Luke Kim, grundare och VD för Liner – Intervju-serie

Luke Kim är grundare och VD för Liner, ett banbrytande AI-drivet forskningsverktyg som är utformat för att effektivisera och förbättra forskningsprocessen, vilket hjälper användare att slutföra sina uppgifter 5,5 gånger snabbare. Som en AI-sökmotor tillhandahåller Liner filtrerade sökresultat för exakt information och genererar automatiskt citat i olika format, vilket gör det till en ovärderlig resurs för forskare, studenter och proffs.

Kan du berätta om din bakgrund och vad som inspirerade dig att bli entreprenör, särskilt inom AI och teknik?

Min entreprenöriella resa började med en önskan att lösa verkliga problem genom teknik. Som student var jag slagen av hur svårt det var att navigera och lita på den överflöd av information som finns online. Jag var motiverad att skapa ett verktyg som effektiviserar processen och hjälper studenter att skilja mellan källor. Det som började som ett markeringverktyg, som gallrar igenom tillgänglig information, utvecklades över tid till vad Liner är idag: en AI-sökning som endast tillhandahåller de mest tillförlitliga resultaten. Jag drogs till AI för dess potential att omvandla hur vi bearbetar och interagerar med data. Möjligheten att skapa meningsfulla lösningar för studenter, som min yngre jag, fortsätter att inspirera mig.

Hur påverkade din erfarenhet av webbläsartillägget du byggde under din universitetstid visionen för Liner?

Liner-markeringstillägget var mitt första riktiga försök att lösa problemet med informationsöverbelastning. Det visade mig hur mycket människor värdesätter verktyg som gör det lättare att hitta och organisera nyckelinformation. Jag lärde mig att förenkla även ett steg i en arbetsflöde kan ha en stor inverkan, antingen det är att markera viktiga punkter eller presentera relevanta källor. Detta projekt formade Liners åtagande att skapa en sömlös upplevelse för användare och hjälpa studenter och forskare att gallra igenom det överskott av brus som finns på internet.

Vad var den ursprungliga visionen bakom Liner, och hur har den utvecklats sedan dess tillkomst?

Liner började som ett enkelt verktyg för att hjälpa användare att markera och spara viktiga delar av onlineinnehåll. Målet var att göra det lättare för användare att fokusera på den viktigaste informationen utan att bli överväldigad. Över tid insåg vi att användare behövde mer än ett sätt att samla in och sortera information – de behövde bättre sätt att hitta den och avgöra dess tillförlitlighet. Denna insikt ledde Liners omvandling till en AI-sökmotor.

Vilka var de största utmaningarna du mötte medan du övergick Liner från ett markeringverktyg till en AI-driven sökmotor?

En av de mest betydande utmaningarna var att säkerställa att vår AI kunde konsekvent leverera tillförlitliga och precisa resultat. Akademisk forskning kräver en hög grad av tillförlitlighet, och att möta dessa förväntningar var avgörande. En annan utmaning var att integrera år av användarmarkerad data i AI:s utbildningsprocess samtidigt som plattformen förblev intuitiv. Att hitta rätt balans mellan teknisk innovation och en sömlös användarupplevelse var avgörande men också otroligt givande.

Genom att bygga Liners definition av “agent” från scratch kunde vi skapa en robust och stabil ram för att förstå vad en agent verkligen är. Vi implementerade sedan en sökagent som prioriterade tillförlitlighet och trovärdighet. Eftersom vår målgrupp representerar höjden av trovärdighetsfokuserade förväntningar behövde vi en distinkt lösning som kunde hantera de mest komplexa problemen. Vår styrka låg i att utnyttja våra egna datamängder, de tekniska insikterna som vunnits under agentdefinitionen och vår implementeringskompetens. Tillsammans blev dessa element våra kraftfullaste verktyg för framgång.

Kan du förklara hur integrationen av användarmarkerad data förbättrar tillförlitligheten och precisionen i Liners AI-sökresultat?

Användarmarkerad data fungerar som ett värdefullt lager av kvalitetskontroll, som hjälper vår LLM att avgöra vad andra användare anser vara viktigt och trovärdigt. Genom att utnyttja denna kuraterade data kan vi prioritera relevant och trovärdig information i våra sökresultat. Detta tillvägagångssätt säkerställer att användare får precisa och handlingsbara insikter samtidigt som de undviker irrelevanta eller lågkvalitativa innehåll.

Hur skiljer sig Liner från andra AI-söktjänster som ChatGPT eller Perplexity?

Liner utmärker sig genom att prioritera tillförlitlighet och transparens. Varje sökresultat innehåller ett citat, och användare kan filtrera bort mindre tillförlitliga källor för att säkerställa precision. Som ytterligare åtgärd kan studenter hämta källor och visa den ursprungliga citerade texten på sin skärm. Till skillnad från verktyg som är utformade för informella frågor är Liner specifikt utformat för studenter, akademiker och forskare, vilket hjälper användare att fokusera på djupinlärning och analys snarare än att verifiera fakta. Detta åtagande till tillförlitlighet och användbarhet gör Liner till ett gå-till-verktyg för över 10 miljoner användare, inklusive studenter vid universitet som UC Berkeley, USC, University of Michigan och Texas A&M. Liner fortsätter att skilja sig genom partnerskap, som ett nyligt partnerskap med Tako, som integrerar kunskapsvisualiseringsverktyg för att presentera komplexa data i ett mer tillgängligt och interaktivt format, vilket ger användare möjlighet att dyka djupare i sin forskning.

Vilka åtgärder vidtar Liner för att minska hallucinationer i sina AI-svar, och hur påverkar detta användartillit?

Att minska hallucinationer kräver att AI-genererade svar anknyts till verifierbara källor. Liner uppnår detta genom att korsreferera sina resultat med akademiska artiklar, regeringsdatabaser och andra pålitliga källor. Vårt källfilterningssystem tillåter användare att utesluta opålitligt innehåll, vilket ger en extra lager av kvalitetskontroll. Dessa steg minskar inte bara fel utan bygger också tillit hos användaren.

Liners system bygger på relevans (relevanspoängen mellan agentgenererade påståenden och referenspassager) och faktualitet (som bedömer hur väl agentgenererade påståenden stöds av referenspassagerna). Ju mer stöd passagen ger, desto högre faktualitetspoäng. Eftersom vår produkt starkt uppmuntrar användare att verifiera påståenden för att säkerställa att de är fria från hallucinationer är det avgörande att förbättra faktualiteten i vårt agentsystem. Slutligen observerar vi en positiv korrelation mellan faktualitetspoängen och användarretention.

Vilka steg tar Liner för att bygga tillit bland användare, särskilt de som är skeptiska till att lita på AI för kritisk information?

Att bygga tillit börjar med transparens. Liner tillhandahåller tydliga citat för varje resultat, vilket ger användare möjlighet att verifiera informationen själva. Dessutom rankar vi källor baserat på tillförlitlighet och tillåter användare att engagera sig direkt med ursprungsinnehållet. Kontinuerlig användarutbildning och öppen kommunikation spelar också en roll i att demonstrera att AI, när det utformas på ett ansvarsfullt sätt, kan vara en pålitlig allierad i utbildning.

Vilka trender tror du kommer att forma framtiden för AI i akademisk forskning och professionell kunskapsåtervinning?

AI kommer att bli alltmer personligt, anpassat till de unika behoven hos varje användare och tillhandahåller skräddarsydda insikter. Transparens kommer att vara nyckeln, eftersom användare söker större klarhet om hur AI bearbetar information och levererar resultat. Framsteg kommer också att fokusera på att hantera informationsöverbelastning och effektivisera forskningsverktyg. Genom att automatisera repetitiva uppgifter som datainsamling och syntes kommer AI att påskynda de tidiga stadierna av forskning, vilket möjliggör för forskare att fokusera mer på kritiskt tänkande, analys och innovation. Denna balans mellan effektivitet och intellektuell engagemang kommer att forma framtiden för akademisk och professionell forskning.

Liner nyligen framgångsrikt höjde en finansieringsrunda på 29 miljoner dollar. Hur kommer denna investering att hjälpa Liner att växa, och vilka områden fokuserar du på för expansion?

Denna finansiering möjliggör att vi kan fortsätta vår mission att förbättra AI i utbildning. Vi växer vår globala team och lanserar nya funktioner som Essay Mode, som är utformat för att hjälpa studenter förbättra sina färdigheter i att skriva, strukturera och formatera essäer. Vi prioriterar också partnerskap med universitet och professionella organisationer för att nå fler användare och visa AI-drivna forskningsverktygs påverkan. Nyliga samarbeten med företag som ThetaLabs och Tako har utvidgat våra möjligheter. Denna investering belyser det växande behovet av tillförlitliga söklösningar, och vi är angelägna om att bygga på denna momentum.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Liner.