Deep Research簡化研究用後感（黃岳永）
隨着生成式人工智能（Generative AI）的演進，由OpenAI開發的AI模型已經從基本的ChatGPT，發展到ChatGPT 4的多個後代。如今，ChatGPT、Google及Perplexity AI皆推出自家的Deep Research，爭取「最強研究助理」的地位。作為廣大的AI用戶之一，今天想和大家分享一下如何利用AI，進行研究或撰寫論文的步驟。
使用AI做研究時，最大的弊端是它很容易產生「幻覺」。與此同時，不少教育工作者仍認為，過度依賴AI進行研究會令人變得懶惰，進而失去批判性思考的能力。市場上AI模型甚多，筆者選用的是Perplexity Deep Research，其運作方式可以有效減少AI幻覺的出現。至於會否令人變得懶惰，老實說，對AI用戶而言，只是希望能以更短的時間完成工作，多出來的時間如何使用，還是看每個人的選擇。
Perplexity Deep Research目標是提供更深入的答案，簡化複雜的研究任務，並提供可受查證的引用資料，以滿足專業用戶的需求。簡言之，就是以低價格提供媲美企業級的AI研究報告生成能力。使用的方法亦相當簡單，用戶首先要為研究題目定義範圍、背景，以及要包含或排除的來源，確保研究符合特定目標；之後AI會搜尋、分析資料來源，並把研究結果綜合成簡明清晰的報告。期間用戶可以向AI不斷查詢，也可使用外部工具或其他AI模型以驗證資料來源。
Deep Research不是Perplexity獨有，筆者認為其優勝之處，在於它的測試時運算（Test-Time Compute）是使用思考鏈（Chain of Thought）方式推理，即在模型運作時通過步驟性的思考來得出答案，與人類的認知過程類似，並以概率推理模型（Probabilistic Reasoning Models）來綜合結果。系統可以在短短2至4分鐘內調和衝突資訊、排定權威資料來源的優先順序，快速生成報告。順帶一提，系統還支援用戶自訂報告範本，相當適合企業客戶使用。
相比之下，ChatGPT Deep Research等工具主要依賴OpenAI的o3 Reasoning Model（o3推理模型），強調多重步驟解決問題和上下文理解。因為ChatGPT擅長於細微的論證和詳細的探索，處理時間也會較長，可能由5至30分鐘不等。
以個人經驗而言，專注於速度和簡潔摘要，並提供資料來源的Perplexity Deep Research，非常適合快速驗證和事實檢查。如果使用時受限於標記或上下文視窗的限制，可以把主題拆分成較小的問題查詢，再逐步細化以維持焦點，並在綜合的過程中上傳之前的結果。這樣不僅完善AI的回應，也不會讓系統的處理能力不堪負荷。
與傳統方法或獨立的LLM（如ChatGPT-4）相比，Perplexity Deep Research以其速度、透明度和結構化的工作流程脫穎而出。AI工具在不斷進化，除了需要掌握這些系統的新技術知識，更重要的是保持批判性思維和轉換技能。還是那一句：「AI未必取代你，但懂用AI的人肯定會取代你。」
更多黃岳永文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
