Desde el lanzamiento de ChatGPT hace dos años, las personas han estado explorando nuevas formas de utilizar chatbots de IA generativa para automatizar tareas y responder preguntas. A pesar de que los chatbots de IA son herramientas útiles, no siempre son fuentes confiables de información.
Imagina un chatbot de IA que opere como un estudiante de doctorado virtual, citando fuentes para toda la información que proporciona. Eso es lo que Aravind Srinivas (Ph.D. ’21 CS) está tratando de hacer a través de su empresa de búsqueda impulsada por IA, Perplexity, que cofundó en 2022, junto con Andrew Konwinski (M.S. ’09, Ph.D. ’12 CS) y otros, poco después de completar sus estudios de doctorado en UC Berkeley.
“Los estudiantes de doctorado escriben artículos, y por cada oración que escriben, hacen referencia a otro artículo. De esa manera, el artículo se basa en hechos científicos,” dijo Srinivas. “Incorporamos ese principio en un chatbot de IA, y eso terminó convirtiéndose en Perplexity.”
Una nueva experiencia de búsqueda
Las tecnologías de IA a veces pueden crear respuestas erróneas. Srinivas buscaba reducir este problema construyendo un motor de búsqueda que solo proporcionara resultados que pudiera citar o referenciar.
“Desde el principio, Perplexity ha sido esta combinación de Wikipedia y ChatGPT teniendo un bebé juntos. Excepto que los datos de ese matrimonio provienen de toda la internet, no solo de Wikipedia,” dijo Srinivas. “Todavía puedes conversar y chatear como en ChatGPT, pero la respuesta sería como un artículo de Wikipedia, con subsecciones, citas y fuentes. Es como el tío educado de ChatGPT.”
Perplexity también forma parte de la búsqueda de Srinivas por ayudar a los humanos a satisfacer su necesidad de entretenimiento y su incesante curiosidad sobre el mundo.
“Nuestra visión más amplia es hacer el planeta más inteligente. Después de solo 30 segundos en Perplexity, deberías aprender algo,” dijo Srinivas. “Satisfacer la curiosidad a la escala de la humanidad es la gran misión hacia la que estamos trabajando.”
De Chennai a Berkeley
Srinivas se interesó por la IA mientras estaba en IIT Madras en India. Allí se enfocó en aprendizaje automático y fue invitado a unirse a un proyecto de investigación sobre la enseñanza de IA para jugar videojuegos de Atari de los años 70 como Pong y Breakout.
Srinivas luego realizó experimentos similares en aprendizaje por transferencia, una técnica de aprendizaje automático que utiliza el conocimiento adquirido de una tarea para mejorar el rendimiento en una tarea relacionada, y aprendizaje por refuerzo jerárquico, en el que la IA enfrenta problemas de toma de decisiones más complejos dividiéndolos en sub-tareas más pequeñas. Después de publicar algunos artículos sobre sus hallazgos, realizó una pasantía en el Montreal Institute of Learning Algorithms, donde el ganador del Premio Turing, Yoshua Bengio, le presentó conceptos de aprendizaje profundo. A continuación, fijó su mirada en Berkeley.
“Cuando se trataba de IA, creo que Berkeley era la universidad más activa en ese momento,” dijo. “Dos profesores de EECS, Pieter Abbeel y Alexei Efros, estaban produciendo artículos increíbles. Y un estudiante de Berkeley llamado John Schulman (Ph.D. ’16 EECS) estaba publicando muchos artículos interesantes y código de código abierto. Sabía que este era el lugar donde debía estar.”
Estudiar en Berkeley fue tanto un desafío como una inspiración para Srinivas. Apreció que se esperaba que los estudiantes de doctorado en Berkeley dirigieran cada paso del proceso de investigación y desarrollo, desde concebir la idea hasta realizar los experimentos iniciales y realizar toda la ingeniería.
“Al observar a otros estudiantes en el laboratorio de Pieter Abbeel, como Jonathan Ho (B.S. ’14 EECS, Ph.D. ’20 CS) y Peter Chen (B.A. ’14 CS, B.A. ’14 Estadística), vi la cantidad de trabajo que hacían por su cuenta,” dijo Srinivas. “De ellos aprendí que la ingeniería de software es crítica para hacer un gran trabajo en IA. No se trata solo de ecuaciones matemáticas en una pizarra, sino más bien de hacerlas funcionar en la práctica. Por lo tanto, necesitas ser un buen ingeniero.”
Después de su primer año en Berkeley, Srinivas fue reclutado por Schulman para trabajar como pasante de verano en OpenAI. Resultó ser una experiencia transformadora.
“La idea central de GPT se estaba concebiendo allí en ese momento, y eso cambió mucho mi perspectiva,” dijo Srinivas. “También aumentó mi nivel de ambición en aproximadamente diez mil veces.”
De ingeniero a empresario
Srinivas quería comenzar una empresa desde el momento en que llegó a Berkeley. Aunque pasó tiempo en el Berkeley Artificial Intelligence Research (BAIR) Lab bajo Abbeel y se consideraba un investigador, también deseaba ser un empresario. Solo necesitaba definir su enfoque.
Muchos de las startups de las que había oído hablar, como las que salían de Y Combinator y otros incubadores, generalmente eran fundadas por personas que habían abandonado la universidad con el objetivo de cambiar el mundo. Pero Srinivas buscaba un modelo de startup más práctico. Específicamente, quería aprovechar sus raíces académicas para construir una solución que, una vez en manos de los usuarios, pudiera impulsar el impulso y sostener el crecimiento.
“El ejemplo inmediato que se me ocurre fue Google,” dijo Srinivas. “Fue iniciado por académicos. La idea central es que puedes tener una gran idea académica o un insight, convertir eso en un producto y llevarlo a las manos de muchas personas. A medida que lo utilizan, obtienes muchos datos, y esos datos deberían alimentar el producto para que sea aún mejor y ayudarte a ganar más usuarios.”
También se inspiró en la serie de televisión de comedia “Silicon Valley”. “La trama giraba en torno a esta empresa que desarrollaba el ficticio algoritmo de compresión Pied Piper,” dijo Srinivas. “En ese momento, algunos colegas de mi laboratorio y yo estábamos muy interesados en modelos generativos y compresión. Y eso nos llevó a todos al campo de la IA generativa sin darnos cuenta.”
Srinivas pronto se dio cuenta de que lanzar una startup no sería fácil. Muchas cosas tenían que alinearse: la idea, las personas y la financiación. Después de completar su doctorado, trabajó un año en OpenAI y vio “cómo la IA pasó de ser un tema de investigación a generar un uso real.” Luego cristalizó su idea para Perplexity, se comunicó con inversores y se puso a trabajar en la construcción de su equipo.
Para Abbeel, su asesor de doctorado, el talento y la determinación de Srinivas eran evidentes desde el principio. “Cuando se trataba de investigación, Aravind era el tipo de estudiante que no solo aportaba una excelente ejecución, sino que también era capaz de combinar una gran visión,” dijo. “Y ahora lo estamos viendo hacer lo mismo con Perplexity, combinando una profunda experiencia en IA con una visión única y una ejecución excepcional, construyendo uno de los productos de IA más útiles y una de las empresas de IA más grandes hasta la fecha.”
Consejos para futuros ingenieros de Berkeley
El consejo de Srinivas para otros ingenieros de Berkeley que desean dar el salto de investigador a empresario es simple: comienza con una visión.
“Con Perplexity, por ejemplo, teníamos una visión para crear una experiencia de búsqueda completamente nueva, donde ahora puedes hacer preguntas que antes no habrías podido hacer,” dijo. “Recuerda que una verdadera visión, una verdadera obsesión acerca de algo, puede ser vista por otras personas también. Y eso es lo que te ayudará a reclutar personas y atraer financiación.”
Srinivas añadió: “Pero la parte más importante —y la más difícil— es persistir durante la fase en la que no estás seguro. Nunca te rindas, simplemente sigue adelante.”
