A mesterséges intelligencia (AI) fejlődése az utóbbi években jelentős hatással volt a webes keresőszolgáltatásokra. Az AI alapú keresők nem csupán linkeket adnak vissza, hanem összefoglalják és kontextusba helyezik az eredményeket, konkrét forrásokat rendelnek minden megállapításhoz, és intuitív kommunikációt biztosítanak. Az olyan újgenerációs keresőszolgáltatások, mint a Perplexity, képesek a felhasználói szándékot és kontextust figyelembe véve releváns találatokat adni, ezzel jelentősen javítva a keresési élményt. A blogposztban bemutatjuk, hogyan működnek ezek a fejlett keresők, milyen technológiák állnak mögöttük, és milyen előnyöket kínálnak a mindennapi életben és a tudományos kutatásban.
Bevezetés
Napjainkban a technológiai fejlődés egyik jelentős területe a mesterséges intelligencia, amelynek célja olyan rendszerek létrehozása, amelyek képesek többek között az emberi gondolkodás utánzására, tanulásra, döntéshozatalra és problémamegoldásra.
Mindezt úgy kell megvalósítani, hogy a felhasználók természetes nyelven, sokszor pontatlanul megfogalmazott utasítások révén kommunikálhassanak az egyes szolgáltatásokkal. A várt eredmények előállításának viszont gyorsnak, a válaszoknak pedig pontosnak kell lenniük. Ez utóbbiak minősége nagymértékben függ a háttérben futó nyelvi modell feltanításához használt adatok minőségétől. Emellett megfigyelhető, hogy az AI alapú szolgáltatások gyakran akkor is választ próbálnak adni, ha nincs egy-egy kérdést illetően releváns információjuk.
Az AI alapú chatbotok megjelenése után már sejthető volt, hogy a következő lépcsőfok válaszaik hivatkozásokkal történő ellátása és a naprakész információk elérésének biztosítása lesz. Ennek egyik kulcsa az lett, hogy az AI asszisztensek „ki tudtak lépni” a webre, és ott naprakész információkat tudtak keresni.
A nagy nyelvi modellek (LLM) és a hallucináció
A nagy nyelvi modellek felhasználói eleinte nem fértek hozzá a folyamatosan frissülő webes tartalmak alapján generált válaszokhoz. A nyelvi modellek által használt korpusz korlátozott adatfrissítései és a rendszer „válaszkényszere” miatt még a legnépszerűbb szolgáltatások is hajlamosak voltak hallucinálni – korábban tanult mintázatok alapján gyártva válaszokat, akár a legabszurdabb kérdésekre is. Ez a helyzet mára javulni látszik: az úgynevezett reasoning (érvelő) modellek többlépcsős levezetéssel, követhető logikai lépésekkel, önellenőrzéssel és koherenciára törekvéssel finomítják a statisztikai alapú válaszgenerálást. A friss webes tartalmak elérése is csökkenti a félretájékoztatás esélyét, bár a források megbízhatóságának megítélése továbbra is kihívást jelent.
Ilyen keresőszolgáltatás a Perplexity is, amely nem csupán linkeket ad vissza, hanem összefoglalja és kontextusba helyezi az eredményeket, és megállapításaihoz konkrét hivatkozásokat rendel.
Funkciók
A keresőfelület
Az önmagában nem túl ingergazdag felületen – pro előfizetés nélkül – egy automatikus keresési módot kínál fel a szolgáltató. A keresőmezőbe fájlt is tölthetünk fel, illetve a keresés sugarát kiterjeszthetjük, vagy épp limitálhatjuk az általunk feltöltött fájlra, a webre, tudományos publikációkra vagy közösségi platformokra. Ezek mellett pár aktuális hírt ajánl fel a szolgáltatás, melyek lényegét foglalja össze automatizált módon.
Pro előfizetéssel fog mélyülni igazán a keresési képesség, mert itt már több nyelvi modell közül is választhatunk: módosított, cenzúramentes DeepSeek R1, Grok-2, Gemini 2.5 Pro, Claude 3.7, GPT 4.1 és o3 mini reasoning modellek állnak rendelkezésre.
Nemrégiben megjelent a „Mély kutatás” opció is, melynek célja, hogy részletes válaszokat állítson össze komplex kérdésekre. A rendszer kérdések elemzésével azonosítja a felhasználói szándékot és a kérdés megválaszolásához szükséges információkat, majd párhuzamos keresésekkel számos forrást dolgoz fel. Az eredményeket ezután hierarchikusan rendezi, végezetül pedig strukturált jelentéseket készít, amelyek exportálhatók vagy megoszthatók lesznek. Mindez jóval időigényesebb folyamat, mint egy átlagos webes keresés, viszont felugró értesítésekkel jelzi a rendszer, ha végzett egy-egy feladattal.
A kérdések megválaszolása után a Perplexity az adott témakörhöz tartozó releváns kérdéseket is felajánl, melyek megválaszolását egyetlen kattintással elindíthatjuk. Az egyes válaszok minden esetben megoszthatók és exportálhatók pdf-formátumban, és a válaszok forrásai megjelennek az exportált anyagokban is.
Az egyes keresési szálakhoz kerestethetünk témánkhoz illő képeket vagy videókat, illetve generáltathatunk is képeket előre beállított vagy egyedi definíciók alapján. Mindezek mellett lehetőségünk van újrairatni egy-egy választ, amennyiben az nem felel meg elvárásainknak.
Könyvtár
A Perplexity Könyvtár funkciójában először is az eddig elvégzett kereséseink, „témáink” jelennek meg, így bármikor folytathatjuk kutatásunkat, egy korábbi témát megnyitva. Ám ennél sokkal több funkciót rejt ez a menüpont a „+” gombra kattintás után:
- Oldalak: segítségével pár kattintással hozhatunk létre és oszthatunk meg cikkeket, jelentéseket vagy épp útmutatókat bármilyen témában. A tartalom szerkezete, mélysége és nyelvezete könnyen testre szabható, bármikor tovább bővíthető és mélyíthető további bekezdésekkel, valamint már meglévő médiatartalmakkal. Céges előfizetés esetén az Internal Knowledge Search funkcióban alakíthatunk ki egy intézményi szintű tudástárat. Ennek segítségével a belső információkat webes forrásokkal tudjuk kombinálni, hogy friss, aktuális trendeken alapuló döntéseket tudjunk hozni.
- Terek: Az egyik legérdekesebb funkció a Perplexity-ben. Lehetőségünk van a kereséseinket csoportosítani, fájlokat információforrásként feltölteni, valamint olyan URL-eket meghatározni, melyeket mindenképpen forrásként szeretnénk használni. Kezdeményezhetünk csapatmunkát is, megoszthatjuk tartalmainkat munkatársainkkal.
- Lehetőségünk van arra is, hogy kérdéseinket csak a terekbe feltöltött fájlok tartalma alapján, esetleg meghatározott honlapok tartalma alapján válaszolja meg a rendszer, ezzel egyfajta személyes vagy projekt szintű asszisztenst hozva létre.
- Ennek révén létrehozhatunk például egy online asszisztenst, amely kérdéseinkre kizárólag az általunk meghatározott információforrások alapján ad választ. Például számszerű adatok (Excel- vagy CSV-fájlok) feltöltése után az asszisztens akár statisztikai összegzéseket is készíthet.
Felfedezés
Elsősorban hírajánlóként működő funkció, amely különböző kategóriákba sorolja a híreket és ezek közül kiemeli a legfontosabb történéseket. A funkció különböző hírportálok azonos témáit foglalja össze, annak érdekében, hogy lehetőleg kiegyensúlyozott információkat kaphassunk egy-egy aktuális történésről.
Prompt vagy keresőkérdés?
A Perplexity a keresőmotorok és chatbotok ötvözeteként működik. Képes kezelni mind a részletesen megfogalmazott kérdéseket, utasításokat (ún. promptokat), mind a hagyományos, kulcsszavas kereséseket. Hogy melyik megközelítést választjuk, az a felhasználó szándékától függ: ha összetett, többszempontú választ szeretnénk, érdemes promptot használni.
Melyik LLM modellt válasszam a keresések során?
Röviden: a modellválasztás főként a kérdés típusától és céljától függ. Ha lépésről lépésre történő elemzésre van szükség (pl. matematikai vagy logikai problémák esetén), akkor a reasoning modellek a legjobbak –, ezek képesek levezetni a megoldást és részletes magyarázatot nyújtanak. Tudományos igényű kutatáshoz – például dolgozatokhoz vagy komplex projekteknél – a Deep Research mód ajánlott. Ez a mód akár több száz forrást is elemezhet és alapos, hivatkozott jelentést készít.
Mindennapi, gyors kérdésekhez pedig elegendő az Automatikus vagy a Pro mód – utóbbi hozzáfér a legújabb nagy nyelvi modellekhez (pl. GPT-4.1, Claude 3.7), és részletesebb válaszokat ad. A legjobb választás megtalálásához érdemes több móddal is kísérletezni – a tapasztalat lesz a legjobb útmutató.
A tudományos kutatás és a Perplexity
A PerplexityAI Academic Research funkciója egy speciális Fókusz módot kínál, amely kizárólag tudományos forrásokra szűkíti a keresést. Folyóiratokat, konferenciaanyagokat, preprint-adatbázisokat (pl. arXiv) és egyéb, nyílt kutatási adatbázisokat használ forrásként.
Fizetős cikkek esetén a rendszer jellemzően csak metaadatokat és absztraktokat tud feldolgozni, de jelzi az eredeti forrás elérhetőségét. Ez a mód ideális lehet a kutatás elindításához, források gyors áttekintéséhez és rendszerezéséhez, mivel minden állításhoz konkrét hivatkozást társít, így a válaszok könnyen ellenőrizhetők lesznek. Érdemes ezt kombinálni a Deep Research móddal is, de – mint minden AI-alapú eszköznél – az információk hitelességének ellenőrzése továbbra is alapvető fontosságú marad.
A tudományos kutatás mely kulcsfontosságú lépéseit támogatja a rendszer?
A Perplexity elsősorban a szakirodalmi áttekintés előkészítésében nyújt erős támogatást: releváns forrásokat képes azonosítani, és összefoglalja az adott témakör legfontosabb trendjeit. Pár perc alatt akár több száz forrást feldolgozó jelentést is képes generálni. A kutatási kérdések szűkítése és pontosítása szintén hatékonyan elvégezhető, különösen, ha kezdetben nem szűkítjük le a keresést kizárólag tudományos forrásokra.
A rendszer összeveti a különböző források adatait, felismer bizonyos mintázatokat, és segíthet az ellentmondások feloldásában. Ez lehetővé teszi, hogy olyan átfogó riportokat készítsünk, amelyek manuális feldolgozása órákba vagy napokba telne.
A keresési szálak megoszthatók, így a csoportos munka is gyorsabbá válik. Végül a Terek funkcióval akár egyedi asszisztenst is létrehozhatunk, amely saját anyagaink, dokumentumaink alapján ad válaszokat – például teljes szövegű publikációk felhasználásával.
Szakirodalmat keres vagy forrásokat szintetizál?
Tegyük fel, hogy az alábbi kérdésre keressük a választ:
„3 évnél nem régebbi, lektorált angol nyelvű szakirodalmat keresek az MI felsőoktatási könyvtárakban való alkalmazásáról.”
A „Tudományos” forrásszűrő bekapcsolása után a Perplexity az alábbiak szerint strukturált, részletes áttekintést ad:
- Bevezetés – Az MI technológiák (pl. NLP, gépi tanulás) hatása és kihívásai a könyvtárakban.
- Technológiai háttér – MI fejlődése könyvtári kontextusban.
- Gyakorlati alkalmazások – Információkeresés, automatizálás, személyre szabás, oktatás.
- Kihívások – Etika, hozzáférés, képzési igények.
Emellett a rendszer egy 60 tételes forráslistát is mellékel, teljes szövegű eléréssel, de akár videós forrásokat is megjelenít. A keresést végül további kérdésekkel pontosíthatjuk, mélyíthetjük.
Adatvédelem – amit érdemes tudni
Alapesetben a kereséseket a modellek fejlesztéséhez felhasználja a szolgáltató, de ez a funkció kikapcsolható a beállítások között – még ingyenes fiókkal is. Fióktörlés után az adatokat 30 napon belül törlik, külön kérésre előbb is.
Tévedhetetlen?
Általánosságban véve a Peplexity nem tévedhetetlen. Mint a legtöbb mesterséges intelligencia alapú szolgáltatás, a Perplexity is adhat irreleváns vagy hibás válaszokat, különösen kevésbé pontosan megfogalmazott keresőkérdések esetén. Ezért fontos, hogy a kapott adatok forrásait ellenőrizzük, és a tartalmuk hitelességét is validáljuk. Az AI használata etikai kérdéseket is felvet: ki viseli a felelősséget, ha az AI hibázik? Hogyan bízhatunk meg egy olyan rendszerben, amelynek működését – a feketedoboz-jelleg miatt – nem látjuk át teljesen? Mindezekre tekintettel különösen fontos a felelős felhasználás, valamint a létező intézményi szabályok betartása is.
Források
Introducing Perplexity Deep Research
What is Perplexity Deep Research, and how do you use it?
The Odyssey of Search Engine Evolution
Mastering Research with Perplexity AI: Tips, Features, and Best Practices