پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

چرا نباید به تمام نتایج جستجوی هوش مصنوعی در وب اعتماد کنید؟

انتشار:۲۸ شهریور ۱۴۰۵(۱ هفته پیش)
۵ دقیقه زمان مطالعه
۰ دیدگاه

جستجوی وب با هوش مصنوعی همیشه بدون خطا نیست. در این مطلب بررسی می‌کنیم که چت‌بات‌های هوش مصنوعی و جستجوی وب چگونه کار می‌کنند و باید مراقب چه مواردی باشید.

چرا نباید به تمام نتایج جستجوی هوش مصنوعی در وب اعتماد کنید؟

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • چت‌بات‌های هوش مصنوعی فرایند جستجوی وب را با تجزیه‌وتحلیل پرسش‌ها، بازیابی صفحات مرتبط و ارائه پاسخ‌های ترکیبی تغییر داده‌اند.
  • بررسی‌ها نشان می‌دهد که با وجود استفاده مدل‌های پیشرفته‌ای چون GPT-5 از منابع معتبر در بیش از ۷۰ درصد مواقع، بخشی از نتایج همچنان فاقد پشتوانه دقیق هستند.
  • کاربران باید هنگام دریافت اطلاعات از هوش مصنوعی، منابع و استنادها را بررسی کرده و تنها به خلاصه‌های تولیدشده اکتفا نکنند.

یکی از راه‌های متعددی که چت‌بات‌های هوش مصنوعی مانند ChatGPT و Gemini می‌توانند به شما کمک کنند، جستجو در وب است. در واقع، این روزها اگر وب‌سایت Google را باز کنید، جستجوی هوش مصنوعی تقریباً به شما تحمیل می‌شود؛ فهرست سنتی و رتبه‌بندی‌شده از لینک‌های آبی‌رنگ به پایین صفحه رانده شده یا حتی ممکن است اصلاً ظاهر نشود.

این روش جدید استخراج اطلاعات می‌تواند طبیعی‌تر و راحت‌تر به نظر برسد؛ گویی به جای گشت‌وگذار در صفحات متعدد نتایج، در حال گفتگو با یک متخصص هستید. اما آیا این نتایج واقعاً دقیق‌تر و قابل‌اعتمادتر هستند؟

مهم نیست به دنبال چه چیزی هستید یا چگونه آن را جستجو می‌کنید، در مورد نحوه کارکرد جستجوی مبتنی بر هوش مصنوعی و چگونگی ارزیابی پاسخ‌های دریافتی، جزئیات مهمی وجود دارد که باید بدانید.

جستجوی وب با هوش مصنوعی چگونه کار می‌کند؟

هوش مصنوعی‌های مختلف رویکردهای متفاوتی برای جستجوی وب دارند، اما به طور کلی، جستجوی وب در داخل یک چت‌بات شامل سه مرحله است. ابتدا پرسش کاربر تجزیه‌وتحلیل و تفسیر می‌شود؛ سپس صفحات وب مرتبط استخراج می‌شوند (گاهی اوقات، اما نه همیشه، با کمک Google و Bing)؛ و در نهایت، یک پاسخ مرتبط در قالب آشنای چت‌بات بسته‌بندی و ارائه می‌شود.

ممکن است جستجوی وب شما به جستجوهای کوچک‌تر تقسیم شده، به صورت جداگانه اجرا و سپس دوباره با هم ترکیب شوند. در برخی موارد، هوش مصنوعی به جای بررسی وب، به داده‌های آموزشی خود متکی است (شاید برای اطلاعات پایه‌ای که نیازی به به‌روزترین جزئیات ندارند).

برای مثال، Google Gemini از تکنیکی به نام «توزیع پرسش» (fan-out) برای اجرای زیرجستجوها و پیگیری‌ها استفاده می‌کند. این پیچیدگی و جامعیت همان چیزی است که به شما امکان می‌دهد سؤالات بسیار پیچیده‌تری بپرسید و پاسخ‌های بسیار دقیق‌تری دریافت کنید؛ مانند پرسشی درباره «بهترین جاذبه‌های گردشگری برای سالمندان در شیکاگو با هزینه کمتر از ۱۰ دلار» که در یک جستجوی سنتی Google صرفاً فهرستی عمومی از نتایج را برمی‌گرداند.

تصویری از یک جستجوی هوش مصنوعی
جستجوی هوش مصنوعی معمولاً نتیجه درستی به شما می‌دهد، البته اگر بتواند منابع مناسب را پیدا کند.

احتمالاً متوجه شده‌اید که چت‌بات‌های هوش مصنوعی معمولاً لینک منابعی را که اطلاعات خود را از آن‌ها استخراج کرده‌اند، ذکر می‌کنند. با این حال، این اتفاق همیشه رخ نمی‌دهد و ممکن است جزئیات مربوطه همیشه در لینک منبع قابل مشاهده نباشند. این یک فرایند چندمرحله‌ای شامل تجزیه پرسش، بازیابی اطلاعات درست و ارائه مجدد آن است، اما مرز بین این مراحل همیشه برای کاربران روشن نیست.

بخشی از کاری که هوش مصنوعی باید انجام دهد، تشخیص این موضوع است که کدام منابع آنلاین با جستجوی کاربر مطابقت دارند و میزان اعتبار و ارتباط این منابع چقدر است. این موضوع تنها تا حدودی به جایگاه یک سایت در نتایج Google یا Bing بستگی دارد، زیرا چت‌بات میزان ارتباط با پرسش را نیز بررسی می‌کند: یک سایت کمترشناخته‌شده ممکن است به دلیل داشتن اطلاعات مرتبط‌تر با سؤال شما، در اولویت بالاتری قرار گیرد.

شرکت‌های توسعه‌دهنده هوش مصنوعی به طور کامل یا عمومی این جزئیات را توضیح نمی‌دهند، اما این یک نمای کلی از اتفاقاتی است که هنگام درخواست از چت‌بات برای یافتن پاسخ از وب رخ می‌دهد. در بسیاری از مواقع، این روش نسبت به یک جستجوی وب کلاسیک یک گام رو به جلو محسوب می‌شود، مگر اینکه بخواهید کنترل دقیق‌تری روی نحوه اجرای جستجو، انتخاب منابع و ترکیب اطلاعات داشته باشید.

آیا می‌توان به جستجوی وب با هوش مصنوعی اعتماد کرد؟

داده‌های فزاینده‌ای برای کمک به پاسخ این سؤال وجود دارد. بر اساس گزارش‌های منتشرشده در یک مطالعه در مه ۲۰۲۶ که روی ده‌ها هزار پرسش در قابلیت نمای کلی هوش مصنوعی گوگل (AI Overview) انجام شد، ۱۱ درصد از نتایج (بیش از ۱ مورد از هر ۱۰ مورد) توسط منابع ارائه‌شده پشتیبانی نمی‌شدند؛ همان‌طور که محققان می‌گویند، «این یک نوع خطاست که کاربری که فقط خلاصه هوش مصنوعی را می‌بیند، هیچ راهی برای تشخیص آن ندارد.»

مطالعه دیگری در مارس ۲۰۲۶ به بررسی اعتبار منابع پرداخت و نشان داد که مدل GPT-5 از پلتفرم ChatGPT در ۷۱٫۴ درصد مواقع به منابع معتبر استناد کرده است؛ در این تحقیق از یک پایگاه داده راستی‌آزمایی رسانه‌ای برای تعیین میزان اعتبار سایت‌های مختلف استفاده شد. این بدان معنا نیست که ۳ پاسخ از هر ۱۰ پاسخ اشتباه بوده‌اند، بلکه صرفاً از منابعی استفاده شده بود که به عنوان مراجع معتبر شناخته نمی‌شدند.

بنابراین، داشتن مقداری شک و تردید هنگام ارزیابی پاسخ‌های جستجوی وب با هوش مصنوعی منطقی است. البته، جستجوهای استاندارد وب نیز می‌توانند اطلاعات غلطی ارائه دهند، اما تفاوت در این است که در روش سنتی، شما خودتان کار تحقیق را انجام می‌دهید: شما تصمیم می‌گیرید کدام وب‌سایت‌ها معتبر هستند و به جای تکیه بر هوش مصنوعی، خودتان ارتباط بین منابع را پیدا می‌کنید.

تصویری از نتایج جستجوی هوش مصنوعی
همیشه منابعی را که هوش مصنوعی برای گردآوری نتایج خود استفاده کرده است، بررسی کنید.

همچنین باید به خاطر داشته باشید که اگر اطلاعات کمی در مورد پرسش شما به صورت آنلاین وجود داشته باشد (یا اصلاً اطلاعاتی نباشد)، این موضوع فوراً در جستجوی کلاسیک Google یا Bing مشخص می‌شود. اما یک چت‌بات به احتمال زیاد سعی می‌کند به هر شکلی پاسخی برای شما سرهم کند (شاید با استفاده از داده‌های آموزشی مرتبط) و آن را با اطمینان کامل ارائه دهد. در اینجا نیز راحتی و سهولت جستجوی هوش مصنوعی می‌تواند گمراه‌کننده باشد.

از آنجا که جستجوی هوش مصنوعی یک فرایند چندمرحله‌ای است، می‌تواند به چندین شکل با شکست مواجه شود: درک اشتباه سؤال، انتخاب اطلاعات نادرست به صورت آنلاین (ممکن است غلط، قدیمی یا کاملاً نامرتبط باشد) یا ترکیب اشتباه منابع. این‌ها مواردی هستند که هنگام ارزیابی دقت پاسخ‌های دریافتی باید بررسی کنید.

شرکت OpenAI نیز کاربران قابلیت جستجوی وب ChatGPT را ترغیب می‌کند تا استنادها و منابع را بررسی کرده و برای سؤالات مهم به مراجع معتبر تکیه کنند. اگرچه جستجوی هوش مصنوعی معمولاً می‌تواند در گردآوری منابع متعدد و ارائه یک پاسخ مفید عملکرد چشمگیری داشته باشد، اما همواره باید خروجی آن را بررسی کنید؛ بنابراین در مثال مربوط به شیکاگو، تا زمانی که ساعات بازدید، قیمت‌ها و امکانات دسترسی را مستقیماً از خود مکان جویا نشده‌اید، برنامه‌ریزی قطعی انجام ندهید.

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعه‌دهنده‌ها قید مدل‌های گران‌قیمت را می‌زنند!
آخرین اخبار

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعه‌دهنده‌ها قید مدل‌های گران‌قیمت را می‌زنند!

مدل زبانی تخصصی LEGAL-BERT با ثبت بیش از ۸۳۳ هزار دانلود در ماه روی پلتفرم هاگینگ فیس حسابی خبرساز شده است. این ابزار جمع‌وجور و تخصصی نشان می‌دهد که برای پردازش و تحلیل متون حقوقی، حتماً نیازی به مدل‌های غول‌پیکر و پرهزینه ندارید و گزینه‌های بهینه همچنان در اوج هستند.

۲ دقیقه مطالعه
۰
۶ مهر
جاسوسی هوش مصنوعی در محل کار؛ کارمندان می‌گویند کارفرماها باید قانوناً مچ‌گیری‌هایشان را لو بدهند!
آخرین اخبار

جاسوسی هوش مصنوعی در محل کار؛ کارمندان می‌گویند کارفرماها باید قانوناً مچ‌گیری‌هایشان را لو بدهند!

نظرسنجی‌های تازه نشان می‌دهد که بیشتر کارمندان حس می‌کنند مدیرانشان با ابزارهای هوش مصنوعی تمام حرکات آن‌ها را زیر نظر گرفته‌اند. حالا بیش از ۸۰ درصد شاغلان خواستار تصویب قانونی شده‌اند که شرکت‌ها را مجبور کند هرگونه مچ‌گیری و نظارت هوش مصنوعی در محیط کار را رسماً اعلام کنند.

۳ دقیقه مطالعه
۰
۶ مهر
گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!
آخرین اخبار

گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!

مایکروسافت در تازه‌ترین گزارش خود از ضریب نفوذ هوش مصنوعی در جهان پرده برداشت؛ آماری شگفت‌انگیز که نشان می‌دهد امارات و سنگاپور با فاصله‌ای خیره‌کننده پیشتاز دنیا هستند و در مقابل، آمریکا در رتبه ۲۱ جا مانده است. همچنین الگوی استفاده از هوش مصنوعی میان کشورهای غربی و کشورهای در حال توسعه، از تفاوتی عمیق میان کاربردهای روزمره و آموزش پرده برمی‌دارد.

۳ دقیقه مطالعه
۰
۶ مهر