Perplexity یا ChatGPT: کدام هوش مصنوعی در تحقیق موفقتر است؟
در سالهای گذشته، رویکرد نسبتاً سطحی چتباتها در جمعآوری اطلاعات، بهشدت مورد نقد قرار گرفت و کاربران نمیتوانستند به اطلاعاتی که چتباتها برای پاسخ سؤال، از اینترنت جمعآوری میکردند، اعتماد کنند. بااینحال، به لطف پیشرفت روزافزون این حوزه و رقابت تنگاتنگ شرکتهای حوزه فناوری، قابلیت «تحقیق عمیق» به چتباتها اضافه شد که در آن چتبات میتواند برای ارائه پاسخهای دقیقتر و مشکلگشاتر به کاربر، به شکل ریزبینانهتری به جزئیات و اطلاعات موجود در اینترنت توجه کند. قابلیت تحقیق عمیق یا Deep Research برای اولینبار در چتبات Perplexity دیده شد و به لطف تصمیم شرکت سازندهٔ این چتبات، کاربران به شکل رایگان یا با خرید اشتراک، میتوانند به این قابلیت دسترسی داشته باشند.
خوشبختانه، شرکت OpenAI نیز از این قابلیت استقبال کرد و همان نام «تحقیق عمیق» را برای ChatGPT Pro انتخاب کرد. با اینکه هدف هر دو کاملاً مشابه است، اما نحوه قیمتگذاری و دسترسی به آن کاملاً متفاوت است. بهعنوان نمونه، استفاده از این قابلیت روی پلتفرم OpenAI هزینهای بالغ بر ۲۰۰ دلار در ماه را بر دوش کاربر میگذارد و کاربر در هر ماه میتواند تنها ۱۰۰ سؤال بپرسد. علاوه بر این، دریافت یک گزارش کامل ممکن است تا بیست دقیقه طول بکشد.
بااینحال، OpenAI اعلام کرده است که این قابلیت قرار است بهزودی در دسترس کاربران سطح رایگان نیز قرار بگیرد.
در مقابل، عملکرد Perplexity سریعتر است و باوجود بررسی طیف گستردهای از منابع موجود در اینترنت، در عرض چند دقیقه به شما پاسخ میدهد. علاوه بر این، این چتبات میتواند تنها به ۵ پرسش، به شکل رایگان پاسخ دهد و براساس محدودیتهای تعیین شده، تعداد پاسخهای این هوش مصنوعی به عدد ۵۰۰ میرسد که با پرداخت ۲۰۰ دلار در ماه برای کاربر میسر میشود.
قابلیت Deep Research چیست؟
قابلیت Deep Research یا تحقیق عمیق، به فرایند شفافسازی و کاوش دقیقتر در یک موضوع خاص اشاره دارد که فراتر از سطح اولیه اطلاعات است. این نوع از تحقیقات معمولاً شامل جستجو و تحلیل منابع متعدد، ارزیابی دقیق دادهها و بررسی جنبههای مختلف یک مسئله است تا به درک عمیقتر و دقیقتر آن موضوع دست پیدا کند. برخلاف جستجوهای سطحی که به یافتن پاسخهای سریع و آسان محدود میشوند، تحقیق عمیق مستلزم زمان، گردآوری اطلاعات و تحلیل فراوان است.
در تحقیق عمیق، پژوهشگر باید توانایی شناسایی منابع معتبر، ارزیابی آنها و ترکیب نتایج مختلف برای ساختن یک نمای کلی از موضوع را داشته باشد. این نوع تحقیق میتواند شامل مطالعه مقالات علمی، گزارشها، مصاحبهها، دادههای آماری و تحلیلهای نظری باشد. همچنین، در این فرایند ممکن است نیاز به استفاده از تکنیکهای پیشرفتهای مانند تحلیل کیفی و کمی، مدلسازی دادهها یا روشهای آماری خاص برای کشف الگوهای پنهان و روابط پیچیده نیز باشد.
این نوع تحقیقات معمولاً در زمینههای علمی، تجاری و حتی رسانهای کاربرد دارند. به عنوان مثال، در دنیای کسبوکار، تحقیق عمیق میتواند به تحلیل رفتار مشتری، شناسایی بازار و ارزیابی رقبا کمک کند. در حوزه علمی، میتواند برای توسعه تئوریها، کشف شواهد جدید یا ایجاد روشهای نوین تحقیقاتی کاربرد داشته باشد. از سوی دیگر، تحقیق عمیق میتواند موجب تصمیمگیریهای آگاهانهتر و دقیقتر شود، زیرا تمام جنبههای یک موضوع به طور کامل و بیطرفانه بررسی میشود. به همین دلیل، قابلیت Deep Research در بسیاری از صنایع و رشتههای علمی به عنوان یکی از مهارتهای ضروری برای پژوهشگران، تحلیلگران و مدیران شناخته میشود.
سوال اول
هدف اصلی نویسنده در این مقاله، مقایسه عملکرد 2 چتبات، ChatGPT و Perplexity در زمینه تحقیق عمیق است. باتوجهبه اینکه در حال حاضر، امکان دسترسی رایگان به این ابزار در ChatGPT وجود ندارد، نویسنده 3 مورد از موارد ارائه شده را انتخاب کرد و آنها را با ابزار تحقیق عمیق Perplexity مقایسه کرد تا عملکرد آنها را بسنجد. این سؤال طولانی، شامل اطلاعات پراکنده دربارهٔ یک قسمت از سریال تلویزیونی بود. در ادامه، متن درخواست شامل موارد زیر است.
“من چند وقت پیش یک سریال تلویزیونی تماشا کردم، اما حالا اسم آن را فراموش کردهام. بااینحال، اتفاقات یک قسمت از آن را به یاد دارم. میتوانید به من کمک کنید تا اسم آن را به یاد بیاورم؟
” ۲ مرد در حال کارت بازی بودند که یکی از آنها آن دیگری را شکست میدهد. در واقع، شخص برنده، ترکیب کارتهای خوبی دارد. بااینحال، در دست بعدی بازی، آن شخص حتی باوجود ترکیب کارتهای بد، آن مرد را دوباره شکست میدهد. مرد در اتاق حبس میشود و دخترش در میزند. آن دو مرد به قصابی میروند و یکی از آنها یک بطری نوشیدنی را بهعنوان هدیه میخرد.”
همانطور که مشاهده میکنید، اطلاعات پراکنده دربارهٔ این قسمت از سریال، به ما کمک میکند تا عملکرد 2 چتبات را با یکدیگر مقایسه کنیم. عملکرد چتبات ChatGPT، سریع و دقیق بود و توانست تشخیص دهد که این توضیحات، مربوط به قسمت چهارم از فصل اول سریال همتایان یا (Counterpart) شبکه Starz است. علاوه بر این، نام این قسمت از سریال، تحت عنوان (Both sides Now) را نیز به نویسنده اعلام کرد.
در مقابل، عملکرد چتبات Perplexity در این زمینه، مطلوب نبود و ادعا میکرد که این توضیحات، مربوط به یک سریال دیگر است و نویسنده با ترکیب سکانسهای مختلف، اطلاعات دقیقی را در اختیار او نمیگذارد تا قسمت سریال را پیدا کند و در نتیجه، فیلمهایی نظیر، پوکر فیس و Girl in the Closet را معرفی کرد.
سوال دوم
در مرحله بعدی، نویسنده یک درخواست پیچیده و دشوار را برای خرید تجهیزات ورزشی زمستانه برای 2 چتبات ارسال کرد که متن آن در زیر ذکر شده است.
“من در جستجوی یک اسنوبرد باکیفیت هستم. معمولا در هوکایدو و در فصل زمستان، دو بار در ماه اسکی میکنم. مسیرهای آمادهشده را ترجیح میدهم، اما در عین حال به دنبال مدلی هستم که قادر به تحمل برف تازه نیز باشد. تمایل دارم از اسنوبردهای آلمانتین یا فریاستایل با انعطافپذیری متوسط استفاده کنم که هم برای سطوح برفی پایدار باشند و هم قابلیت مانور بالایی داشته باشند. همچنین، رنگ مورد نظر من برای اسنوبرد، ترکیبهای رنگی متمایل به مرکبات است. مبلغی که برای خرید اسنوبرد در نظر گرفتهام، چیزی بین یک محصول متوسط و سطح بالا است و ترجیح میدهم که اسنوبرد را در ژاپن تهیه کنم.”
در پروسهی تحقیق، پاسخ ChatGPT بسیار ساختاریافته و دقیق بود، بهطوری که دو جدول را برای نمایش مشخصات به نویسنده ارائه داد. جدول اول به بررسی مزایا و معایب پنج اسنوبرد مختلف پرداخته و مشخصات هر کدام را نیز بهوضوح بیان کرده بود. علاوه بر این، توصیههای مفصلی در مورد بهترین شکل استفاده از اسنوبرد در شرایط خاص برف پودری هوکایدو نیز ارائه شد.
در طرف مقابل، Perplexity نیز در مدتزمان کوتاهی با چندین جدول پاسخ نویسنده را داد. این جداول شامل پیشنهادهایی برای اسنوبردها و مشخصات آنها، به همراه جداول جداگانه برای رنگ، قیمت، نحوه نگهداری و دسترسی بودند. به نظر میرسید که همه اطلاعات، منطقی و مرتبط باشند، اما نکتهای که باعث شد در این بخش دچار تردید شویم، عدم همپوشانی توصیهها بود.
سوال سوم
آخرین سوالی که برای سنجیدن عملکرد این 2 چتبات پرسیده شد، این بود: “میانگین سن بازنشستگی برای ضربهزنهای (Kickers) لیگ ملی فوتبال (NFL) چند سال است؟”
ChatGPT به طور مفصل درباره این موضوع که ضربهزنها چگونه میتوانند در حرفه خود بیشتر دوام بیاورند، محدوده سنی که معمولاً بازنشسته میشوند و دلایل احتمالی برای اینکه چرا آنها معمولاً بیشتر از بازیکنان در پوزیشنهای دیگر بازی میکنند، نوشت. با این حال، پاسخ دقیقتری که این چتبات ارائه داد، این بود که اواسط تا اواخر 30 سالگی بهعنوان میانگین سن بازنشستگی برای ضربه زنها است. همچنین، اشاره کرد که میانگین طول حرفه این بازیکنان ۴.۸ فصل است.
در مقابل، Perplexity به سن خاصی برای بازنشستگی اشاره نکرد و بیشتر به سمت یک سن جوانتر، در اوایل تا اواسط 30 سالگی تاکید کرد. این هوش مصنوعی همچنین به آماری استناد کرد که نشان میداد ضربه زنها معمولاً ۴.۴ فصل در NFL فعالیت میکنند. این تفاوت احتمالا ناشی از استفاده از منابع مختلف برای ارائه آمارها بود. با وجود اینکه هیچکدام از پاسخها اشتباه قابل توجهی نداشتند، اما پاسخ Perplexity کمی نامرتبتر و پراکندهتر از توضیح منظم ChatGPT بود و نتواست به همان دقت پاسخ دهد.
نتیجهگیری
در نهایت، تحقیقات عمیق ارائهشده توسط ChatGPT به وضوح کیفیت بالاتری نسبت به Perplexity داشتند. گزارشهای جامع و منظم ارائهشده، بهطور دقیق و ساختارمند تنظیم شده بودند. با این حال، این گزارشها به نوعی خشک و فاقد جذابیت بودند و اگرچه منابع به درستی ذکر شده بودند اما حس میشد که برای اطمینان از دقت اطلاعات، متن ارائه شده میبایست یکبار توسط انسان بررسی شود. این نوع پاسخها ممکن است برای محققان و متخصصانی که به دنبال جزئیات دقیق هستند، مناسب باشد، اما برای استفاده عمومی و بدون نظارت، شاید چندان قابل اعتماد نباشد.
این نوع پاسخها ممکن است برای دانشگاهیان یا متخصصانی که روی پروژههای تحقیقاتی پیچیده کار میکنند، بسیار مفید باشند، اما برای استفاده بدون نظارت و بررسی دقیق، چندان مناسب نیستند. در مقابل، «تحقیق عمیق» Perplexity برای کسانی که نیاز دارند اطلاعات زیادی را بهسرعت و با هزینه نسبتاً کم جمعآوری کنند، گزینه عالی محسوب میشود و شبیه به یک چکیده خوب از یک پایاننامه علمی است که شما نکات کلیدی و شاید چند آمار مهم را دریافت میکنید. بااینحال، نمیتوانید بهراحتی از آن برای ارزیابی جامع یک موضوع استفاده کنید اما اگر هدف شما ایجاد نقطه شروع برای تحقیق عمیقتر و گستردهتر باشد، «تحقیق عمیق» Perplexity میتواند یک ابزار مفید و مثمر ثمر باشد.
اگر میخواهید ماهانه ۲۰۰ دلار برای هزینه کردن صرف کنید و با مجموعهای از پروژههای پیچیده مواجه هستید که نیاز به رسیدگی دارند، اشتراک ChatGPT Pro ممکن است برای انجام «تحقیق عمیق» انتخاب مناسبی باشد. اما اگر به دنبال گزینهای کوچکتر و شخصیتر هستید، اشتراک Perplexity Pro قطعاً گزینه بهتری خواهد بود و در صورتی که بهندرت به «تحقیق عمیق» نیاز دارید، پرداخت هزینه برای آن الزامی به نظر نمیرسد.
منبع: Techradar