Perplexity, Yapay Zeka Modellerine Arama Kodlarını Kendilerinin Yazma Yetkisi Veriyor

Yapay zeka destekli arama motorları alanında ses getiren çalışmalara imza atan Perplexity, geleneksel API tabanlı yaklaşımları kökünden sarsan yeni bir mimari tanıttı. Şirketin "Search as Code" (SaC) adını verdiği bu yeni yapı, yapay zeka modellerinin sabit ve önceden tanımlanmış arama fonksiyonlarına bağımlı kalmak yerine, kendi arama iş akışlarını doğrudan Python kodu olarak oluşturmasına olanak tanıyor. Bu yaklaşım, yapay zeka ajanlarının arama sürecini görevlerine göre dinamik bir şekilde uyarlayabilmesini mümkün kılıyor.

Perplexity'nin paylaştığı teknik rapora göre, SaC mimarisi modellere yalnızca bir dizi temel arama aracı sunuyor; geri kalan süreç tamamen modele bırakılıyor. Model, karşılaştığı sorunun doğasına göre bu araçları nasıl çağıracağına, hangi sırayla birleştireceğine ve hangi sorgu parametrelerini kullanacağına kendisi karar veriyor. Bu sayede, evrensel bir arama arayüzüne sıkışmak yerine her sorgu için optimize edilmiş, göreve özgü arama stratejileri üretilebiliyor. Şirket, bu esnekliğin özellikle karmaşık ve çok aşamalı araştırma görevlerinde kritik bir avantaj sağladığını vurguluyor.

Token Tasarrufunda Devasa Sıçrama

SaC'nin en çarpıcı somut kazanımlarından biri kaynak verimliliği alanında ortaya çıkıyor. Perplexity, bu yeni mimari sayesinde yapay zeka modellerinin %85 oranında daha az token tükettiğini açıkladı. Geleneksel sistemlerde her bir arama adımı, araç çağrılarının detaylı açıklamalarını, dönen sonuçların tamamını ve ajanın karar mantığını içeren uzun istemler gerektiriyor. Python kodu üreten SaC modeli ise tüm bu süreci sıkıştırılmış ve yürütülebilir bir biçimde temsil ediyor. Bu tasarruf, hem operasyonel maliyetleri düşürüyor hem de daha küçük ve hızlı modellerin karmaşık görevleri üstlenebilmesinin önünü açıyor.

Siber Güvenlikte Rakipleri Geride Bırakıyor

Perplexity, SaC'nin yeteneklerini kanıtlamak için özellikle CVE (Common Vulnerabilities and Exposures) araştırması gibi siber güvenlik odaklı zorlu kıyaslama testlerine başvurdu. Bu testler, bir güvenlik açığı hakkında mümkün olan en güncel ve doğru bilgiye ulaşmayı, benzer açıklıkları ilişkilendirmeyi ve risk değerlendirmesi yapmayı gerektiriyor. Şirketin iddiasına göre SaC, OpenAI ve Anthropic gibi rakiplerin ajan tabanlı sistemlerine kıyasla bu alanda önemli bir performans üstünlüğü sergiledi. Özellikle çok adımlı araştırma gerektiren senaryolarda, modelin kendi yazdığı kodla arama sürecini yönlendirmesi, rakip sistemlerin katı iş akışlarının önüne geçti.

Sektörde Yeni Bir Standart mı?

Perplexity'nin bu hamlesi, yapay zeka ajanlarının tasarım felsefesinde önemli bir kırılma noktasına işaret ediyor. Ajan tabanlı sistemler genellikle geliştiricinin sabit kodladığı araç çağrıları ve karar ağaçları üzerine kuruluyor; bu da modelin yaratıcılığını ve bağlamsal uyum yeteneğini kısıtlıyor. Search as Code yaklaşımı ise modeli yalnızca bir içerik üreticisi değil, aynı zamanda kendi iş akışını tasarlayabilen bir "yazılımcı" konumuna taşıyor. Uzmanlar, bu paradigmanın önümüzdeki dönemde kurumsal bilgi yönetiminden otonom araştırma asistanlarına kadar pek çok alanda yeni standartları belirleyebileceğini değerlendiriyor.

Pazardaki Rekabeti Yeniden Şekillendiriyor

Öte yandan SaC'nin beraberinde getirdiği güvenlik ve kontrol soruları da gündemde. Modelin kendi kodunu yazıp çalıştırması, hata ayıklama ve denetlenebilirlik açısından yeni zorluklar doğuruyor. Perplexity mühendisleri, kodun yalıtılmış ortamlarda çalıştırıldığını ve tüm işlemlerin izlenebilir olduğunu belirtse de, sektördeki gözlemciler bu tür "kod yazan ajan" sistemlerinin olgunlaşması için ek güvenlik katmanlarına ihtiyaç duyulacağını savunuyor. Yine de sunduğu maliyet avantajı, hız ve esneklik göz önüne alındığında, SaC'nin yapay zeka destekli arama ve araştırma araçlarının bir sonraki evrimi için güçlü bir adım olduğu görüşü ağırlık kazanıyor.