Luke Kim, grunnlegger og CEO av Liner – Intervju-serie

Luke Kim er grunnlegger og CEO av Liner, et banebrytende AI-drevet forskningstverktøy designet for å strømlinje og forbedre forskningsprosessen, og hjelper brukerne med å fullføre oppgavene sine 5,5 ganger raskere. Som en AI-søkemotor, gir Liner filtrerte søkeresultater for presis informasjon og genererer automatisk sitater i forskjellige formater, og er derfor en uvurderlig ressurs for forskere, studenter og fagfolk.

Kan du fortelle oss om din bakgrunn og hva som inspirerte deg til å drive entrepreneurship, særlig innen feltet AI og teknologi?

Min entreprenørskap begynte med et ønske om å løse virkelige problemer gjennom teknologi. Som student ble jeg slått av hvor vanskelig det var å navigere og stole på den overfloden av informasjon på nettet. Jeg var motivert til å skape et verktøy som strømlinjer prosessen og hjelper studenter å skille mellom kilder. Det som startet som et highlight-verktøy, som gjennomgikk tilgjengelig informasjon, utviklet seg over tid til det Liner er i dag: en AI-søk som gir bare de mest pålitelige resultater. Jeg ble trukket til AI for dens potensiale til å transformere hvordan vi prosesserer og samhandler med data. Muligheten til å skape meningsfulle løsninger for studenter, som min yngre selv, fortsetter å inspirere meg.

Hvordan påvirkte din erfaring med nettleser-utvidelsen du bygde under universitetsdagene visjonen for Liner?

Liner highlighter nettleser-utvidelsen var min første virkelige dykk i å løse problemet med informasjons-overlast. Det viste meg hvor mye mennesker verdsetter verktøy som gjør det enklere å finne og organisere nøkkelinformasjon. Jeg lærte at å forenkle selv ett trinn i en arbeidsflyt kan ha en stor innvirkning, enten det er å highlighte viktige punkter eller å fremheve relevante kilder. Dette prosjektet formede Liners forpliktelse til å skape en sømløs opplevelse for brukerne, og å hjelpe studenter og forskere å gjennomføre den overflod av støy på nettet.

Hva var den opprinnelige visjonen bak Liner, og hvordan har den utviklet seg siden oppstarten?

Liner begynte som et enkelt verktøy for å hjelpe brukerne med å highlighte og lagre nøkkel-deler av nett-innhold. Målet var å gjøre det enklere for brukerne å fokusere på den mest relevante informasjonen uten å bli overveldet. Over tid, erkjente vi at brukerne trengte mer enn en måte å samle og sortere informasjon – de trengte bedre måter å finne det og å skille mellom pålitelige og upålitelige kilder. Denne erkjennelsen ledet Liners transformasjon til en AI-søkemotor.

Hva var de største utfordringene du møtte mens du gikk fra Liner som et highlight-verktøy til en AI-drevet søkemotor?

En av de største utfordringene var å sikre at vår AI kunne jevnt og trutt levere pålitelige og nøyaktige resultater. Akademisk forskning krever en høy grad av tillit, og å møte disse forventningene var kritisk. En annen utfordring var å integrere år med bruker-highlightet data i AIens treningsprosess, samtidig som vi holdt plattformen intuitiv. Å finne en balanse mellom teknologisk innovasjon og en sømløs bruker-opplevelse var essensiell, men også usedvanlig belønning.

Ved å bygge Liners definisjon av “agent” fra bunnen av, var vi i stand til å skape en robust og stabil ramme for å forstå hva en agent virkelig er. Vi implementerte deretter en søke-agent som prioriterte pålitelighet og troverdighet. Gitt at vårt mål- publikum representerer toppen av troverdighets-fokuserte forventninger, trengte vi en distinkt løsning i stand til å håndtere de mest komplekse problemene. Vår styrke lå i å utnytte våre proprietære datasett, de tekniske innsiktene vi fikk under agent-definisjonsprosessen, og vår implementerings-ekspertise. Sammen ble disse elementene våre mest kraftfulle verktøy for suksess.

Kan du utdype hvordan integreringen av bruker-highlightet data forbedrer nøyaktigheten og påliteligheten av Liners AI-søkeresultater?

Bruker-highlightet data fungerer som et verdifullt lag av kvalitetskontroll, og hjelper vår LLM med å bestemme hva andre brukere finner viktig og troverdig. Ved å utnytte denne kurerte data, er vi i stand til å prioritere relevant og troverdig informasjon i våre søkeresultater. Dette tilnærmingen sikrer at brukerne får presise og handlebare innsikter, samtidig som de unngår irrelevante eller lavkvalitets-innhold.

Hvordan skiller Liner seg fra andre AI-søke-verktøy som ChatGPT eller Perplexity?

Liner skiller seg ut ved å prioritere pålitelighet og transparens. Hvert søkeresultat inkluderer en sitat, og brukerne kan filtere ut mindre pålitelige kilder for å sikre nøyaktighet. I tillegg kan studenter trekke ut kilder og vise den opprinnelige siterte teksten på skjermen. I motsetning til verktøy designet for uformelle spørsmål, er Liner spesifikt bygget for studenter, akademikere og forskere, og hjelper brukerne med å fokusere på dyptgående læring og analyse i stedet for å verifisere fakta. Dette engasjementet for tillit og brukervennlighet gjør Liner til et gå-til-verktøy for over 10 millioner brukere, inkludert studenter ved universiteter som UC Berkeley, USC, University of Michigan og Texas A&M. Liner fortsetter å skille seg gjennom partnerskap, som et nylig samarbeid med Tako, som integrerer kunnskaps-visualiserings-verktøy for å presentere komplekse data på en mer tilgjengelig og interaktiv måte, og gir brukerne mulighet til å dykke dyptere inn i sin forskning.

Hva tiltak tar Liner for å redusere hallucinasjoner i sine AI-responser, og hvordan påvirker dette bruker-tillit?

Å redusere hallucinasjoner krever å ankre AI-genererte responser til verifiserbare kilder. Liner oppnår dette ved å kryss-kontrollere sine resultater med akademiske papirer, regjerings-databaser og andre pålitelige repositoryer. Vår Kilde-Filter-System tillater brukerne å ekskludere upålitelig innhold, og gir en ekstra lag av kvalitets-sikring. Disse tiltakene ikke bare minimiserer feil, men bygger også tillit med brukeren.

Liners system er basert på relevans (relevans-scoren mellom agent-genererte krav og referanse-passer) og faktualitet (som vurderer hvor godt agent-genererte krav er støttet av referanse-passer). Jo mer støttende passasjen er, jo høyere er faktualitet-scoren. Ettersom vårt produkt sterkt oppmuntrer brukerne til å verifisere krav for å sikre at de er fri for hallucinasjoner, er det essensielt å forbedre faktualiteten av vårt agent-system. Til slutt observerer vi en positiv korrelasjon mellom faktualitet-scoren og bruker-tilbakehold.

Hva tiltak tar Liner for å bygge tillit blant brukerne, særlig de som er skeptiske til å stole på AI for kritisk informasjon?

Å bygge tillit begynner med transparens. Liner gir klare sitater for hvert resultat, og gir brukerne mulighet til å verifisere informasjonen selv. I tillegg rangerer vi kilder basert på pålitelighet og lar brukerne engasjere seg direkte med det opprinnelige innholdet. Kontinuerlig bruker-utdanning og åpen kommunikasjon spiller også en rolle i å demonstrere at AI, når det er designet ansvarlig, kan være en pålitelig alliert i utdanningen.

Hva trender tror du vil forme fremtiden for AI i akademisk forskning og profesjonell kunnskaps-innsamling?

AI vil bli stadig mer personlig, og tilpasse seg de unike behovene til hver enkelt bruker og gi tilpassede innsikter. Transparens vil være nøkkel, ettersom brukerne søker større klarhet om hvordan AI prosesserer informasjon og leverer resultater. Fremgang vil også fokusere på å håndtere informasjons-overlast og strømlinje forsknings-verktøy. Ved å automatisere repetitive oppgaver som data-innsamling og syntese, vil AI akselerere de tidlige stadiene av forskning, og ermöglice forskerne til å fokusere mer på kritisk tenkning, analyse og innovasjon. Denne balansen mellom effisiens og intellektuelt engasjement vil forme fremtiden for akademisk og profesjonell forskning.

Liner har nylig lykkes med å samle inn 29 millioner dollar i en finansierings-runde. Hvordan vil denne investeringen hjelpe Liner med å vokse, og hvilke områder fokuserer du på for utvidelse?

Denne finansieringen muliggjør at vi kan fremme vår misjon om å forbedre AI i utdanningen. Vi vokser vårt globale team og ruller ut nye funksjoner som Essay Mode, designet for å hjelpe studenter med å forbedre ferdighetene sine i å skrive, strukturere og formatere essays. Vi prioriterer også partnerskap med universiteter og profesjonelle organisasjoner for å nå flere brukere og vise fremtiden for AI-drevne forsknings-verktøy. Nylige samarbeid med selskaper som ThetaLabs og Tako har utvidet våre muligheter. Denne investeringen høydepunktet det voksende behovet for pålitelige søke-løsninger, og vi er ivrige etter å bygge på denne momentum.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Liner.