Perplexity lancia il team Frontier Research per costruire un ricercatore automatizzato
Punti chiave
- •Perplexity ha lanciato Perplexity Frontier Research, un'unità dedicata alla creazione di un sistema AI in grado di condurre in autonomia l'intero processo di ricerca scientifica.
- •L'azienda ha destinato almeno 10.000 GPU a supporto di esperimenti di pre-addestramento, apprendimento per rinforzo e apprendimento continuo.
- •L'iniziativa è guidata da Andrew Gordon Wilson, ricercatore di machine learning riconosciuto per il suo lavoro sul deep learning bayesiano.
- •Perplexity prevede di assumere a San Francisco, Palo Alto, New York e Londra, pubblicando regolarmente gli articoli, i modelli e i dati dell'unità.
- •L'enfasi dell'unità sull'orchestrazione multi-agente riflette una più ampia tendenza del settore a coordinare più modelli AI specializzati per gestire compiti complessi.

Perplexity ha lanciato un'unità di ricerca dedicata, Perplexity Frontier Research, con l'obiettivo di costruire un ricercatore automatizzato: un sistema AI pensato per condurre in autonomia l'intero processo scientifico. L'azienda ha destinato almeno 10.000 GPU a supporto dell'iniziativa, annunciata lunedì 16 novembre 2026. La mossa porta Perplexity, nota soprattutto per il suo motore di risposte basato sull'AI, nella ricerca su modelli su larga scala, dove impegni con migliaia di GPU sono diventati lo standard minimo per le ambizioni AI di frontiera.
Cosa sta costruendo Perplexity
L'ambizione dichiarata è uno scienziato automatizzato: un sistema capace di svolgere in autonomia l'intero processo di ricerca scientifica. L'impegno di calcolo è destinato a supportare esperimenti su larga scala in tre aree fondamentali: il pre-addestramento, l'apprendimento per rinforzo (RL) e l'apprendimento continuo. In termini generali, il pre-addestramento stabilisce le capacità di base di un modello, l'apprendimento per rinforzo affina il comportamento attraverso feedback e l'apprendimento continuo consente a un sistema di continuare ad acquisire nuove conoscenze nel tempo. La scala di 10.000 GPU sottolinea quanto queste aree siano intensive in termini di calcolo, poiché pre-addestramento e apprendimento per rinforzo alla scala di frontiera vengono tipicamente eseguiti su migliaia di acceleratori.
I pilastri tecnici
Il team prevede di lavorare su diversi pilastri tecnici: orchestrazione multi-agente, architetture di pre-addestramento, apprendimento continuo, apprendimento per rinforzo, sistemi e valutazioni specializzate.
L'orchestrazione multi-agente è il pilastro che spicca. L'idea è coordinare più agenti AI, ciascuno con una funzione diversa, e integrarli in un unico processo di ricerca. In pratica, ogni agente assumerebbe un ruolo specializzato all'interno di un unico flusso di lavoro coordinato. L'approccio è in linea con la più ampia spinta del settore verso l'AI agentica, in cui più modelli specializzati vengono coordinati per affrontare compiti complessi.
Leadership e assunzioni
L'iniziativa è guidata da Andrew Gordon Wilson, ricercatore di machine learning noto per il suo lavoro sul deep learning bayesiano. Perplexity sta inoltre spingendo sulle assunzioni per il team a San Francisco, Palo Alto, New York e Londra, dando all'unità una presenza negli Stati Uniti e in Europa.
Accanto alla campagna di reclutamento, l'azienda ha legato al progetto un impegno di scienza aperta. Perplexity dichiara che pubblicherà regolarmente articoli, modelli e dati derivanti dal lavoro dell'unità: un impegno che darebbe ai ricercatori esterni visibilità diretta sui risultati e sui metodi dell'unità.
Dai prodotti alla ricerca
La nuova unità segna un'evoluzione rispetto ai prodotti precedenti di Perplexity, tra cui Deep Research e Computer. Questi strumenti offrivano agli utenti modi assistiti dall'AI per approfondire questioni e completare attività. La nuova unità sposta l'azienda dalla costruzione di strumenti che assistono la ricerca umana verso l'automazione del processo di ricerca stesso.
Perplexity ha presentato l'iniziativa come qualcosa che potrebbe cambiare radicalmente il modo in cui viene condotta la scoperta scientifica. Tra i segnali concreti di progresso da seguire vi sono le promesse pubblicazioni periodiche di articoli, modelli e dati, oltre alla campagna di assunzioni nelle quattro città.
I dettagli sono stati riportati per la prima volta da CryptoBriefing.