AI Çağında Tarayıcı Devrimi: Aramadan Akıllı Ajanlara

Üçüncü tarayıcı savaşı sessizce başlamış durumda. 1990'ların Netscape'i, Microsoft'un IE'si, açık kaynak ruhu taşıyan Firefox ve Google'ın Chrome'u ile tarayıcılar arasındaki mücadele, platform kontrolü ve teknolojik paradigma değişimlerinin yoğun bir yansıması olmuştur. Chrome, güncelleme hızı ve ekosistem bağlantıları sayesinde egemen konumunu elde etti, Google ise arama motoru ile tarayıcı arasındaki "çift oligopol" yapısıyla bilgi girişinin kapalı bir döngüsünü oluşturdu.

Ancak, bu yapı sarsılmaya başladı. Büyük dil modellerinin (LLM) yükselişi, giderek daha fazla kullanıcının arama sonuçları sayfasında "sıfır tıklama" ile görevlerini tamamlamasıyla birlikte, geleneksel web sayfası tıklama davranışı azalıyor. Aynı zamanda, bir teknoloji devinin tarayıcısında varsayılan arama motorunu değiştirebileceğine dair söylentiler, Google'ın ana şirketinin kâr temelini daha da tehdit ediyor ve piyasa "arama ortodoksluğu" konusunda huzursuzluk göstermeye başladı.

Tarayıcı kendisi de rol yeniden şekillendirme ile karşı karşıya. Artık sadece web sayfalarını görüntüleme aracı değil, veri girişi, kullanıcı davranışı, gizlilik kimliği gibi birçok yeteneğin bir araya geldiği bir kapsayıcı. AI Agent güçlü olsa da, karmaşık sayfa etkileşimlerini tamamlamak, yerel kimlik verilerini çağırmak ve web sayfası öğelerini kontrol etmek için hâlâ tarayıcının güven sınırları ve işlevsel kumanda kutusundan yararlanmak gerekmektedir. Tarayıcı insan arayüzünden, Agent'ın sistem çağrı platformuna dönüşüyor.

Gerçekten mevcut tarayıcı pazar yapısını kırabilecek olan, başka bir "daha iyi Chrome" değil, yeni bir etkileşim yapısıdır: bilgi sunumu değil, görev çağrısı. Gelecekteki tarayıcılar, AI Ajanları için tasarlanmalıdır - sadece okuyabilen değil, aynı zamanda yazabilen ve yürütme yeteneğine sahip olan. Bazı projeler, sayfa yapısını anlamsal hale getirmeye çalışıyor, görselleştirilmiş arayüzleri LLM tarafından çağrılabilen yapılandırılmış metne dönüştürüyor ve sayfa ile komutlar arasında eşleme gerçekleştirerek etkileşim maliyetlerini büyük ölçüde azaltıyor.

Piyasada önde gelen projeler denemelere başladı: bir AI arama motoru, geleneksel arama sonuçlarının yerini almak için yerel bir tarayıcı oluşturdu; bir tarayıcı gizlilik korumayı ve yerel akıl yürütmeyi birleştirerek, arama ve engelleme işlevlerini LLM ile güçlendirdi; bazı Web3 yerel projeleri ise AI ile zincir üzerindeki varlıklar arasında etkileşim için yeni bir giriş noktasına odaklandı. Bu projelerin ortak özelliği: tarayıcının giriş kısmını yeniden yapılandırmayı denemek, çıkış katmanını güzelleştirmek yerine.

Girişimciler için fırsatlar, girdi, yapı ve aracının üçgen ilişkisi içinde gizlidir. Tarayıcı, gelecekte Agent'in dünyayı çağırma arayüzü olarak, kimlerin yapılandırılabilir, çağrılabilir ve güvenilir "yetkinlik blokları" sunabileceğini belirler, bu kişiler yeni nesil platformların bir parçası olabilir. SEO'dan AEO'ya (Agent Engine Optimization), sayfa trafiğinden görev zinciri çağrısına, ürün biçimleri ve tasarım düşüncesi yeniden şekilleniyor. Üçüncü tarayıcı savaşı, "girdi" üzerinde gerçekleşiyor, "gösterim" değil; zaferi belirleyen, artık kimlerin kullanıcıların dikkatini çektiği değil, kimlerin Agent'in güvenini kazandığı ve çağrı girişini elde ettiği.

Tarayıcı Gelişim Tarihi

1990'ların başında, Netscape Navigator ortaya çıktı ve milyonlarca kullanıcıya dijital dünyanın kapılarını açtı. Bu tarayıcı ilk olmasa da, gerçekten de kitlelere ulaşan ve internet deneyimini şekillendiren ilk üründü.

Microsoft, tarayıcının önemini hızla fark etti ve Internet Explorer'ı Windows işletim sistemine zorla entegre etmeye karar vererek varsayılan tarayıcı haline getirdi. Bu strateji, "platformun gizli silahı" olarak nitelendirilebilir ve Netscape'in pazar hakimiyetini doğrudan sarsmıştır.

Zorluklar içinde, Netscape mühendisleri radikal ve idealist bir yol seçtiler - tarayıcı kaynak kodunu halka açarak açık kaynak topluluğuna bir çağrı yaptılar. Bu kod daha sonra Mozilla tarayıcı projesinin temeli haline geldi ve nihayetinde Firefox adıyla anıldı.

Bu arada, Norveç'ten gelen Opera tarayıcısı ortaya çıktı; başlangıçta sadece deneysel bir projeydi. Ancak 2003 yılında çıkan 7.0 sürümünden itibaren, kendi geliştirdiği Presto motorunu tanıttı ve CSS, uyumlu düzen, ses kontrolü ve Unicode kodlama gibi öncü teknolojileri ilk destekleyen oldu.

Aynı yıl, bir teknoloji devi kendi tarayıcısını piyasaya sürdü. Bu, anlamlı bir dönüm noktasıydı. O dönemde, Microsoft iflasın eşiğindeki bu şirkete rekabetin görünümünü sürdürmek ve anti-trust incelemesini önlemek için 150 milyon dolar yatırım yapmıştı.

2007 yılında, IE7 Windows Vista ile birlikte piyasaya sürüldü, ancak piyasa geri bildirimi vasat düzeydeydi. Öte yandan Firefox, daha hızlı güncelleme temposu, daha kullanıcı dostu eklenti mekanizması ve geliştiricilere doğal çekiciliği sayesinde pazar payını istikrarlı bir şekilde yaklaşık %20'ye çıkardı. IE'nin egemenliği yavaş yavaş sarsılmaya başladı ve rüzgar değişiyor.

Google, başka bir yaklaşım benimsemiştir. Chrome, 2008 yılında piyasaya sürülmüş olup, Chromium açık kaynak projesi ve Safari'nin kullandığı WebKit motoru üzerine inşa edilmiştir. "Şişkin" bir tarayıcı olarak adlandırılsa da, Google'ın reklam dağıtımı ve marka oluşturma konusundaki derin yeteneği sayesinde hızla yükselişe geçmiştir.

Chrome'un ana silahı işlevsellik değil, her altı haftada bir yapılan sık versiyon güncellemeleri ve tüm platformlarda sağlanan birleştirilmiş deneyimdir. 2011 Kasım'ında Chrome, ilk kez Firefox'u geçerek pazar payını %27'ye ulaştırmıştır; altı ay sonra, IE'yi geçerek rakipten egemen konuma geçişini tamamlamıştır.

2020'li yıllara girildiğinde, Chrome'un hakimiyeti kesinleşti ve küresel pazar payı yaklaşık %65 civarında istikrarlı bir şekilde devam ediyor. Dikkate değer olan, Google arama motoru ile Chrome tarayıcısının aynı şirkete ait olmasına rağmen, pazar açısından iki bağımsız egemen sistem olmasıdır - ilki, dünya genelinde yaklaşık %90'lık bir arama girişini kontrol ederken, diğeri çoğu kullanıcının internete girdiği "ilk pencereyi" elinde bulundurmaktadır.

Bu çift tekel yapısını korumak için şirket ağır maliyetler üstleniyor. 2022'de, Google'ın tarayıcısındaki varsayılan arama konumunu koruması için bir teknoloji devine yaklaşık 20 milyar dolar ödedi. Bu harcama, Google'ın bu tarayıcı trafiğinden elde ettiği arama reklam gelirinin %36'sına eşdeğerdir. Diğer bir deyişle, Google, surlarını korumak için "koruma ücreti" ödüyor.

Ama rüzgar bir kez daha değişti. Büyük dil modellerinin (LLM) yükselişiyle birlikte, geleneksel arama etkilenmeye başladı. 2024 yılında, Google'ın arama pazar payı %93'ten %89'a düştü; hala domine ediyor olsa da, çatlaklar belirginleşiyor. Daha yıkıcı olanı ise, bir teknoloji devinin kendi AI arama motorunu piyasaya süreceği yönündeki dedikodular. Eğer varsayılan arama motoru kendi tarafına kayarsa, bu ekosistem dengesini değiştirmekle kalmayacak, aynı zamanda Google'ın ana şirketinin kâr sütununu da sarsma potansiyeline sahip. Pazar hızlı tepki verdi, şirketin hisse fiyatı 170 dolardan 140 dolara düşerek, yalnızca yatırımcıların panikini değil, aynı zamanda arama çağının geleceği hakkında derin bir belirsizliği yansıtıyor.

Navigator'dan Chrome'a, açık kaynak ideallerinden reklam ticaretine, hafif tarayıcılardan AI arama asistanlarına, tarayıcı savaşı her zaman teknoloji, platform, içerik ve kontrol savaşları hakkında olmuştur. Savaş alanı sürekli değişiyor, ancak öz hiç değişmedi: Kim giriş noktasını kontrol ederse, geleceği tanımlar.

VC'lere göre, LLM ve AI çağında insanların arama motorlarına olan yeni taleplerine dayanarak, üçüncü tarayıcı savaşları yavaş yavaş başlamaktadır.

Modern Tarayıcıların Eski Mimarisi

Tarayıcı mimarisinden bahsettiğimizde, klasik geleneksel mimari aşağıdaki gibidir:

İstemci - Ön Uç Girişi

HTTPS üzerinden en yakın ön uca sorgulama yapın, TLS şifre çözme, QoS örnekleme ve coğrafi yönlendirme gerçekleştirin. Anormal trafik (DDoS, otomatik tarama) tespit edilirse, bu katmanda hız sınırlama veya zorluk çıkarma yapılabilir.

Sorgulama Anlayışı

Ön uç, kullanıcının yazdığı kelimelerin anlamını anlamalıdır, üç adım vardır: Sinirsel yazım düzeltme, "recpie" kelimesini "recipe" olarak düzeltmek; eş anlamlı genişletme, "how to fix bike" ifadesini "repair bicycle" olarak genişletmek. Niyet analizi, sorgunun bilgi, yönlendirme veya işlem niyeti olduğunu belirlemek ve Dikey isteği atamak.

Aday Geri Çağırma

Arama motorlarında kullanılan sorgu tekniği: ters indeks olarak adlandırılır. Doğru indeksleme ile bir ID verildiğinde dosyaya erişebiliyoruz. Ancak kullanıcı, istenen içeriğin on milyarlarca dosya arasındaki numarasını bilemez, bu nedenle çok geleneksel bir yöntem olan ters indeksi kullanarak içerik üzerinden hangi dosyaların ilgili anahtar kelimelere sahip olduğunu sorgular. Sonrasında, anlam arama işlemleri için vektör indeksi kullanılmaktadır; yani sorgunun anlamına benzer içerikleri bulmak için. Metin, resim gibi içerikler yüksek boyutlu vektörlere (embedding) dönüştürülür ve bu vektörler arasındaki benzerliğe göre arama yapılır. Örneğin, kullanıcı "pizza hamuru nasıl yapılır" diye aratsa bile, arama motoru "pizza hamuru yapım kılavuzu" ile ilgili sonuçlar dönebilir çünkü bu içerikler anlam olarak benzerdir. Ters indeks ve vektör indeks işleminden sonra yaklaşık yüz bin seviyesinde web sayfası ön elemeden geçer.

Çok Düzeyli Sıralama

Sistemler genellikle BM25, TF-IDF, sayfa kalite puanı gibi binlerce hafif özellik aracılığıyla on binlerce aday sayfayı yaklaşık 1000'e indirerek ilk aday setini oluşturur. Bu tür sistemler, öneri motorları olarak adlandırılır. Kullanıcı davranışı, sayfa özellikleri, sorgu niyeti ve bağlam sinyalleri gibi çok çeşitli varlıklar tarafından üretilen devasa özelliklere dayanır. Örneğin, kullanıcı geçmişini, diğer kullanıcıların davranış geri bildirimlerini, sayfa anlamını, sorgu anlamını vb. bilgileri bir araya getirirken, bağlam unsurlarını da dikkate alır; bunlar zaman (günün saatleri, haftanın belirli günleri) ve gerçek zamanlı haberler gibi dış olaylardır.

Derin öğrenme ile ana sıralama

İlk arama aşamasında, RankBrain ve Neural Matching gibi teknikler kullanılarak sorgunun anlamı anlaşılmakta ve büyük miktardaki belgelerden ilk ilgili sonuçlar filtrelenmektedir. RankBrain, Google'ın 2015 yılında tanıttığı bir makine öğrenimi sistemidir ve kullanıcı sorgularının anlamını, özellikle de ilk kez ortaya çıkan sorguları daha iyi anlamak için tasarlanmıştır. Sorguları ve belgeleri vektör temsiline dönüştürerek, aralarındaki benzerliği hesaplar ve en alakalı sonuçları bulur. Örneğin, "pizza hamuru nasıl yapılır" sorgusu için, belgede tam eşleşen anahtar kelimeler olmasa bile, RankBrain "pizza temeli" veya "hamur yapımı" ile ilgili içeriği tanıyabilir.

Neural Matching, Google'un 2018 yılında tanıttığı bir teknoloji olup, sorgular ve belgeler arasındaki anlamsal ilişkileri daha derinlemesine anlamayı amaçlamaktadır. Bu teknoloji, kelimeler arasındaki belirsiz ilişkileri yakalamak için sinir ağları modelini kullanarak sorguları ve web içeriğini daha iyi eşleştirmeye yardımcı olur. Örneğin, "Neden dizüstü bilgisayarımın fanı çok gürültülü?" sorgusu için Neural Matching, kullanıcının aşırı ısınma, toz birikimi veya yüksek CPU kullanımı ile ilgili sorun giderme bilgileri aradığını anlayabilir, bu kelimeler sorguda doğrudan yer almasa bile.

Derin Yeniden Sıralama: BERT Modelinin Uygulaması

İlgili belgeleri ilk olarak filtreledikten sonra, bu belgeleri daha hassas bir sıralama için BERT (Bidirectional Encoder Representations from Transformers) modelini kullanarak sıralayın, böylece en alakalı sonuçların önde yer almasını sağlayın. BERT, Transformer tabanlı bir önceden eğitilmiş dil modelidir ve kelimelerin cümledeki bağlam ilişkilerini anlamasına olanak tanır. Aramada, BERT, ilk olarak elde edilen belgeleri yeniden sıralamak için kullanılır. Sıralama, sorgu ve belgelerin ortak kodlaması ile ilgililik puanlarını hesaplayarak belgeleri yeniden sıralar. Örneğin, "kaldırımsız bir yokuşta park etme" sorgusu için BERT, "kaldırımsız" ifadesinin anlamını anlayabilir ve sürücülere tekerlekleri yol kenarına yönlendirmeleri önerilen sayfayı döndürür, durumu kaldırım varmış gibi yanlış anlamaz.

Yukarıda tipik bir arama motorunun çalışma süreci açıklanmıştır. Ancak, günümüzdeki AI ve büyük veri patlaması döneminde, kullanıcıların tarayıcı ile etkileşimlerinde yeni talepler ortaya çıkmıştır.

Neden AI Tarayıcıyı Yeniden Şekillendiriyor

Öncelikle, tarayıcı biçiminin neden hala var olduğunu netleştirmemiz gerekiyor. Yapay zeka ajansları ve tarayıcılar dışında, üçüncü bir seçenek var mı?

Biz, varlığın yerine geçilemeyeceğini düşünüyoruz. Neden yapay zeka tarayıcıyı kullanabiliyor ama tarayıcının tamamen yerini alamıyor? Çünkü tarayıcı genel bir platformdur, sadece veri okuma girişi değil, aynı zamanda veri girişi için genel bir giriş noktasıdır. Bu dünyada sadece bilgi girişi olamaz, ayrıca veri üretmek ve web siteleriyle etkileşime girmek de gereklidir, bu yüzden kişiselleştirilmiş kullanıcı bilgilerini entegre eden tarayıcılar geniş ölçekte var olmaya devam edecektir.

Bu noktayı yakalıyoruz: Tarayıcı bir genel giriş olarak, sadece veri okumak için değil, kullanıcılar genellikle verilerle etkileşim kurmak için de kullanır. Tarayıcı kendisi, kullanıcı parmak izlerini depolamak için mükemmel bir yerdir. Daha karmaşık kullanıcı davranışları ve otomatik davranışlar, tarayıcı üzerinde gerçekleşmelidir.