Luke Kim, założyciel i dyrektor generalny Liner – seria wywiadów

Luke Kim jest założycielem i dyrektorem generalnym Liner, nowoczesnym narzędziem badawczym opartym na sztucznej inteligencji, zaprojektowanym w celu usprawnienia i ulepszenia procesu badawczego, pomagającym użytkownikom wykonywać zadania 5,5 razy szybciej. Jako silnik wyszukiwania AI, Liner dostarcza filtrowane wyniki wyszukiwania precyzyjnych informacji i automatycznie generuje cytaty w różnych formatach, co czyni go nieocenionym zasobem dla badaczy, studentów i profesjonalistów.

Czy możesz opowiedzieć nam o swoim doświadczeniu i co zainspirowało Cię do podjęcia przedsiębiorczości, szczególnie w dziedzinie sztucznej inteligencji i technologii?

Moja przedsiębiorcza droga rozpoczęła się od chęci rozwiązywania rzeczywistych problemów przy pomocy technologii. Jako student zauważyłem, jak trudne jest poruszanie się po ogromnej ilości informacji w sieci i jak trudno im ufać. Zmotywowało mnie stworzenie narzędzia, które usprawnia ten proces i pomaga studentom odróżniać źródła. To, co zaczęło się jako narzędzie do podświetlania i przeszukiwania dostępnych informacji, z czasem przekształciło się w to, czym dziś jest Liner: wyszukiwarka AI dostarczająca wyłącznie najbardziej wiarygodne wyniki. Przyciągnęła mnie sztuczna inteligencja ze względu na jej potencjał do transformacji sposobu, w jaki przetwarzamy i wchodzimy w interakcję z danymi. Możliwość tworzenia wartościowych rozwiązań dla studentów, takich jak ja w młodości, nadal mnie inspiruje.

Jak Twoje doświadczenie z rozszerzeniem przeglądarki, które stworzyłeś w czasie studiów, ukształtowało wizję Liner?

Rozszerzenie przeglądarki Liner Highlighter było moim pierwszym poważnym zanurzeniem się w rozwiązywanie problemu nadmiaru informacji. Pokazało mi, jak bardzo ludzie cenią narzędzia ułatwiające znajdowanie i organizowanie kluczowych danych. Dowiedziałem się, że uproszczenie nawet jednego kroku w przepływie pracy może mieć duży wpływ, niezależnie od tego, czy chodzi o podświetlanie ważnych punktów, czy wyświetlanie istotnych źródeł. Ten projekt ukształtował zobowiązanie Liner do tworzenia płynnego doświadczenia dla użytkowników oraz pomocy studentom i badaczom w przebrnięciu przez nadmiar szumu w internecie.

Jaka była pierwotna wizja Liner i jak ewoluowała od momentu powstania?

Liner rozpoczął się jako proste narzędzie pomagające użytkownikom podświetlać i zapisywać kluczowe fragmenty treści online. Celem było ułatwienie skupienia się na najistotniejszych informacjach bez przytłaczania. Z czasem zauważyliśmy, że użytkownicy potrzebują czegoś więcej niż tylko sposobu na gromadzenie i sortowanie danych — potrzebują lepszych metod ich znajdowania i oceny wiarygodności. To odkrycie skierowało transformację Liner w wyszukiwarkę AI.

Jakie były największe wyzwania, z którymi musiałeś się zmierzyć, przekształcając Liner z narzędzia do podświetlania w wyszukiwarkę napędzaną sztuczną inteligencją?

Jednym z najważniejszych wyzwań było zapewnienie, aby nasza sztuczna inteligencja konsekwentnie dostarczała wiarygodne i dokładne wyniki. Badania akademickie wymagają wysokiego poziomu zaufania, a spełnienie tych oczekiwań było kluczowe. Kolejnym wyzwaniem było zintegrowanie wieloletnich danych podświetlonych przez użytkowników z procesem uczenia AI, zachowując przy tym intuicyjność platformy. Osiągnięcie właściwej równowagi między innowacją technologiczną a płynnym doświadczeniem użytkownika było niezbędne, a jednocześnie niezwykle satysfakcjonujące.

Tworząc definicję „agenta” w Liner od podstaw, udało nam się stworzyć solidne i stabilne ramy rozumienia, czym naprawdę jest agent. Następnie wdrożyliśmy agenta wyszukiwania, który priorytetowo traktuje wiarygodność i rzetelność. Biorąc pod uwagę, że nasza grupa docelowa stanowi szczyt oczekiwań skoncentrowanych na wiarygodności, potrzebowaliśmy wyjątkowego rozwiązania zdolnego do radzenia sobie z najbardziej złożonymi problemami. Naszą siłą było wykorzystanie własnych zbiorów danych, technicznych spostrzeżeń uzyskanych w trakcie definiowania agenta oraz naszej ekspertyzy wdrożeniowej. Razem te elementy stały się najpotężniejszymi narzędziami naszego sukcesu.

Czy możesz rozwinąć, w jaki sposób integracja danych podświetlonych przez użytkowników zwiększa dokładność i wiarygodność wyników wyszukiwania AI w Liner?

Dane podświetlone przez użytkowników stanowią cenną warstwę kontroli jakości, pomagając naszemu modelowi językowemu (LLM) rozróżniać, co inni użytkownicy uznają za istotne i wiarygodne. Wykorzystując te starannie dobrane dane, możemy priorytetyzować istotne i godne zaufania informacje w wynikach wyszukiwania. Takie podejście zapewnia użytkownikom precyzyjne i praktyczne wnioski, jednocześnie unikając nieistotnych lub niskiej jakości treści.

W jaki sposób Liner wyróżnia się na tle innych narzędzi AI do wyszukiwania, takich jak ChatGPT czy Perplexity?

Liner wyróżnia się, stawiając na wiarygodność i przejrzystość. Każdy wynik wyszukiwania zawiera cytat, a użytkownicy mogą odfiltrować mniej wiarygodne źródła, aby zapewnić dokładność. Dodatkowo studenci mogą pobierać źródła i wyświetlać oryginalny cytowany tekst na ekranie. W przeciwieństwie do narzędzi przeznaczonych do luźnych zapytań, Liner jest stworzony specjalnie dla studentów, naukowców i badaczy, pomagając im skoncentrować się na dogłębnym uczeniu i analizie, zamiast weryfikować fakty. To zaangażowanie w zaufanie i użyteczność sprawia, że Liner jest narzędziem wyboru dla ponad 10 milionów użytkowników, w tym studentów uczelni takich jak UC Berkeley, USC, University of Michigan i Texas A&M. Liner nadal wyróżnia się dzięki partnerstwom, takim jak niedawne z firmą Tako, które integrują narzędzia wizualizacji wiedzy, prezentując złożone dane w bardziej przystępnej i interaktywnej formie, umożliwiając użytkownikom głębsze zanurzenie się w badania.

Jakie środki podejmuje Liner, aby ograniczyć halucynacje w odpowiedziach AI i jak wpływa to na zaufanie użytkowników?

Redukcja halucynacji wymaga powiązania generowanych przez AI odpowiedzi z weryfikowalnymi źródłami. Liner osiąga to, krzyżując wyniki z publikacjami akademickimi, bazami danych rządowych oraz innymi zaufanymi repozytoriami. Nasz System Filtrowania Źródeł dodatkowo umożliwia użytkownikom wykluczanie niepewnych treści, zapewniając dodatkową warstwę kontroli jakości. Te działania nie tylko minimalizują błędy, ale także budują zaufanie użytkownika.

System Liner opiera się na trafności (wynik trafności pomiędzy twierdzeniami generowanymi przez agenta a fragmentami odniesienia) oraz faktualności (oceniającej, jak dobrze twierdzenia agenta są poparte fragmentami odniesienia). Im bardziej wspierający jest fragment, tym wyższy wynik faktualności. Ponieważ nasz produkt silnie zachęca użytkowników do weryfikacji twierdzeń, aby upewnić się, że są wolne od halucynacji, podnoszenie faktualności systemu agenta jest kluczowe. Ostatecznie obserwujemy pozytywną korelację pomiędzy wynikiem faktualności a retencją użytkowników.

Jakie kroki podejmuje Liner, aby budować zaufanie wśród użytkowników, szczególnie tych sceptycznych wobec polegania na AI w kwestii krytycznych informacji?

Budowanie zaufania zaczyna się od przejrzystości. Liner dostarcza wyraźne cytaty dla każdego wyniku, dając użytkownikom możliwość samodzielnej weryfikacji informacji. Dodatkowo klasyfikujemy źródła pod kątem wiarygodności i umożliwiamy użytkownikom bezpośrednie interakcje z oryginalną treścią. Stała edukacja użytkowników i otwarta komunikacja również odgrywają rolę w wykazywaniu, że AI, gdy jest projektowane odpowiedzialnie, może być niezawodnym sojusznikiem w edukacji.

Jakie trendy, Twoim zdaniem, będą kształtować przyszłość AI w badaniach akademickich i profesjonalnym pozyskiwaniu wiedzy?

Sztuczna inteligencja stanie się coraz bardziej spersonalizowana, dostosowując się do unikalnych potrzeb każdego użytkownika i dostarczając dopasowane wnioski. Przejrzystość będzie kluczowa, gdyż użytkownicy będą domagać się większej jasności co do sposobu, w jaki AI przetwarza informacje i dostarcza wyniki. Postępy będą również koncentrować się na zwalczaniu nadmiaru informacji i usprawnianiu narzędzi badawczych. Automatyzując powtarzalne zadania, takie jak zbieranie danych i ich synteza, AI przyspieszy wczesne etapy badań, umożliwiając badaczom większe skupienie na myśleniu krytycznym, analizie i innowacjach. Ta równowaga między efektywnością a zaangażowaniem intelektualnym ukształtuje przyszłość badań akademickich i zawodowych.

Liner niedawno z powodzeniem pozyskał rundę finansowania w wysokości 29 mln dolarów. Jak ta inwestycja pomoże Liner rosnąć i na jakich obszarach koncentrujecie się w ramach ekspansji?

Ta inwestycja umożliwia nam realizację misji ulepszania AI w edukacji. Rozbudowujemy nasz globalny zespół i wprowadzamy nowe funkcje, takie jak tryb Essay Mode, zaprojektowany, aby pomóc studentom doskonalić umiejętności pisania, strukturyzacji i formatowania esejów. Priorytetowo traktujemy także partnerstwa z uczelniami i organizacjami zawodowymi, aby dotrzeć do większej liczby użytkowników i pokazać wpływ narzędzi badawczych opartych na AI. Ostatnie współprace z firmami takimi jak ThetaLabs i Tako poszerzyły nasze możliwości. Ta inwestycja podkreśla rosnące zapotrzebowanie na niezawodne rozwiązania wyszukiwania i jesteśmy gotowi rozwijać ten impet.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Liner.