RAG Without Vectors: PageIndex ile %98.7 Doğrulukla Vektörsüz Arama (Open Source)

RAG Without Vectors: PageIndex ile Mantıksal Arama Yeni Standart. VectifyAI, yapay zekâ arama alanındaki en büyük dönüşümlerden birini gerçekleştirdi: vektörler olmadan, sadece mantıksal çıkarım ve hiyerarşik ağaç indeksleme ile bilgi retrieval yapmayı başardı. Bu teknoloji, PageIndex adını taşıyor ve geleneksel RAG (Retrieval-Augmented Generation) sistemlerinin temelini oluşturan vektör veritabanlarını tamamen ortadan kaldırıyor.

PageIndex Nedir ve Nasıl Çalışır?

PageIndex, metinleri vektörler yerine semantik ağaçlar halinde yapılandırır. Her belge, bir dizi mantıksal düğümle temsil edilir: ‘finansal rapor’, ‘Q3 kar’, ‘yatırım riski’ gibi kavramlar, hiyerarşik ilişkiler içinde birbirine bağlanır. Sorgu geldiğinde, sistem vektör benzerliği değil, mantıksal yol izleme yapar. Örneğin, ‘Apple’ın 2024’teki cloud geliri nedir?’ sorusuna cevap verirken, sistem ‘Apple’ → ‘finansal raporlar’ → ‘2024’ → ‘cloud servisleri’ → ‘gelir’ zincirini doğrudan takip eder. Bu, sadece kelime eşleşmelerini değil, kavramsal bağlamı anlayan bir mantıksal retrieval mekanizmasıdır.

Vektörlerin Yerini Ne Alıyor?

Traditional RAG sistemleri, metinleri yüzlerce boyutlu vektörlere dönüştürür ve benzerliklere dayalı arama yapar. Ancak bu yöntem, ‘kâr’ ile ‘kâr marjı’ gibi anlamsal farklılıklara duyarlı değildir. PageIndex ise bu belirsizlikleri ortadan kaldırır. Mantıksal retrieval, anlamın yerine sadece benzerlik değil, bağ ve hiyerarşi temel alır. Bu, hiyerarşik indeks yapısı sayesinde mümkün olur: her kavram, bir düğüm olarak ağacın bir dalını oluşturur ve ilişkiler doğrudan izlenebilir.

Finansal Verilerde %98.7 Doğruluk Nasıl Sağlandı?

Reuters ve MarkTechPost’a göre, PageIndex, finansal RAG görevlerinde %98.7 doğruluk oranı elde etti — bu rakam, vektör tabanlı sistemlerin %92 civarında olduğu bir alanda neredeyse 7 puanlık bir atlamadır. Neden? Çünkü vektörler, ‘benzer’ kelimeleri yakalar ama anlam kaybına neden olur. PageIndex ise:

• ‘Q3 kar’ ile ‘net kâr’ arasındaki farkı mantıksal olarak ayırt eder
• ‘Apple’ ve ‘Apple Inc.’ gibi varlık eşlemelerini otomatik yapar
• 2024 raporları ile 2023 verilerini zaman bazlı hiyerarşide bağlar

Bu doğruluk, yalnızca veri kalitesinden değil, yapısal mantıksal çıkarımdan kaynaklanır.

Open Source AI ile Nasıl Entegre Edilir?

PageIndex, açık kaynaklı olarak yayınlanmıştır ve geliştiriciler artık kendi veri setlerine entegre edebiliyor. Hacker News’ta paylaşılan bir yorumda, bir AI mühendisi ‘Bu teknolojiyi kendi dokümantasyon sistemime entegre ettim. Sorgular artık 10 kat daha doğru cevap veriyor, hatta ‘neden’ sorularını bile mantıksal çıkarımlarla yanıtlıyor’ diyor.

Entegrasyon Adımları

1. GitHub’dan PageIndex deposunu indir: github.com/vectifyai/pageindex
2. Veri setinizi JSON veya Markdown formatında yükleyin
3. İndeksleme işlemini başlatın — her yeni veri otomatik olarak hiyerarşik ağaç yapısına eklenir
4. Sorgu API’sini entegre edin ve open source AI projenize entegre edin

Uygulama Alanları

PageIndex, yalnızca finans değil, birçok alanda devrim yaratıyor:

• Hukuk: GDPR madde 17 ile 2023 ABD veri yasası karşılaştırması
• Tıp: Semptom → Tanı → Tedavi zincirlerini çıkarım
• Eğitim: Kavram zincirleri üzerinden öğrenme yolları
• Tarih: Olay zincirlerinin kronolojik mantıksal analizi

Towards AI’de Dr. Leon Eversberg, bu sistemin ‘dil modeli bağımlılığını kırması’ açısından tarihi bir adım olduğunu belirtiyor. ‘Geliştiriciler artık 10 milyar parametrelik modellere ihtiyac duymadan, küçük, hızlı ve tamamen açık kaynaklı bir ağaç yapısıyla aynı doğrulukta sonuçlar alabiliyor. Bu, maliyeti %90 oranında düşürüyor ve çevresel etkiyi azaltıyor.’

PageIndex’in en büyük avantajı, veri boyutuna duyarsız olması. Vektör sistemleri, veri büyüdükçe bellek ve hesaplama maliyeti patlıyor. PageIndex ise, yeni veriler eklenince sadece ilgili ağaç dalları genişliyor — hiç bir vektör yeniden eğitimi gerekmiyor. Bu, gerçek zamanlı veri akışları için ideal: finansal piyasalar, sosyal medya trendleri, IoT sensör verileri…

Geleceğin arama motorları, ‘benzerlik’ değil, ‘mantık’ üzerine kurulacak. PageIndex, bu dönüşümün ilk somut örneği. Vektörler, bir zamanlar devrimdi. Şimdi ise, PageIndex’in ortaya çıkışı, vektörlerin bir tür ‘eski nesil teknoloji’ haline gelmesine yol açıyor. Daha az veri, daha az hesaplama, daha fazla anlam.

RAG Without Vectors: PageIndex ile Mantıksal Arama Yeni Standart. Bu, sadece bir teknoloji değil, bir felsefe: bilgiyi aramak, benzerlikleri bulmak değil, bağları anlamaktır.