آخرین بروز رسانی: ۵ نوامبر ۲۰۲۵
منابع اصلی هوش مصنوعی برای دریافت اطلاعات از کجا هستند؟

استکهلمیان - براساس تحلیلی که توسط شرکت Semrush انجام شده است، مدل‌های زبانی بزرگ (LLM) مانند ChatGPT بیش از همه، به وب‌سایت‌هایی مانند Reddit و Wikipedia برای دریافت اطلاعات و حقایق مراجعه می‌کنند. برای داده‌های جغرافیایی نیز، این مدل‌ها معمولاً از داده‌های Mapbox و OpenStreetMap استفاده می‌کنند.

این بررسی، که در ژوئن ۲۰۲۵ و بر اساس بیش از ۱۵۰ هزار اطلاعات استفاده شده توسط مدل‌های زبانی بزرگ انجام شد، نشان می‌دهد که چت‌بات‌ها تا چه اندازه به محتوای تولید شده توسط کاربران وابسته هستند.

براساس تحلیل ژوئن ۲۰۲۵ از بیش از ۱۵۰ هزار اطلاعات استفاده شده توسط مدل‌های زبانی، وب‌سایت‌های زیر به ترتیب بیشترین مراجعه را داشته‌اند:

ردیت ۴۰،۱ درصد
ویکی پدیا ۲۶،۳ درصد
یوتیوب ۲۳،۵ درصد
گوگل ۲۳،۳ درصد
یلپ ۲۱،۰ درصد

این آمار نشان می‌دهد که مدل‌های زبانی بزرگ (LLM) اغلب به بحث‌های آزاد در فروم‌ها و محتوای تولید شده و نگهداری شده توسط جامعه کاربران تکیه می‌کنند.

این وب‌سایت‌ها منابع گسترده‌ای از دانش تولیدشده توسط کاربران ارائه می‌دهند، اما ماهیت باز و قابل ویرایش آن‌ها نگرانی‌هایی درباره صحت و جانبداری اطلاعات ایجاد می‌کند. وابستگی بالای هوش مصنوعی به چنین منابعی می‌تواند منجر به تقویت روایت‌هایی شود که بیشترین دیده شدن یا محبوبیت را دارند اما صحت آن‌ها تایید نشده است.

سه ریسک اصلی استفاده از محتوای تولید شده توسط کاربران عبارت است از:

اشاعه اطلاعات نادرست و شایعات: از آنجا که محتوا همیشه توسط کارشناسان دامنه بررسی نمی‌شود، هوش مصنوعی ممکن است به صورت غیرعمد اطلاعات نادرست یا جانبدارانه را تکرار کند.

تقویت حباب اطلاعاتی: روایت‌های محبوب اما تایید نشده ممکن است تکرار شوند و منابع دقیق‌تر و کمتر دیده شده را تحت‌الشعاع قرار دهند.

عدم اعتبار: به ویژه در موضوعات حساس مانند سلامت، حقوق و مالیه، وب‌سایت‌های تولید محتوا توسط کاربران فاقد نظارت ویراستاری لازم برای ارائه راهنمایی معتبر هستند.

استکهلمیان را در شبکه اجتماعی مورد علاقه خودتان دنبال کنید

اگر نظری در باره این مطلب دارید می توانید در زیر آن را بیان کنید