செயலற்ற அல்லது தரம் குறைந்த ஆதாரங்களைக் குறிப்பிட்டாலும், AI தேடுபொறிகள் மிகவும் உறுதியாகத் தோன்றலாம் என்று ஒரு விரைவான சோதனை காட்டுகிறது

பிரபலமான மூன்று AI-ஆல் இயங்கும் தேடல் கருவிகளில் செய்யப்பட்ட ஒரு எளிய ஆதாரச் சரிபார்ப்பு (provenance check), அவற்றில் இரண்டு கருவிகள் பயனற்ற இணைப்புகளைக் (dead links) காட்டின அல்லது நம்பகத்தன்மை குறைந்த தளங்களின் மூலம் பதில்களைத் தரம் தாழ்ந்த முறையில் ஆதரித்தன என்பதைக் கண்டறிந்தது. இவை மூன்றும் ஒரே மாதிரியான உறுதியான உரை மற்றும் ஆதாரத் தொகுப்புகளை (source “chips”) வழங்கிய போதிலும் இந்த வேறுபாடு காணப்பட்டது.

ஆச்சரியத்தைத் தூண்டிய சோதனை

நான் ஒரு உண்மை சார்ந்த, சமீபத்திய கேள்வியைக் கேட்டேன்: “2026-ல் EU AI Act-இல் என்ன மாற்றம் ஏற்பட்டது?” இதற்கான பதில் அதிகாரப்பூர்வ திருத்த உரையில் (amendment text) இருக்கும், எனவே அது அங்கிருப்பதே அல்லது இல்லாமலேயே இருக்கும். மேற்கோள்களை (citations) வழங்கும் Perplexity, Google-ன் AI mode மற்றும் Brave Search ஆகிய மூன்று AI தேடுபொறிகளுக்கும் இந்தக் கேள்வியைக் கொடுத்தேன்.

மூன்றுமே ஒரே மாதிரியான உண்மைகளைத் தந்தன—ஒரே தேதிகள், ஒரே விளக்கம்—எனவே துல்லியத்தன்மையில் அவை சமமாக இருந்தன. நான் குறிப்பிடப்பட்ட ஆதாரங்களை ஆய்வு செய்தபோதுதான் வேறுபாடுகள் வெளிப்பட்டன.

ஆதாரத் தரத்தை நான் எவ்வாறு மதிப்பிட்டேன்

ஒவ்வொரு மேற்கோளையும் அதன் ஹோஸ்ட் வகையைப் பொறுத்து மதிப்பிடும் வகையில் மூன்று அடுக்கு மதிப்பீட்டு முறையை நான் உருவாக்கினேன்:

  • முதன்மை (Primary - எடை 3) – சட்டத்தை உண்மையில் வெளியிடும் தளம் (எ.கா., அதிகாரப்பூர்வ EU பதிவேடு).
  • அதிகாரப்பூர்வமானது (Official - எடை 2) – சட்டத்தை வெளியிடும் அல்லது மேற்பார்வையிடும் நிறுவனம் (அரசு டொமைன்கள், முகமைத் தளங்கள்).
  • பயனர் உருவாக்கும் உள்ளடக்கம் (UGC - எடை 0) – YouTube அல்லது Reddit போன்ற தளங்கள்.

ஒவ்வொரு தேடுபொறியின் ஒட்டுமொத்த மதிப்பெண்ணும் அது காட்டிய URL-களின் சராசரி எடையாகும்.

தேடுபொறி (Engine) குறிப்பிடப்பட்ட ஆதாரங்கள் மதிப்பெண்
Perplexity அதிகாரப்பூர்வ அரசு டொமைன்கள் 2.00
Google AI mode ஆலோசனை நிறுவனங்கள் மற்றும் ஒரு YouTube வீடியோ 1.00
Brave Search முதன்மை ஆதாரம் 3.00

காகித அளவில் Brave மிகச்சரியாகத் தெரிந்தது, Perplexity ஓரளவிற்கு நன்றாக இருந்தது, ஆனால் Google பின்தங்கியிருந்தது.

இந்த அடுக்கு முறை டொமைன் பெயரை மட்டுமே பார்க்கிறது; இணைக்கப்பட்ட பக்கம் உண்மையில் இயங்குகிறதா என்பதைச் சரிபார்க்கவில்லை. நான் ஒவ்வொரு URL-ஐயும் ஆய்வு செய்தேன். Brave-ன் "முதன்மை" மேற்கோள் ஒரு வெற்றுப் பக்கத்தையே காட்டியது—அந்த இணைப்புச் செயலிழந்து (dead) இருந்தது. அந்தத் தேடுபொறி சட்டத்தைக் குறிப்பிடுவதாகக் கூறியது, ஆனால் எதையும் வழங்கவில்லை.

Perplexity அதிகாரப்பூர்வ அரசு டொமைன்களைப் பயன்படுத்தியது.

Google ஆலோசனை நிறுவனங்களையும் ஒரு YouTube வீடியோவையும் பயன்படுத்தியது.

இரண்டு தெளிவான சிக்கல்கள் வெளிப்பட்டன:

  1. உயர்தர டொமைன் என்பது அந்தப் பக்கம் அணுகக்கூடியது என்பதற்கான உத்தரவாதம் அல்ல.
  2. நன்கு வடிவமைக்கப்பட்ட ஒரு சுருக்கம், நம்பகத்தன்மை குறைந்த ஆதாரங்களால் ஆதரிக்கப்படலாம்.

பயனர் இடைமுகம் (User interface) இந்த இரண்டு சிக்கல்களையும் மறைக்கிறது. மூன்று கருவிகளுமே ஒரே மாதிரியான உறுதியான பத்தியையும், சீரான ஆதாரத் தொகுப்புகளையும் (source chips) வழங்குகின்றன. ஒரு தொகுப்பு பயனற்ற பக்கத்திற்குச் செல்கிறது என்றோ அல்லது மற்றொன்று சட்ட உரத்திற்குப் பதிலாக ஒரு YouTube tutorial-க்குச் செல்கிறது என்றோ காட்டும் எந்த ஒரு காட்சி அறிகுறியும் (visual cue) இல்லை.

டெவலப்பர்களுக்கு ஆதாரச் சரிபார்ப்பு (provenance) ஏன் முக்கியம்

டெவலப்பர்கள் ஆதாரச் சரிபார்ப்பை ஒரு சோதனை செய்யக்கூடிய அளவீடாக (testable metric) மாற்றலாம்:

  • மேலே உள்ளதைப் போன்ற அடுக்கு முறை எடையைப் பயன்படுத்தி ஒவ்வொரு பதிலுக்கும் மதிப்பெண் வழங்கவும்.
  • இணைப்புகளின் ஆரோக்கியத்தை (link health) தானாகவே சரிபார்க்கவும்; வெற்றுப் பதில்கள் அல்லது HTTP பிழைகளைக் கண்டறியவும்.
  • ஒரு பதிலின் ஆதார மதிப்பெண் (provenance score) நிர்ணயிக்கப்பட்ட அளவை விடக் குறையும் போது எச்சரிக்கைகளை (alerts) உருவாக்கவும்.

இது "ஹாலுசினேஷன்களை" (hallucinations) தேடுவதை விட மிகவும் உறுதியான அணுகுமுறையாகும் - மாடல் ஒரு நம்பகமான வாக்கியத்தை உருவாக்கலாம், ஆனால் ஆதாரச் சரிபார்ப்பு எந்த மேற்கோள் (அல்லது மேற்கோள் இல்லாமை) சிக்கலை ஏற்படுத்தியது என்பதைத் துல்லியமாகத் தெரிவிக்கும், இது ஒரு குறிப்பிட்ட தீர்வை எடுக்க உதவும்.

முடிவுரை

ஒரு சிறிய ஆதாரச் சரிபார்ப்பு சோதனை, AI தேடுபொறிகள் பயனற்ற அல்லது தரம் குறைந்த ஆதாரங்களைக் குறிப்பிட்டாலும் அதிகாரப்பூர்வமானதாகத் தோன்றலாம் என்பதைக் காட்டுகிறது. இந்தத் தேடுபொறிகளைச் சார்ந்திருக்கும் டெவலப்பர்கள், மேற்கோள்களின் தரத்தை ஒரு உறுதிப்படுத்தப்பட்ட உத்தரவாதமாகப் பார்க்காமல், அளவிடக்கூடிய ஒரு பண்பாகக் கருத வேண்டும் மற்றும் தங்கள் பணிப்பாய்வுகளில் (pipelines) தானியங்கிச் சரிபார்ப்புகளை உருவாக்க வேண்டும். ஒரு "முதன்மை" ஆதாரம் உண்மையில் இயங்குகிறதா என்பதைச் சரிபார்ப்பது, ஒரு நம்பகமான பதிலுக்கும், அமைதியான தவறான தகவல் பொறியிற்கும் (misinformation trap) இடையிலான வித்தியாசமாக இருக்கலாம்.