執筆：Techub News 整理
イントロダクション
2025 年 5 月、評価額が 10 億ドルを超えるAI検索ユニコーン企業Perplexity AIの創設者兼CEOであるAravind Srinivas（アラヴィンド・スリニヴァス）は、母校であるカリフォルニア大学バークレー校に戻り、バークレーで博士号を取得していた際の指導教官であり、ロボット学習分野の著名な教授であるPieter Abbeel（ピーター・アビール）と深い対話を行いました。この対話は、師弟の再会だけでなく、AI業界の最先端に対する深い洞察でもありました。
Aravind Srinivas（アラヴィンド・スリニヴァス）は、バークレー在学中から高生産性で高影響力のある研究で知られており、卒業後はDeepMindやOpenAIなどのトップ機関でインターンシップを経験しました。彼は 2022 年にPerplexity AIを共同設立し、リアルタイムのウェブ情報源を基にした引用付きの「回答エンジン」を構築することを目指しました。これは、従来の検索エンジンやチャットボットとは異なるものです。ChatGPTが生成AIの波を引き起こした背景の中で、Perplexityはその独自の製品ポジショニングにより急速に成長し、AI業界で最も注目を集める新星の一つとなりました。今回の対話では、彼は起業の初心と成長の軌跡を振り返るだけでなく、AIの価値の流れ、オープンソースモデルの衝撃（DeepSeekなど）、そして未来の人とAIのインタラクション形態に関する先見的な判断を共有しました。
サマリー
- Perplexityの核心理念は「回答エンジン」と「研究パートナー」であり、その製品設計は学術研究における情報源の引用原則に強く影響を受けています。リアルタイムの情報源と引用を伴った高品質な回答を提供することを目指しています。
- AIの価値は主にアプリケーション層（Perplexityなど）とチップ層（NVIDIAなど）に蓄積され、中間の基盤モデル層はオープンソースと競争により利益が薄くなります。
- 中国チームが開発したオープンソース推論モデルDeepSeekは業界の重要な転換点であり、低コストで高性能なモデルを訓練できる可能性を示し、クローズドソースモデルのメーカーにイノベーションと価格引き下げを加速させました。
- Perplexityの将来戦略は「もう一つのAIアプリケーション」を超え、「Comet」と呼ばれるAIネイティブブラウザを構築し、深いOS/ハードウェア統合を通じてAIアシスタントをどこにでも存在させることです。
- AI時代において、明確で正確なコミュニケーション能力（人とのやり取りでもAIとのやり取りでも）は非常に重要なコアスキルとなります。
学術研究から回答エンジンへ：Perplexityの誕生
Pieter Abbeel（ピーター・アビール）は冒頭で、Aravind Srinivas（アラヴィンド・スリニヴァス）が現在達成した成果は自分をはるかに超えているとユーモラスに述べました。Perplexityが何であるかと尋ねられた際、Srinivasは学術的背景に基づいた定義を提示しました：回答エンジン、研究アシスタント、研究パートナーのようなもの。
彼は、Perplexityのコアデザイン原則はバークレーでの博士課程での経験に直接由来すると説明しました。「初めて論文を書くとき、何でも書いてはいけないことを学びます。実際、各文の後には情報源、できればピアレビューされた信頼できる情報源が必要です。」彼らはこの原則をAIチャットボットに導入しました。無造作に返答を生成するチャットボットとは異なり、Perplexityは積極的にウェブから関連する情報源を選び、要約し、脚注を提供します。ユーザーはこのような「エンジン」と対話できます。
時間の経過とともに、Perplexityはより支援的な体験へと進化しました。ウェブ情報を呼び出すだけでなく、コードを書いたり、チャートを作成したり、スポーツや金融などの異なるデータプロバイダーからデータを抽出したり、これらすべての機能を支援型チャット体験にパッケージ化しました。現在、会社は次のステップを踏み出そうとしています：「Comet」と呼ばれるブラウザを構築することです。これは今後三、四週間以内にリリースされる予定です。ユーザーは日常業務の中で、ブラウザ内で直接AIにタスクを依頼できるようになります。例えば、「LinkedInで私に適したすべての仕事に応募する」といったことが可能です。
製品の初期採用シナリオについて、Srinivasは予想外の「キラーアプリ」を共有しました：健康と医療相談です。アメリカでは医療システムが最適ではなく、人々は自身の状態について疑問を持つことがよくあります。PerplexityはPubMed、NIH、WebMDなどの専門サイトを参照し、無関係な情報をフィルタリングし、bioRxivなどのプレプリントを読んで、情報源に基づいた回答を提供できます。彼自身も、サプリメントや長年議論されている薬に関する最新研究を調べるために頻繁に使用しています。
教育分野では、Perplexityの「スペース」（Spaces）機能も人気を博しています。学生は各コースごとにスペースを作成し、すべての学習教材をアップロードし、特定の内容について質問したり、学習ガイドを作成したり、クラスメートと共有したりできます。これは各学生に常時利用可能な個人チューターを提供するようなものです。Srinivasは、未来の理想的な状態は「能動的AI」であり、あるトピックに対する理解度を把握し、既に質問した内容に基づいて、どこに時間を費やすべきかを正確に教えてくれるものだと展望しています。
バークレー時代と起業家精神の目覚め
対話は自然にSrinivasの個人的な経歴に移りました。バークレーの学術環境から起業に至った経緯を尋ねられた際、彼は最初、バークレーは「非常に学術的な学校」であり、スタンフォードが起業の揺り籠だと思っていたと率直に語りました。「スタンフォードはGoogle、Cisco、Yahooが生まれた場所で、バークレーの人々は教職を得る」と。しかし、Pieter Abbeel（ピーター・アビール）などの教授も起業しており、Databricksなどの会社の成功を見て、彼は徐々にバークレーの起業家精神を感じるようになりました。
彼はGoogleの設立ストーリーを深く研究し、起業の野心は常にありましたが、適切なタイミング、アイデア、チームを待っていました。「会社を設立するには多くの運が必要です」と彼は言います。「会社を成功させるには、大きな運が必要です。しかし、適切なタイミング、適切な場所、適切なチームで会社を設立するには、さらに多くの要素が同時に揃う必要があります。」彼は謙虚にPerplexityの成功を一部「運が良かった」としていますが、同時に、バークレーはAIが研究から実践へ急速に移行する時代において独特の利点を持っていたと強調しました。彼は、入学した年、バークレーのAIプログラムは約 2000 名の応募者から 40 人を採用し、そのうち 38 人がオファーを受け入れ、スタンフォード、MIT、CMUなどの名門校を辞退したと回想しました。当時、バークレーはAI研究の最前線で最もエキサイティングな場所だったからです。このような激しい競争環境は、各人が最高の論文を書くよう促し、強固な基盤を築きました。
Pieter Abbeel（ピーター・アビール）は、Srinivasがどのようにインドから抜け出し、Yoshua Bengio（ヨシュア・ベンジオ）と協力する機会を得たのかと尋ねました。Srinivasは、彼の「リソースフルネス」を示すエピソードを共有しました：インド工科大学（IIT）在学中、ある教授がDeepMind DQN（AtariゲームをプレイするAI）の論文を彼に渡し、Pythonで再現し、転移学習を試みるよう指示しました。計算リソースがなかったため、彼は研究室でゲームに夢中になっていた博士課程の学生のグラフィックカードを「借り」ました。最終的に、彼は論文を再現し、基礎研究を行い、論文を発表しました。彼はこれらの成果を履歴書にまとめ、モントリオール研究所（MILA）のインターンシップに応募し、Theanoフレームワークを独学で習得したことで機会を得ました。
Abbeelは笑いながら、彼がSrinivasに最も多く言ったアドバイスは「寝るべきだ」だったと付け加えました。Srinivasは現在、これを非常に重要視しており、毎晩 7.5 時間眠っていると誇らしげに語り、睡眠はストレスに対処する最良の方法であり、ピザやアイスクリームなどの短期的なストレス解消法よりもはるかに優れていると考えています。
AIの価値の流れとオープンソースモデルの衝撃
話題は業界のマクロトレンドに移りました。Pieter Abbeel（ピーター・アビール）は、過去一年のAI分野の大きな出来事は中国チームDeepSeekの台頭かもしれないと述べました。Srinivasは完全に同意し、これを「巨大な転換点」と呼びました。
彼は、DeepSeekは最初のオープンソースの「推論モデル」であると説明しました。GPTなどの典型的なモデルとは異なり、推論モデルは「思考の連鎖」を行い、ある程度の「意識の流れ」を経てから回答を提供するため、複雑なクエリやタスクを処理する際に強力です。以前、OpenAIのo3 モデルは推論能力を持っていましたが、クローズドソースでした。中国のDeepSeek研究所はモデルをオープンソース化し、重みを無料で公開し、アプリケーションも無料で提供し、多くのベンチマークテストでOpenAIの成果を上回りました。彼らはこのモデルを訓練するために 600 万ドルしか費やしていないと主張しています（誇張されている可能性はありますが）、これは数百億ドルの投資とは対照的です。
この出来事は世界的な衝撃を引き起こしました：私たちは本当に巨大なスーパーコンピュータと莫大な資金が必要なのか？なぜアメリカはそれを実現できなかったのか？現在の中米関係の背景もあり、この出来事の影響はさらに深遠です。Srinivasは、これはPerplexityのようなアプリケーション層の企業にとって有利であると指摘しました。なぜなら、オープンソースモデルがクローズドソースモデルを超えるたびに、クローズドソースモデルの研究所は迅速に対応し、価格を下げ、より良いモデルをリリースし、市場に迅速に投入するため、エコシステム全体にとって良いことです。
では、AIの能力がますます高まる中、価値はどこに流れるのでしょうか？Srinivasは明確な判断を示しました：価値はアプリケーション層とチップ層に蓄積される。
彼は、アプリケーション層（Perplexityなど）はユーザーが直接AIを体験する層であり、ユーザーの個人的なコンテキストを含むため、独特で差別化された体験を構築できると説明しました。チップ層（NVIDIAなど）はインテリジェンスの「基盤マトリックス」を提供します。一方、中間の基盤モデル層は、コアの推論、要約、翻訳、数学的コーディングなどの能力が商品化されつつあり、オープンソースモデルの「底辺への競争」により、利益幅が圧迫されます。
アプリケーション層の下には、データセンターやチップなどの物理的なインフラストラクチャがあります。超大型クラウドプロバイダーだけが、何千ものGPUを収容し、高い信頼性と高速相互接続を備えた巨大なサーバークラスターを構築する資本と能力を持っています。これは大量の資本支出を必要とする領域です。
大胆な野心：TikTokの買収競争からAIネイティブブラウザの構築へ
Pieter Abbeel（ピーター・アビール）は、SrinivasとPerplexityのいくつかの驚くべき大胆な動きについて言及しました。例えば、TikTokの買収競争に参加したことです。Srinivasは、これは冗談ではなく、実際に彼らがオファーを提出したことを確認しました。彼の考えは、TikTokは現在アメリカのユーザーの約三分の一を抱えており、その検索バーの日々のトラフィックはGoogle検索の三分の一に達しているということです。もしTikTokを所有し、そのアルゴリズムを再構築し、検索バーを引き継ぐことができれば、大きな戦略的価値を持つでしょう。しかし、彼はまた、この問題は高度に政治化されており、関税などの問題が焦点となるにつれ、公衆の注目はすでに移っていると認めました。
もう一つの注目を集めた動きは、Perplexityがアメリカ司法省のGoogleに対する独占禁止訴訟で証言したことです。Srinivasは、彼らがGoogleのChromeブラウザを買収することを提案したわけではないと明らかにしました。むしろ、彼らは証言の中で、GoogleにChromeの売却を強制することに反対しました。なぜなら、ChromeはGoogleが主導するオープンソースプロジェクトであるChromiumと密接に結びついており、ChromiumはMicrosoft Edge（市場シェア第二位）などの他のブラウザの基盤となっているからです。彼らは、ChromiumがGoogleによって維持されることは、（彼が暗に示した）OpenAIのような「名ばかり」の会社が管理するよりも良いと考えました。もちろん、彼らはまた、司法省が売却を要求する場合、Perplexityは引き継ぐことに興味があると述べました。
これらの出来事は、設立からわずか二年半のPerplexityが、世界のテック巨人の構造を形成するトップレベルの対話に参加していることを示しています。
より実践的な面では、Perplexityは深い統合を通じてそのカバレッジを拡大しています。例えば、ドイツテレコムと提携し、T-Phoneのロック画面にPerplexityアシスタントを組み込んだり、モトローラとプリインストール契約を結び、年間約 4000 万台のスマートフォンをカバーしたりしています。Srinivasは、彼らの戦略はAIをどこにでも存在させ、簡単にアクセスできるようにすることであり、ユーザーに特定のアプリを学ぶよう要求することではないと強調しました。未来の方向性は、深いOSレベルまたはアプリケーションレベルの統合であり、AIアシスタントが常にユーザーと共にあることです。
研究、教育、製品思考：成功の背後にある方法論
Pieter Abbeel（ピーター・アビール）は、Srinivasがバークレー在学中に驚異的な研究成果を上げたことを振り返りました。無教師視覚学習、強化学習の加速、フローモデル、TransformerとConvNetの融合、ビデオ生成、強化学習Transformerなど、多くの分野で画期的または大幅な改善を行いました。彼は成功の秘訣を尋ねました。
Srinivasは、その一部を集中力と勤勉さに帰しました。特にCOVID-19 パンデミックの間、彼はほとんどすべての時間を仕事に費やしました。しかし、彼は重要な方法論の転換を共有しました：初期の彼は、アイデアが複雑であればあるほど、分野内でより多くの尊敬を得られると考えていましたが、これは誤りでした。後に彼は、分野内の少数の「賢い人々」に迎合するのではなく、十分にシンプルで基礎的な変化をもたらす仕事をし、広範なアクセシビリティを持つようにすることが重要だと気づきました。真に重要なアイデアは、十分にシンプルで、誰もがその上に構築できるものです。
彼はまた、Pieter Abbeel（ピーター・アビール）やJonathan Hoらと共にバークレーで「深層無教師学習」コースを教えた経験について言及しました（このコースは後に生成AIコースに進化しました）。当時、彼らは強化学習モデルが常識を欠いていることに気づき、常識を獲得する唯一の方法は膨大なデータを吸収することであり、唯一の「スポンジ」となる目的関数は無教師学習であると認識しました。このテーマを深く理解するために、彼らはコースを開設することを決めました。「何かを学ぶ最良の方法は、それを教えることです。」このコースは最初に 200 人の学生を迎え、最初の課題の後には 50 人だけが残りましたが、教育プロセスは彼らの知識を大幅に強化し、その後の研究の基盤となりました。
AI時代の学生がAIを利用しつつ独立した思考を維持する方法について、Srinivasは答えが六ヶ月ごとに変化すると率直に述べました。しかし、彼は、明確で論理的な思考能力が極めて重要であると考えています。AIと協力する場合でも、ニーズを正確かつ明確に表現し、AIと反復してタスクを完了する人々は、はるかに効率的です。これは普遍的なスキルであり、人と対話する場合でもAIと対話する場合でも、コミュニケーションと表現が得意な人々は成功しやすいです。
マーケティングに関して、Srinivasは独特の見解を持っています。彼は、創設者や製品構築者が製品の価値をユーザーに伝える最適な人物であると考えています。なぜなら、彼らは製品がなぜ存在し、どのように最適に使用されるかを最も理解しているからです。彼はこの理念を博士課程に遡ります：彼はおそらく、論文の核心的な価値を詳細に解説するためにTwitterの長いスレッド（Thread）を体系的に使用した最初の人物の一人です。単に論文のリンクを投稿するのではなく、この方法は思想の伝播を大幅に加速し、彼に、複雑なアイデアを凝縮し、広範な聴衆に効果的に伝えるスキルは、生活のあらゆる側面に適用できることを気づかせました。もちろん、彼は冗談めかして、今やAIが自動的に論文をTwitterスレッドに要約できると述べました。
Q&Aセッション：競争、プライバシー、未来
続く観客からのQ&Aセッションで、Srinivasは多くの鋭い質問に答えました。
Perplexityのコア競争優位性について、彼は、各クエリに対して信頼性を持ってウェブからリアルタイムの結果を取得し、情報源を提供する能力、そして回答の速度と広さを指摘しました。しかし、彼はさらに進んで、AIネイティブブラウザを構築し、ユーザーがどのAIツールを使用するかを考える必要がなく、AIアシスタントが自然にすべてのウェブページと入力ボックスに存在するようにすることが競争の次のステップであると考えています。
データプライバシーについて、Perplexityは「シークレットモード」を提供しており、ブラウザの機能と同様に、クエリは永続的に保存されません。エンタープライズ版では、ログは一切保存されません。ユーザーはまた、AIの使用履歴を削除し、トレーニングに使用されないようにすることもできます。
リソースがはるかに優れた競合他社に対処する方法について、Srinivasの答えは：より迅速に行動し、より多くの機能をリリースし、より困難で大きな賭けを行う勇気を持つことです。例えば、ブラウザやOSレベルの統合を開発することです。競合他社もゼロから全く新しい製品（ブラウザなど）を構築しなければならない場合、競争は単にコア製品に機能を追加するだけの戦いではなくなります。
技術的背景からCEOに転身するために必要な学習について、Srinivasの答えは時代を反映しています：彼は特にビジネスやリーダーシップを学ぶために時間を割いたわけではなく、Perplexity製品自体が彼の学習と意思決定のツールでした。医療保険を理解することから、採用面接の質問を準備すること、ダッシュボードデータに基づいてAIに財務予測や資金調達スピーチを生成させることまで、彼はPerplexityに依存しています。彼の見解では、AI時代において、良い製品を構築し、ユーザーを獲得し、一部のユーザーを有料ユーザーに変換し、実行記録に基づいて資金調達するこの道筋は、伝統的な意味での「ビジネスを学ぶ」よりも直接的で効果的です。
最後に、Pieter Abbeel（ピーター・アビール）は、次にエキサイティングな研究の方向性について尋ねられました。彼は二つの点を指摘しました：一つは、物理世界（ロボット）におけるAIの応用が可能になりつつあることです。なぜなら、これは極めて高い信頼性とエラー修正能力を必要とし、より強力なモデルがそれを現実にするからです。二つ目は、継続学習（Continual Learning）です。これは、モデルが人間のように新しい知識を継続的に吸収し、改善できるようにすることで、半年ごとの「大規模なトレーニングラン」に依存するのではなく、ゲームチェンジャーとなる研究の突破口です。
