Perplexity AI用于文献搜索：它在哪里超越Google Scholar，哪里不如

2024年2月1日 AI科研

Perplexity AI在2022年以”有引用的搜索引擎”为卖点推出。对学术工作来说，它占据了特定的细分市场：更快地初步了解研究领域的全貌，但在需要严肃学术工作的信源核实方面存在真实局限。

Perplexity擅长什么

向Perplexity提问”Y领域中解释X的主要理论是什么？”，你会得到一个带有内联引用的综合答案，链接到真实来源，而不是十个蓝色链接。要快速了解一个新领域，这可以把几天的阅读压缩成一小时。学术模式（Pro计划可用，约20美元/月）将结果过滤为学术来源，包括论文、预印本和学术网站。

具体优势：生成某个小众领域的研究者名单、了解领域内的主要争论、快速了解不熟悉的方法论，以及在你还不知道足够关键词来有效搜索Google Scholar时找到起始论文。

不足之处

Perplexity会产生幻觉引用。链接的来源确实存在，但归因于它的具体说法有时并不准确。在学术工作中引用通过Perplexity发现的内容之前，打开来源并核实具体陈述。这个额外的核实步骤抵消了精确工作中的部分时间节省。

覆盖范围不完整。Perplexity从网络抓取，而不是完整的期刊数据库。爱思唯尔、施普林格、威利旗下的付费墙论文可能不出现或不出现内容。Google Scholar索引更多，Semantic Scholar可访问更多全文。

正确的工作流程

用Perplexity做定向，即文献调研的前20%阶段，此时你在建立对领域的思维地图。然后切换到Semantic Scholar、Elicit或直接的数据库搜索（PubMed、IEEE Xplore、ACM数字图书馆）进行系统性覆盖。Perplexity将定向阶段从一周缩短到一天，但不能替代严谨的数据库检索。