調查發現,僅僅 3 個網站為了鎖定 AI 搜尋引擎,大量生產了超過 21 萬個「最佳軟體」頁面,且 Perplexity 正以此為基礎提供答案。
試想一下,當您開始一項新專案並向基於 AI 的回答型搜尋服務 Perplexity 詢問「最佳工作管理工具」是什麼時,AI 會在瞬間列出一份看起來非常有道理的推薦清單。我們通常相信 AI 是基於徹底驗證過的數據來回答,因此往往會毫不猶豫地信任並選擇這些推薦。但是,如果您正在閱讀的「最佳軟體」資訊,其實是數十萬個完全沒有人類經驗、純粹自動生成的網頁之一,您會怎麼想?
最近,科技調查機構 Trellner 發布了一份令人震驚的報告。內容揭露了僅僅 3 個網站為了在 AI 搜尋引擎的頂端曝光,竟大量炮製了多達 215,128 個「最佳軟體 (best software)」推薦頁面 [參考資料: 215128страниц «bestsoftware» для ИИ-поиска: отчёт Trellner]。
為什麼會發生這種事?
AI 搜尋徹底改變了我們尋找資訊的方式。然而,這次事件暗示了 AI 提供給我們的答案,並不一定總是基於人類的「智慧」。事實上,Perplexity 等 AI 平台在進行軟體推薦時,引用的資訊約有 60% 來自訪問量極低、鮮為人知的網站 [參考資料: 215128страниц «bestsoftware» для ИИ-поиска: отчёт Trellner]。
簡單來說,我們日常使用的 AI 可能並非在傾聽實力雄厚的專家意見,而是將搜尋引擎漏洞利用、大量產出頁面的「自動化工廠」數據當作事實依據。這警告我們,AI 推薦的資訊品質可能比我們預期的還要不透明。
試著打個比方
讓我們把這個現象比作圖書館。假設您在圖書館找尋「最佳食譜」,如果書架上的 10 本書裡,有 6 本其實是由從未下過廚的人所寫的「假書」,您會如何作想?但圖書館員 (AI) 卻根本不檢驗這些內容的真偽,僅僅是因為標題看起來很專業、頁數夠多,就推薦給您。
這種濫用「搜尋引擎最佳化 (SEO)」技術、胡亂填充關鍵字的「AI 專用頁面 (made-for-AI pages)」,完全沒有納入人類的實際經驗或洞察 [參考資料: Measure ChatGPT Visibility: Track LLM SEO Performance]。我們雇用 AI 作為聰明的祕書,但這位祕書可能只閱讀了網路世界中無名的「廣告看版」就來回答我們的問題。
目前的應對與限制
每個 AI 搜尋模型處理數據的標準都不盡相同 [參考資料: Measure ChatGPT Visibility: Track LLM SEO Performance]。目前 Perplexity 是基於廣泛的網路數據來構成答案,而在這個過程中,有超過 380 個軟體類別的資訊,是從訪問量排名 10 萬名以外的網站所引用的 [參考資料: Hacker News – Telegram]。
令人慶幸的是,AI 平台也在持續升級識別這些「垃圾數據」的技術。缺乏人類實際經驗或價值、僅僅填充關鍵字的頁面,正逐漸被 AI 平台視為不可信的資訊,未來被採納為回答依據的可能性將大幅降低 [參考資料: Measure ChatGPT Visibility: Track LLM SEO Performance]。
如何聰明地利用 AI
未來,「這篇文章是誰寫的」這類資訊來源將變得更加重要。除了單純在搜尋結果中曝光之外,唯有包含實際使用者評價或經過驗證的專家分析資訊,才能在 AI 搜尋引擎的回答窗口中存活下來。
身為使用者的我們,與其盲目迷信 AI 推薦的內容,不如養成點擊回答下方「引用出處 (citation)」的習慣,確認究竟是哪個網站提供了這些資訊。因為 AI 終究只是工具,判斷這些工具帶回來的結果是否真實,最終責任依然在於我們自己。
參考資料
- 215128страниц «bestsoftware» для ИИ-поиска: отчёт Trellner
- Measure ChatGPT Visibility: Track LLM SEO Performance
- Hacker News – Telegram
- Hacker News Mirror
- progscrape: trellner.com
-
[Natural 20 — AI News in Real-Time The Bloomberg Terminal for AI](https://natural20.com/c/2px2gq)
- 約 10 萬個
- 約 21 萬 5 千個
- 約 50 萬個
- 約 20%
- 約 60%
- 約 90%
- 缺乏人類價值的自動生成內容
- 高品質的新聞報導
- 知名的部落格文章