موتورهای جستجوی هوش مصنوعی، وب‌سایت‌های کم‌بازدید را به منابع محبوب ترجیح می‌دهند!

یک مطالعه جدید نشان می‌دهد که موتورهای جستجوی مبتنی بر هوش مصنوعی بر خلاف رویکرد عادی گوگل، اغلب وب‌سایت‌های کمتر شناخته‌شده را بیشتر از منابع سنتی ذکر می‌کنند. محققان دانشگاه روهر بوخوم و مؤسسه ماکس پلانک برای سیستم‌های نرم‌افزاری، جزئیات این یافته‌ها را در مقاله‌ای با عنوان “توصیف جستجوی وب در عصر هوش مصنوعی مولد” (Characterizing Web Search in the Age of Generative AI) منتشر کردند.

تفاوت در رتبه‌بندی منابع

این تیم، نتایج جستجوی استاندارد گوگل را با پاسخ‌های ارائه‌شده توسط AI Overviews گوگل، Gemini 2.5 Flash و دو حالت جستجوی وب GPT-4o مقایسه کرد. تجزیه و تحلیل نشان داد که سیستم‌های هوش مصنوعی اغلب از وب‌سایت‌هایی استفاده می‌کنند که از نظر محبوبیت، رتبه بسیار پایین‌تری دارند. در بسیاری از موارد، این منابع حتی در میان ۱۰۰ نتیجه برتر گوگل برای همان عبارت جستجو نیز ظاهر نمی‌شوند!

محققان از طیف وسیعی از عبارات آزمایشی استفاده کردند، از جمله سؤالات واقعی کاربران در مکالمات ChatGPT، موضوعات سیاسی از AllSides و محصولات پرجستجوی آمازون. بر اساس داده‌های Tranco، ابزار رتبه‌بندی دامنه، منابعی که موتورهای هوش مصنوعی استفاده کرده بودند، به‌طور قابل توجهی پایین‌تر از منابع موجود در نتایج برتر گوگل قرار داشتند. به عنوان مثال، نتایج Gemini دارای یک رتبه دامنه میانه فراتر از ۱۰۰۰ بودند.

تأثیر بر کیفیت و تنوع اطلاعات

بیش از نیمی از منابعی که توسط AI Overviews گوگل ذکر شده بودند، در میان ۱۰ نتیجه سنتی برتر حضور نداشتند. حدود ۴۰ درصد نیز اصلاً در ۱۰۰ نتیجه برتر دیده نشدند. با این حال، به‌نظر نمی‌رسد این گرایش به سمت وب‌سایت‌های کمتر شناخته‌شده، به کیفیت اطلاعات آسیب رسانده باشد. مدل‌های مبتنی بر GPT اغلب از سایت‌های شرکتی و محتوای دایرة‌المعارفی استفاده کرده و از رسانه‌های اجتماعی دوری می‌کردند.

این مطالعه نشان داد که نتایج جستجوی تولیدشده توسط هوش مصنوعی، تقریباً همان میزان «مفاهیم» قابل شناسایی را مانند جستجوی سنتی در بر می‌گیرند که حاکی از آن است که سیستم‌های هوش مصنوعی سطح مشابهی از تنوع اطلاعاتی را حفظ می‌کنند. با این حال، از آنجایی‌که این مدل‌ها اطلاعات را به جای فهرست کردن منابع جداگانه، خلاصه می‌کنند، اغلب حجم زیادی از داده‌ها را در پاسخ‌های کوتاه‌تر فشرده می‌سازند. این فشردگی می‌تواند منجر به از دست رفتن جزئیات کوچک‌تر یا مبهم‌تری شود که ممکن است همچنان در نتایج جستجوی سنتی ظاهر شوند.

محققان همچنین اشاره کردند که ابزارهای جستجوی مبتنی بر هوش مصنوعی در مورد موضوعاتی که به زمان حساس یا سریعاً در حال تغییر هستند، دچار مشکل می‌شوند. به عنوان مثال، حالت ترکیبی GPT-4o گاهی اوقات در ارائه به‌روزترین اطلاعات در پاسخ به سؤالاتی درباره رویدادهای اخیر یا موضوعات پرطرفدار موفق نبود.

آینده جستجو

آینده جستجو، بحث بهتر یا بدتر بودن نیست، بلکه متفاوت بودن است و اگر این مطالعه درست باشد، هوش مصنوعی ممکن است در حال ساختن وبی باشد که سنتز و ترکیب اطلاعات را بر محبوبیت ارجح می‌داند و این خود در حال بازنویسی قوانین اعتبار آنلاین است.

منبع: Gizmochina