6. Perplexity의 시작과 전략적 진화
Twitter 검색에서 웹 검색으로
Perplexity의 공동 창업자인 Arvind Srinivas와 Denis Yarats는 Facebook AI 연구소에서 각각 연구를 진행하던 중, 우연히 같은 문제를 연구하게 되면서 서로 인연을 맺게 되었습니다. 2020년 COVID-19 팬데믹이 한창일 때, 두 사람은 각기 동일한 연구 결과를 담은 논문을 발표했는데 이로 인해 경쟁자가 될 수도 있었던 상황에서 오히려 서로 협력하게 되었습니다. 이후 Denis는 UC 버클리에서 Arvind와 협업을 이어갔고, 두 사람은 긴밀한 관계를 유지하며 각자의 커리어를 발전시켜 나갔습니다. 이들의 협력은 2022년 그들이 함께 Perplexity를 창립하기로 결심하면서 결실을 맺게 되었습니다.
처음 Perplexity는 LLM을 활용해 새로운 제품을 만들겠다는 단순한 아이디어로 시작되었습니다. 그러나 이들이 창립 초기에 직면했던 가장 큰 도전은 자금 조달이었습니다. 이에 따라 Perplexity 팀은 처음에는 자연어를 SQL 쿼리로 변환하는 도구를 개발하는 데 집중했습니다. 이를 통해 사용자들이 일반 검색 엔진으로는 접근할 수 없었던 데이터를 탐색할 수 있는 새로운 검색 경험을 제공하고자 했습니다.
Perplexity의 첫 번째 도전은 트위터 데이터를 활용한 검색 기능을 개발하는 것이었습니다. 팀은 트위터의 방대한 데이터를 수집하고, 이를 기반으로 사용자가 질문을 던지면 AI가 이를 SQL로 변환해 데이터를 조회할 수 있는 시스템을 구축했습니다. 이러한 초기 시도는 단순한 기술적 실험을 넘어서, Perplexity가 AI 기반 검색에서 어떤 가능성을 가지고 있는지를 확인하는 중요한 계기가 되었습니다.
이러한 노력 덕분에 Perplexity는 초기부터 업계의 주요 인물들과 투자자들의 관심을 끌었고, 빠르게 성장할 수 있었습니다. 이후 Perplexity는 ChatGPT의 성공을 계기로 더 광범위한 웹 검색으로 확장하기로 결정했습니다. ChatGPT 출시 초기, 많은 사람들이 이 모델의 ‘환각(hallucinations)’ 문제와 출처가 불명확한 정보 제공에 대해 불만을 제기했는데, Perplexity 팀은 이러한 문제를 해결할 수 있는 솔루션을 제시했습니다. 초기 프로토타입에서 출처를 명확히 하고 신뢰할 수 있는 데이터를 제공하는 기능을 구현하면서, Perplexity는 사용자 경험을 혁신할 수 있는 잠재력을 지닌 도구로 자리매김하게 되었습니다.
Perplexity의 전략적 전환은 단순한 검색 엔진에서 벗어나, 사용자들이 지식을 탐구하고 새로운 발견을 할 수 있도록 돕는 도구로서의 역할을 강화하는 방향으로 나아갔습니다. Perplexity는 Amazon의 고객 중심 철학에서 영감을 받아, Perplexity를 “세상에서 가장 지식 중심적인 회사(We want to be the world’s most knowledge-centric company)“로 만드는 것을 목표로 삼고 있습니다. Google의 초기 비전이 세계의 정보를 모두에게 접근 가능하게 만드는 것이었다면, Perplexity 팀은 사람들의 호기심을 자극하고 새로운 지식을 탐구하는 경험을 제공하고자 합니다.
Arvind와 Denis의 만남
현재 Perplexity CTO인 Denis Yarats는 Facebook AI 연구소에서 리서치 사이언티스트로 일하면서 주로 로보틱스를 위한 강화 학습에 집중하고 있었습니다. 이는 ChatGPT와 같은 AI 모델에서 핵심적인 역할을 하는 기술 중 하나였습니다. 그 시기, Aravind Srinivas(현재 Perplexity CEO)와 Denis는 우연히 매우 유사한 문제를 연구하고 있었고, 2020년 중반 COVID-19가 한창일 때, 두 사람은 각각 우연히 동일한 연구 결과를 담은 논문을 발표했습니다.
이러한 공통점 덕분에 그들은 서로 대화를 나누기 시작했고, 이후 협력을 이어갔습니다. Denis는 UC 버클리 대학에서 Arvind와 그의 지도교수와 함께 연구 관련 협업을 진행하였고, 이후에도 그들은 긴밀한 관계를 유지했습니다. 이후 Arvind는 OpenAI로, Denis는 Meta에서 근무하면서 자신의 경력을 쌓아갔습니다.
2022년 초, Denis가 졸업을 앞두고 새로운 기회를 모색할 때, 그들은 GPT가 점점 더 강력해지고 있다는 것을 실감하였습니다. 그리고 이에 기반한 새로운 회사를 설립할 기회가 왔음을 깨달았습니다. 결국 2022년 6월, Arvind는 OpenAI를, Denis는 Meta를 떠나 함께 창업을 하기로 결심했습니다.
흥미로운 점은, 동일한 연구 결과를 발표했다는 이유로 서로 경쟁 관계가 되기보다는, 오히려 친구가 되었다는 사실입니다. Denis의 논문이 Arvind보다 이틀 먼저 발표되었지만, 그들은 이를 계기로 더욱 가까워졌습니다.
Perplexity의 시작
회사를 설립하기로 결심한 후, Arvind와 Denis는 어떤 사람들을 팀에 영입할지 고민하게 되었습니다. 두 사람 모두 리서처 배경의 AI 전문가였기 때문에, 제품과 엔지니어링에 강한 인재가 필요하다는 것을 알고 있었습니다. 마침 Denis의 친구이자 2013년 Quora에서 함께 일했던 동료인 Johnny Ho가 그때 마침 새로운 기회를 찾고 있었습니다. Johnny는 세계적인 수준의 실력을 가진 인물로, 고등학생 때 IOI(국제정보올림피아드) 세계 챔피언이었던 경험이 있었습니다.
Johnny가 팀에 합류하자, 세 사람은 다양한 프로토타입을 시도하기 시작했습니다. Denis는 Johnny와 함께 일하면서 그들이 무언가 흥미로운 것을 만들어낼 수 있을 것이라는 확신을 가지게 되었습니다.
Perplexity는 공동 창업자 Aravind, Dennis와 Johnny는 처음엔 “LLM(대규모 언어 모델)을 사용해 멋진 제품을 만들자”라는 단순한 아이디어로 시작을 했습니다. 당시 AI의 가치가 어디서 창출될지는 불확실했지만 한 가지 분명했던 점은 이제 연구 단계를 넘어 실제 사용자에게 다가가는 생성 모델들이 등장한 것이었습니다. GitHub Copilot이 좋은 예시였으며, 많은 사람들이 이 제품을 사용하면서 AI가 제품의 중심이 될 수 있음을 확신하게 되었습니다.
https://www.perplexity.ai/search/who-are-the-founders-of-perple-kI4nE8HZSLyNt5.X.bppkw#0AI 완결성(AI-complete)
Perplexity를 창립하는 데 있어 가장 큰 영감은 GitHub Copilot이었습니다. GitHub Copilot은 프로그래밍을 돕는 도구로, 사용자가 코드를 작성할 때 필요한 부분을 자동으로 완성해 주는 기능을 제공합니다. 단순한 자동 완성이 아니라 더 깊은 레벨에서 작동하는 도구였습니다. 아라빈드 스리니바스(Aravind Srinivas)는 Perplexity가 이러한 ’AI 완결성(AI-complete)’을 가진 제품이 되기를 원했습니다. Larry Page가 강조한 것처럼, AI의 발전이 직접적으로 제품의 개선으로 이어지는 문제를 해결하고 싶었던 것입니다. 제품이 더 나아지면 사용자도 늘어나고, 결과적으로 더 많은 데이터를 수집하게 되어 AI의 성능을 더욱 향상시키는 선순환 구조를 만들고자 했습니다.
초기 아이디어: SQL을 통한 관계형 데이터베이스 검색
Perplexity 팀은 처음부터 검색 엔진을 만들고자 했지만, 자금 조달의 현실적인 문제 때문에 그 꿈을 잠시 접어두어야 했습니다. 대신, 더 간단하지만 중요한 문제를 해결하기로 결정했습니다: 자연어를 SQL 쿼리로 변환하는 도구(text-to-SQL tool)를 만드는 것이었습니다. 이를 통해 Perplexity 팀은 사용자들이 이전에는 검색할 수 없었던 영역에 대한 검색 경험을 제공하는 것을 목표로 움직였습니다.
당시 OpenAI의 DaVinci2 모델은 꽤 훌륭한 성능을 보여주고 있었습니다. 이를 활용해 자연어 명령을 SQL 쿼리로 번역하고, 이를 데이터베이스에서 실행할 수 있는 도구를 개발하기로 한 것입니다. 이 도구는 곧 사람들의 질문을 데이터베이스로 전환해주는 인터페이스를 구축하기 시작했습니다.
초기 Perplexity팀은 공공 데이터를 활용하고자 했습니다. 특히 그들은 트위터 데이터에 주목했습니다. 트위터의 API를 통해 데이터를 대량으로 수집하고, 이를 정리하여 데이터베이스에 저장한 후, 자연어 인터페이스를 구축해 데이터를 분석할 수 있도록 했습니다. 예를 들어, Twitter와 같은 소셜 미디어에서 특정 사용자가 팔로우하는 사람들 중에서 두 명이 공통으로 팔로우하는 사람을 찾는 질문을 던질 수 있도록 하는 것이었습니다. 이런 질문들은 AI가 의미를 이해하고 이를 SQL로 변환하여 데이터베이스에 실행한 후 결과를 반환하는 과정을 통해 가능해졌습니다.
이 접근 방식은 GitHub Copilot에서 영감을 받아 개발된 코드 생성 모델들을 활용해 이루어졌습니다. Perplexity 팀은 사용자가 자연어로 입력한 질문을 AI가 이해하고, 이를 SQL 쿼리로 변환하여 데이터베이스에서 실행하도록 했습니다. 예를 들어, “Elon Musk와 Jeff Bezos가 공통으로 좋아요를 누른 최근 트윗은?“이라는 질문을 던지면, AI가 이 질문을 SQL로 변환하고, Twitter의 소셜 그래프 데이터베이스에서 해당 쿼리를 실행하여 결과를 반환하게 했습니다.
기술적 도전과 해결
Perplexity 팀은 이러한 아이디어를 실현하기 위해 몇 가지 기술적 도전에 직면했습니다. 먼저, SQL 쿼리 생성의 복잡성을 처리하기 위해 RAG(Retrieval-Augmented Generation) 접근 방식을 사용했습니다. 이는 AI가 사용자 질문과 유사한 템플릿 쿼리를 검색하고, 이를 기반으로 새로운 쿼리를 작성하는 방식이었습니다. 하지만 초기에는 생성된 SQL 쿼리에 오류가 발생할 때도 많았고, 이러한 오류를 처리하고 재시도하는 메커니즘을 구축해야 했습니다.
또한, Perplexity 팀은 Twitter의 데이터를 학술 계정을 통해 스크래핑하는 방식으로 수집했습니다. 이 과정에서 일종의 그로스 해킹으로 여러 개의 가짜 학술 계정을 생성하고, GPT를 활용해 연구 제안서를 작성하여 데이터를 수집했습니다. 이 방법으로 수집된 방대한 소셜 그래프 데이터를 기반으로, Perplexity는 사용자들이 이전에는 불가능했던 수준의 검색 경험을 제공할 수 있었습니다.
초기 성과와 깨달음
Perplexity 팀은 이 과정을 통해 Twitter의 소셜 그래프를 활용한 검색 경험을 제공하는 데모를 만들었습니다. 이 데모는 얀 르쿤(Yann LeCun), 제프 딘(Jeff Dean), 안드레이 카르파시(Andrej Karpathy) 등에게 시연되었고, 모두 긍정적인 반응을 얻었습니다. 사람들은 자기 자신이나 관심 있는 사람들에 대해 검색하는 것을 좋아하기 때문에, 이러한 호기심을 자극하는 데모는 좋은 인상을 남겼습니다. 이를 통해 Perplexity 팀은 초기 사용자층을 확보할 수 있었고, AI를 기반으로 한 검색의 가능성을 확인할 수 있었습니다.
Perplexity의 초기 Twitter 검색 기능은 단순한 기술적 실험을 넘어, 투자자들과 업계의 주요 인물들의 관심을 끌어들이는 강력한 도구로 작용했습니다. Aravind Srinivas는 이 경험을 통해 “이전에 불가능했던 것을 가능하게 만드는 것이 강력한 힘을 가진다”는 교훈을 얻었다고 말합니다. 특히 그 기능이 실용적일 때, 사람들에게 더욱 강력한 인상을 남길 수 있습니다.
예를 들어, Perplexity가 Twitter의 데이터를 활용해 특정 사용자가 팔로우하는 사람들 중 두 명이 공통으로 팔로우하는 인물을 찾는 기능을 구현했을 때, 이 기능은 단순한 기술적 성과를 넘어 사람들의 호기심을 자극했습니다. 사람들은 자신이나 자신이 관심 있는 사람들에 대해 알고 싶어하며, 이러한 호기심은 강력한 동기가 됩니다.
이러한 호기심을 활용한 Perplexity의 초기 기능은 사용자가 자신의 소셜 미디어 프로필을 검색하는 행위를 통해 그들에게 관련 경험을 제공했습니다. Aravind Srinivas는 Instagram의 공동 창립자 Mike Kreiger와의 대화를 언급하며, “사람들은 자신의 프로필 아이콘을 클릭해서 자신을 볼 수 있음에도 불구하고, Instagram에서 가장 많이 검색하는 것은 자기 자신이라는 사실”을 발견했다고 전합니다. 이는 Perplexity의 초기 Twitter 검색 기능이 왜 그렇게 큰 반향을 일으켰는지를 잘 보여주는 사례입니다.
결국, Perplexity는 사용자가 자신의 소셜 미디어 핸들을 검색하여, AI가 제공하는 요약 결과를 통해 자신을 알아가는 과정을 경험하게 개발했습니다. 이 과정에서 사용자들은 AI가 자신에 대해 알고 있는 정보를 보고 놀라거나, 혹은 AI가 만들어낸 내용에 재미를 느끼며, 그 경험을 공유하게 되었습니다. 이러한 사용자 경험은 Perplexity가 초기부터 빠르게 주목받고 성장할 수 있었던 중요한 요소 중 하나였습니다.
비전과 전략적 전환
Perplexity의 초기 성공을 바탕으로, 퍼플렉시티 팀은 단순한 검색을 넘어 지식을 탐구하고 사람들을 새로운 발견으로 이끄는 것을 목표로 삼았습니다.
이 과정에서 Perplexity 팀은 text-to-SQL tool 기반의 Twitter 검색이 한계가 있음을 깨닫고, 더 광범위한 웹 검색으로 확장하는 전략을 취했습니다. (추가로 Twitter를 Elon Musk가 인수하면서 주요 API의 접근을 제한하기도 함) 이를 통해 Perplexity는 단순한 소셜 미디어 검색을 넘어, 웹 상의 방대한 정보를 검색하고 요약해주는 도구로 발전하게 되었습니다.
본래 Perplexity 팀이 목표로 했던 것은 검색 기능을 구현하는 것이었으며, 이를 좀 더 구조화된 데이터로 확장하는 방법을 모색하기 시작했습니다. 2022년 10월쯤, 그들은 내부적으로 Perplexity의 첫 번째 프로토타입을 사용하기 시작했습니다. 이 프로토타입은 직원들의 의료보험과 같은 정보를 질문할 수 있는 슬랙 봇 형태로 구현되었고, 이를 통해 이 기술의 잠재력을 처음으로 엿볼 수 있었습니다.
그러던 중, 2022년 11월 ChatGPT가 출시했습니다. 역사상 가장 성공적인 제품 출시 중 하나로 손꼽힐 만큼 폭발적인 반응을 이끌어낸 이 사건은 Perplexity 팀 내에서 큰 화제를 불러일으켰습니다. 팀원들 모두가 흥분했지만, 동시에 이 일이 Perplexity 팀에게 어떤 의미가 있을지 진지하게 고민하지 않을 수 없었습니다.
이처럼 Perplexity는 초기의 단순한 아이디어에서 시작해, 텍스트에서 SQL로의 도구(text-to-SQL tool) 개발, 그리고 검색 기능의 확장으로 발전해왔습니다. ChatGPT의 성공은 그들에게 많은 자극과 확신을 주었습니다. Perplexity는 이제 단순한 검색을 넘어, 구조화된 데이터와 일반적인 검색을 융합하여 AI 기술의 미래를 선도할 준비를 마친 상태입니다.
ChatGPT가 출시된 초기, 많은 사람들이 이 모델의 ‘환각(hallucinations)’ 문제와 출처가 불명확한 정보 제공에 대해 불만을 토로했습니다. 이 문제는 Perplexity팀이 이미 프로토타입에서 해결하려는 방향성과 정확히 일치했습니다. Perplexity 초기 프로토타입은 정보의 출처를 명확히 밝히고, 신뢰할 수 있는 데이터를 제공하는 기능을 가지고 있었기 때문입니다.
Perplexity 팀은ChatGPT가 큰 주목을 받고 있었고, 그들의 기술이 이를 보완할 수 있음을 깨닫고, 이 둘을 결합하기로 결정했습니다. 그렇게 해서 불과 이틀 만에 간단한 웹사이트를 프로토타입으로 제작해 트위터에 농담처럼 올렸습니다. 아무런 기대 없이 시작한 일이었지만, 놀랍게도 많은 관심을 받았습니다. 트위터에서 리트윗과 칭찬이 쏟아졌습니다. 비록 초기 구현은 매우 느리고 완성도가 낮았지만, 그럼에도 불구하고 사람들은 그것에 매력을 느꼈던 것입니다.
이 경험은 Perplexity 팀에게 중요한 시그널이었습니다. 초기 버전의 결함에도 불구하고 사람들이 이 도구에 반응했다는 것은, 그들이 더 나은 버전을 만들 수 있다면 더욱 큰 성공을 거둘 수 있다는 확신을 주었습니다. 그러나 그 당시 Perplexity는 이 성공이 일시적인 유행에 그칠지, 아니면 지속될지를 두고 고민했습니다. 크리스마스와 연말연시를 앞두고 있었기 때문에 우리는 잠시 기다려 보기로 결정했습니다.
2022년 12월 7일, Perplexity는 웹 검색 기능 출시 관련하여 Aravind Srinivas는 “이건 그저 일시적인 유행일 뿐이고, 사용량은 곧 줄어들 것이다”라고 생각했지만, 사용자들은 가족과 함께하는 크리스마스 휴가 기간에도 이 제품을 계속 사용했습니다. 보통 사람들이 휴가 기간 동안, 특히 잘 알려지지 않은 스타트업의 제품을 사용할 필요가 없음에도 불구하고, Perplexity를 사용한 것은 매우 긍정적인 신호였습니다.
이후 놀랍게도, 연말이 지나고 1월이 되었을 때, Perplexity의 트래픽은 줄어들지 않았습니다. 오히려 증가하고 있었습니다. 이는 평범한 일이 아니었고, Perplexity 팀은 큰 가능성을 보았습니다. 결국, Text-to-SQL 프로젝트를 완전히 중단하고, 수개월 간의 노력을 내려놓고, 일반 웹검색에 집중하기로 결정했습니다. 결과적으로 이 의사결정은 옳은 선택이었습니다.
초기 Perplexity는 단순한 질문에 답변을 제공하고 관련 링크와 요약을 보여주는 기능을 갖추고 있었을 뿐, 대화형 인터렉션 기반으로 동작하지는 않았습니다. 그러나 새해가 지난 후, 대화형 질문 제안 기능을 추가한 새로운 버전을 출시했으며, 그 후 사용량이 급격히 증가했습니다. 사용자는 답변에 만족할 뿐만 아니라, 관련된 질문을 계속 클릭하며 새로운 정보를 탐색하는 데 흥미를 느꼈습니다.
퍼플렉시티 공동 창업자들은 이러한 성장을 기반으로, 단순히 검색이나 질문에 답하는 것이 아니라, 사람들에게 새로운 지식을 발견하고 그들에게 올바른 방향으로 안내하는 것을 목표로 삼았습니다. 이들은 Amazon의 고객 중심 철학에서 영감을 받아, Perplexity를 “세상에서 가장 지식 중심적인 회사(We want to be the world’s most knowledge-centric company.)”로 만드는 것을 목표로 삼았습니다. Google의 초기 비전이 세계의 정보를 모두에게 접근 가능하게 만드는 것이었다면, Perplexity 팀은 사람들의 호기심을 자극하고 새로운 지식을 탐구하는 경험을 제공하고자 했습니다.
Perplexity 초기 모습Perplexity의 Pivot(Text-to-SQL -> 웹검색 전환)은 단지 기술적 조정이 아니라, 사용자 문제에 있어 팀의 자신감에서 비롯되었습니다. 초기 피드백에서 Perplexity 팀이 해결하고자 했던 문제들이 실제로 사람들에게 중요하다는 것을 확인할 수 있었습니다. 하지만 동시에 그들은 장기적인 경쟁 우위에 대해 깊이 고민하지 않을 수 없었습니다. 특히, 핵심적인 파운데이션 모델을 소유하지 않고 OpenAI와 같은 외부 제공자의 모델을 사용하는 상황에서, Perplexity 제품이 어떻게 더 나은 성과를 낼 수 있을지에 대한 논의가 필요했습니다.
이 질문은 매우 중요한 문제였습니다. Perplexity의 장기적 비전과 OpenAI와 같은 파운데이션 모델 제공자들보다 우월한 제품을 유지하기 위해 어떤 전략을 취해야 할지 고민했습니다. Perplexity 내부에서도 이와 관련된 회의적인 시각이 존재했지만, 이러한 질문들은 Perplexity 팀의 결속력을 강화하고, 더 나은 제품을 만들기 위한 동기부여가 되었습니다.
결국, Perplexity는 단순히 ChatGPT를 보완하는 것을 넘어, 새로운 검색의 표준을 제시하기로 했습니다. AI 기술을 통해 신뢰할 수 있는 정보 제공과 사용자 경험의 혁신을 추구하며, 이 과정에서 얻은 통찰을 바탕으로 지속적인 성장을 이루어 나가는 것입니다.
사용자 데이터에 집중하기: Perplexity의 전략적 초점
Perplexity 팀은 OpenAI와 같은 LLM 제공자에 단순히 의존하는 것 이상의 전략을 계속 고민해 왔습니다. 2023년 초, Bing이 유사한 제품을 출시했는데, Bing은 훨씬 더 큰 기업으로서 검색, LLM, 채널 등 모든 것을 갖추고 있었습니다. 이로 인해 Perplexity의 존재 이유가 희미해졌지만, 놀랍게도 Perplexity의 제품이 더 나았고, 사용자들은 Perplexity를 다른 대안들보다 선호했습니다.
Perplexity의 CTO인 Denis는 초기에는 단순히 ’래퍼(wrapper)’로서의 역할이 필수적이고 중요한 위치였다고 설명합니다. OpenAI가 API를 출시하면서 비로소 이러한 접근이 가능해졌기 때문입니다. 3년 전만 해도 Perplexity와 같은 제품을 만들기 위해서는 데이터를 수집하고, 모델을 훈련한 뒤 제품을 출시한 후에야 시장 적합성을 확인할 수 있었습니다. 그러나 이제는 OpenAI API 덕분에 먼저 시장 적합성을 확인하고, 이를 기반으로 의사 결정을 내릴 수 있습니다. 이러한 접근 방식은 Perplexity 팀이 내린 최고의 결정 중 하나로 평가됩니다.
Perplexity 팀은 모델이 중요하지만, 그것이 핵심이 아니라는 점입니다. 다행히도 오픈소스 커뮤니티가 급성장하면서, 이제는 좋은 오픈소스 모델들을 사용할 수 있게 되었습니다. 이제 Perplexity 팀은 많은 자본을 조달하면서 자체 모델을 프리 트레이닝할 수 있는 단계의 체력을 만들었습니다. 하지만 이보다 더욱 중요한 것은 사용자 데이터를 기반으로 모델을 미세 조정하고 최적화하는 것이라 보고 있습니다.
따라서 Perplexity 팀은 사용자 데이터를 확보하는 것을 매우 중요하게 생각합니다. 아무리 훌륭한 프리 트레이닝된 모델이 있더라도 사용자 데이터 없다면 그 모델은 쓸모없습니다. Perplexity 팀은 모델이 아닌 데이터가 핵심 자산이라는 신념을 가지고 있습니다. 현재 Perplexity 팀은 많은 데이터를 보유하고 있으며, 사용자가 Perplexity를 어떻게 사용하는지, 어떤 질문을 하는지, 모델을 어떻게 최적화할지를 정확히 파악하고 있습니다. 이러한 데이터를 통해 모든 것을 A/B 테스트할 수 있으며, 기존 모델 위에 추가 훈련을 통해 최적화 작업을 진행할 수 있습니다.
Perplexity는 사용자 선호 데이터를 활용하여 더 나은 제품 경험을 제공하는 것을 매우 중요하게 여기고 있습니다. 모델의 다양한 특성과 속성에 따라 최적화하는 방식이 ChatGPT와 다를 수 있습니다. 예를 들어, Perplexity의 모델은 환각(hallucination)을 일으키지 않도록 보상 함수를 설계했으며, 이 함수는 근거가 없으면 답변을 거부하도록 훈련합니다. 다른 제품에서는 환각이 오히려 몰입감을 줄 수 있지만, Perplexity의 경우 환각은 부정적인 사용자 경험을 제공할 수 있기 때문에 이를 철저히 방지하고 있습니다.
