觉现象和对事实的错误处理。这正说明了为什么我们需要 Perplexity 这样的服务—— 它通过事实新闻和扎实的论据检索来增强回答的可靠性。
学习
你还可以使用 Perplexity 来帮助解释知识。比如前段时间 Q Star 的话题很热，我就让它给我介绍该主题。
Perplexity 列出了 Q Star 的介绍和多种数据来源。更重要的是，当我问它「想学习 Q Star 应该如何入门」时，它没有直接给我推荐课程，而是 先询问了我在人工智能和机器学习方面的水平，提供了初级、中级、高级选项。
这 体现了智能化，因为对不同基础的用户，推荐的路径本就应该是不同的。
我选择了初级，它便建议我从基础开始，包括机器学习、增强学习、Q Learning 和 A 星算法等。这种能根据个人实际水平进行个性化教学辅导，对我来说非常有用。
我还将 Perplexity 推荐给我的学生们，帮助他们学习非本专业领域的知识。初学者可以避免茫然无措和盲目摸索，从而事半功倍。
你甚至可以让它帮助你去找数据集。例如这个学期末，我给班上的学生布置了一个大作业，要求他们寻找独特的数据集并进行相关分析。一些学生在大海捞针找数据集的时候，总是失败，感觉非常无助和沮丧。
其实，Perplexity 能够轻松完成这类任务。例如，我要求 Perplexity 找到一个 SQLite 的样例数据集。
它迅速提供了四个选项，我随机打开其中一个来查看。
这个检索结果页面提供的数据支持 Oracle 和 SQLite 格式，还显示了数据的大小 (4MB)。踏破铁鞋无觅处，得来全不费功夫。
实验室
Perplexity 还提供了一个 Labs（实验室）功能。我尚未完全理解这与其主要功能之间的关联，但我发现它非常有用。
在其界面的右下角，有多个模型可供选择，其中许多是开源的。
例如 CodeLlama, Llava，还有最近非常火的 Mixtral 8x7B，甚至还包含了号称跟 ChatGPT 3.5 性能相仿的 Mistral Medium。我尝试了 Mixtral 8x7B，这是一个 MoE 专家混合模型。我让它给我写一个贪吃蛇游戏。说明一下，我之前曾要求多个开源模型编写贪吃蛇游戏，但效果通常很差，各种没有预先定义就调用，然后自然会导致运行错误。然而，你看看这里 Mixtral 8x7B 编程的效果。
注意我根本 没有对视频加速，这代码输出速度是不是令人难以置信？可以形容为“刷刷”的。这就是 Perplexity Labs 背后的强大硬件驱动所带来的推理速度。
输出代码快速固然令人欣喜，但更关键的，显然是这个游戏能不能玩。我把代码贴进 Visual Studio Code 去，尝试运行。没有任何报错。
我玩儿了半天，然后在当天的日记里写下了四个字 —— 玩物丧志。
设置
使用 Perplexity 前，有几个 重要设置。
在左下角打开设置，你会看到 “AI data usage” 选项，用来控制模型是否能用你的对话进行训练。我通常会关闭它来保护隐私。
此外，系统默认使用 Perplexity 自己的大语言模型，实话实说问答效果一般。但你可以选择 GPT-4，显著提升效果。
对话的时候，务必开启对话框里面的 Copilot 选项。
否则即便你在上面选择了 GPT-4 ，也依然没有真正发挥 GPT-4 的效果。
根据以往的经验，你不难想到，使用 GPT-4 是需要付费的。不过别担心，我们马上来解决这个问题。
优惠
原本使用 Perplexity Pro，你需要每月支付 20 美元，与 ChatGPT Plus 定价相同。但现在，你可以连续两个月免费使用 Perplexity Pro。Perplexity 在 12 月 23 日发布了这个优惠信息。
我这里有一个邀请链接，如果你通过这个链接注册，我们两人都能各获得十美元额度奖励。你在结账时一定要记得使用官方提供的优惠码“ACCPAY”， 填写到 “promo code” 那里，并且点击 “Apply” 按钮。这样你前两个月的使用费用会变成零。这个优惠码的有效期大概还有一周（以 Perplexity 官方说明为准），不过我建议你还是 早点儿下手为好。
小结
本文我为你介绍了 Perplexity，你可以将其作为智能搜索引擎使用。Perplexity 支持基于新闻、数据集等各类材料的查询，能够访问多种不同的渠道，包括但不限于 YouTube, Reddit 和学术文献库等。目前它提供优惠，你可以连续两个月免费使用 Pro 账号。
祝 Perplexity AI 使用愉快！