أخبار الذكاء الاصطناعي
بيربليكسيتي تطلق تقنية "البحث كبرمجية" لتمكين الذكاء الاصطناعي من صياغة مسارات البحث ذاتياً
📰 The Decoder
📅 7 يونيو 2026
👁 90
⚡ تأثير: Low
كشفت شركة بيربليكسيتي عن بنية تقنية جديدة تسمى "Search as Code"، تتيح لنماذج الذكاء الاصطناعي كتابة شيفرات برمجية خاصة للبحث بدلاً من الاعتماد على واجهات برمجة التطبيقات التقليدية، مما أدى لخفض التكاليف بنسبة 85%.
أعلنت شركة بيربليكسيتي (Perplexity) عن تحول جذري في كيفية تفاعل نماذج الذكاء الاصطناعي مع محركات البحث عبر تقديم بنية تقنية جديدة تُعرف باسم "البحث كبرمجية" (Search as Code). تهدف هذه الخطوة إلى استبدال واجهات برمجة التطبيقات (APIs) التقليدية والجامدة بنظام يسمح للنماذج بكتابة وتنفيذ شيفرات برمجية بلغة بايثون (Python) لتخصيص عمليات البحث والفلترة بشكل فوري.
تعتمد الفكرة الأساسية لهذا الابتكار على منح العميل الذكي (AI Agent) القدرة على معالجة البيانات داخل بيئة معزولة (Sandbox). بدلاً من مجرد إرسال استعلام واستقبال نتائج ثابتة، يقوم النموذج بكتابة روتين برمجى خاص للتعامل مع النتائج، مما يتيح له إجراء عمليات تنقية متقدمة وإزالة التكرار (Deduplication) بدقة عالية. هذا التوجه يمنح المطورين مرونة أكبر عند استخدام [أدوات الذكاء الاصطناعي](/tools) المتاحة حالياً.
وفقاً للبيانات الصادرة، أثبتت هذه المعمارية تفوقاً ملحوظاً على النماذج المنافسة من شركتي OpenAI وAnthropic في اختبارات الأداء الرئيسية. ولم يقتصر التطور على جودة النتائج فحسب، بل امتد ليشمل الكفاءة الاقتصادية؛ حيث ساهمت تقنية "البحث كبرمجية" في خفض تكاليف الرموز البرمجية (Tokens) بنسبة تصل إلى 85%. هذا الانخفاض الكبير يجعل بناء تطبيقات معقدة تعتمد على [المطالبات الذكية](/prompts) أكثر جدوى من الناحية التجارية.
يمثل هذا التطور نقلة نوعية في مفهوم "الوكلاء البرمجيين"، حيث يتحول الذكاء الاصطناعي من مجرد مستهلك للخدمات إلى مبرمج يدير أدواته الخاصة. بالنسبة للمهتمين بتطوير حلول مخصصة، يمكنهم استكشاف [المساعدين الأذكياء](/assistants) لفهم كيف يمكن دمج هذه التقنيات في سير العمل اليومي. إن قدرة النموذج على كتابة مسارات البحث الخاصة به تعني استجابات أسرع وأكثر دقة، مما يقلل من احتمالات الخطأ المعلوماتي التي قد تنتج عن معالجة البيانات الخام بشكل غير صحيح.
في الختام، تضع بيربليكسيتي معياراً جديداً في سوق محركات البحث المدعومة بالذكاء الاصطناعي، متجاوزة القيود التقنية التي فرضتها الأنظمة التقليدية لسنوات، مما يفتح آفاقاً جديدة لمستقبل البحث الرقمي وكفاءة النماذج اللغوية الكبيرة.
لماذا يهم هذا الخبر؟
تغير هذه التقنية مفهوم البحث من مجرد استرجاع للمعلومات إلى عملية برمجية ديناميكية، مما يمنح النماذج قدرة أكبر على التحكم في جودة البيانات وتقليل التكاليف التشغيلية بشكل ضخم.
كيف يستفيد المستخدم العربي؟
سيستفيد المطورون والشركات في المنطقة العربية من خفض تكاليف تشغيل نماذج الذكاء الاصطناعي، بالإضافة إلى الحصول على نتائج بحث أكثر دقة وتخصيصاً عند بناء تطبيقات تعتمد على محركات البحث.
نقاط عملية:
- تقنية Search as Code تسمح للنماذج بكتابة شيفرات بايثون للبحث بدلاً من استخدام APIs ثابتة.
- تحقيق خفض في تكاليف الـ Tokens بنسبة تصل إلى 85%.
- تفوق الأداء على نماذج رائدة مثل OpenAI وAnthropic في معايير البحث.
- استخدام بيئة Sandbox لضمان أمان ودقة عمليات الفلترة وإزالة التكرار.
تنبيه تحريري: هذا النص تحرير عربي موجز مبني على المصدر الأصلي، وليس نقلاً حرفياً منه.
المصدر الأصلي: The Decoder
https://the-decoder.com/?p=36371
تعتمد الفكرة الأساسية لهذا الابتكار على منح العميل الذكي (AI Agent) القدرة على معالجة البيانات داخل بيئة معزولة (Sandbox). بدلاً من مجرد إرسال استعلام واستقبال نتائج ثابتة، يقوم النموذج بكتابة روتين برمجى خاص للتعامل مع النتائج، مما يتيح له إجراء عمليات تنقية متقدمة وإزالة التكرار (Deduplication) بدقة عالية. هذا التوجه يمنح المطورين مرونة أكبر عند استخدام [أدوات الذكاء الاصطناعي](/tools) المتاحة حالياً.
وفقاً للبيانات الصادرة، أثبتت هذه المعمارية تفوقاً ملحوظاً على النماذج المنافسة من شركتي OpenAI وAnthropic في اختبارات الأداء الرئيسية. ولم يقتصر التطور على جودة النتائج فحسب، بل امتد ليشمل الكفاءة الاقتصادية؛ حيث ساهمت تقنية "البحث كبرمجية" في خفض تكاليف الرموز البرمجية (Tokens) بنسبة تصل إلى 85%. هذا الانخفاض الكبير يجعل بناء تطبيقات معقدة تعتمد على [المطالبات الذكية](/prompts) أكثر جدوى من الناحية التجارية.
يمثل هذا التطور نقلة نوعية في مفهوم "الوكلاء البرمجيين"، حيث يتحول الذكاء الاصطناعي من مجرد مستهلك للخدمات إلى مبرمج يدير أدواته الخاصة. بالنسبة للمهتمين بتطوير حلول مخصصة، يمكنهم استكشاف [المساعدين الأذكياء](/assistants) لفهم كيف يمكن دمج هذه التقنيات في سير العمل اليومي. إن قدرة النموذج على كتابة مسارات البحث الخاصة به تعني استجابات أسرع وأكثر دقة، مما يقلل من احتمالات الخطأ المعلوماتي التي قد تنتج عن معالجة البيانات الخام بشكل غير صحيح.
في الختام، تضع بيربليكسيتي معياراً جديداً في سوق محركات البحث المدعومة بالذكاء الاصطناعي، متجاوزة القيود التقنية التي فرضتها الأنظمة التقليدية لسنوات، مما يفتح آفاقاً جديدة لمستقبل البحث الرقمي وكفاءة النماذج اللغوية الكبيرة.
لماذا يهم هذا الخبر؟
تغير هذه التقنية مفهوم البحث من مجرد استرجاع للمعلومات إلى عملية برمجية ديناميكية، مما يمنح النماذج قدرة أكبر على التحكم في جودة البيانات وتقليل التكاليف التشغيلية بشكل ضخم.
كيف يستفيد المستخدم العربي؟
سيستفيد المطورون والشركات في المنطقة العربية من خفض تكاليف تشغيل نماذج الذكاء الاصطناعي، بالإضافة إلى الحصول على نتائج بحث أكثر دقة وتخصيصاً عند بناء تطبيقات تعتمد على محركات البحث.
نقاط عملية:
- تقنية Search as Code تسمح للنماذج بكتابة شيفرات بايثون للبحث بدلاً من استخدام APIs ثابتة.
- تحقيق خفض في تكاليف الـ Tokens بنسبة تصل إلى 85%.
- تفوق الأداء على نماذج رائدة مثل OpenAI وAnthropic في معايير البحث.
- استخدام بيئة Sandbox لضمان أمان ودقة عمليات الفلترة وإزالة التكرار.
تنبيه تحريري: هذا النص تحرير عربي موجز مبني على المصدر الأصلي، وليس نقلاً حرفياً منه.
المصدر الأصلي: The Decoder
https://the-decoder.com/?p=36371
💡 الأثر العملي
← اقرأ المصدر الأصلي
سيستفيد المطورون والشركات في المنطقة العربية من خفض تكاليف تشغيل نماذج الذكاء الاصطناعي، بالإضافة إلى الحصول على نتائج بحث أكثر دقة وتخصيصاً عند بناء تطبيقات تعتمد على محركات البحث.