فحص 600 رابط يكشف أن ما يصل إلى 94% من المصادر التي تستشهد بها أنظمة الذكاء الاصطناعي تظل متاحة

يبدو الرابط المعطل أسفل إجابة شبكة عصبية كأنه دليل إدانة: الصفحة لا تُفتح، ما يعني أن النموذج اختلق المصدر. لكن هذا المنطق مريح أكثر مما ينبغي، وغالبا ما يكون خاطئا. جمع مؤلف الدراسة نحو 600 عنوان من إجابات خمس خدمات بحث مدعومة بالذكاء الاصطناعي، ثم أعاد فحصها بعد شهر تقريبا. وتراوحت نسبة الروابط التي أمكن فتحها بين 88 و94% بحسب الخدمة. ولم يُعثر بين العناوين غير المتاحة على أي روابط مختلقة بصورة مؤكدة؛ إذ منعت بعض الصفحات البرنامج النصي الآلي من الوصول، بينما بدا من رموز الاستجابة وبنية عناوين URL أن عدة مواد حُذفت في تلك الأثناء.

هذا لا يبرئ الشبكات العصبية، لكنه يغير التشخيص. تواجه محركات البحث المدعومة بالذكاء الاصطناعي مشكلتين مختلفتين على الأقل: قد ينشئ النموذج عنوانا معقولا لصفحة غير موجودة، وقد يستشهد بمادة حقيقية تختفي لاحقا. وهاتان حالتان مختلفتان جذريا بالنسبة إلى مطور نظام للتحقق.

لماذا لا يثبت الخطأ 404 شيئا

لنفترض أن نظام ذكاء اصطناعي استشهد بمراجعة لخدمة على العنوان example.com/blog/review. وبعد شهر، أعاد الخادم الخطأ 404. يوجد تفسيران محتملان: إما أن تلك المادة لم تكن موجودة قط، وإما أن هيئة التحرير حذفتها. ولا يمكن التمييز بين الحالتين اعتمادا على رمز الاستجابة وحده.

يوفر الرمز 410 معلومات أكثر: فمالك الموقع يعلن صراحة أن المورد حُذف نهائيا. وهذا مؤشر قوي على أن الصفحة كانت موجودة من قبل. ويعني الرمزان 401 و403 عادة رفض الوصول، بينما يشير 429 إلى تجاوز حد الطلبات، و503 إلى عدم توفر الخدمة مؤقتا. ولا يجوز تصنيف جميع هذه الاستجابات على أنها «روابط ميتة»، إذ قد يتمكن متصفح عادي من فتح صفحة رفض الموقع عرضها للبرنامج النصي.

لذلك يجب أن يراعي الفحص البسيط عمليات إعادة التوجيه والعنوان النهائي وفئة استجابة الخادم. استخدمت التجربة طلب GET مع مهلتين منفصلتين للاتصال والقراءة، وUser-Agent مخصص، وحد أقصى قدره عشر عمليات إعادة توجيه. وصُنفت العناوين ذات الاستجابتين 404 و410 على أنها محذوفة، والاستجابات 401 و403 و429 و503 على أنها مغلقة أمام الروبوت، بينما أُحيلت بقية الحالات الملتبسة إلى الفحص اليدوي.

حتى الرابط النشط قد يكون مضللا

لا تؤكد الحالة 200 سوى أن الخادم أعاد شيئا ما. وهي لا تثبت أن الصفحة تحتوي على المقال الموعود، أو أن نصه يدعم استنتاج الشبكة العصبية. فقد يكون الموقع أعاد توجيه العنوان القديم إلى الصفحة الرئيسية، أو استبدل المادة، أو احتفظ بعنوان URL مع محتوى مختلف.

لذلك يتألف التحقق الموثوق من المصدر من ثلاث خطوات: فتح العنوان النهائي، والتأكد من أن العنوان والمحتوى يتطابقان مع الاقتباس، ثم تقييم موثوقية المصدر نفسه. ولا يغطي مدقق الروابط الآلي سوى الخطوة الأولى. ومن المفيد للمنتج الذي يعرض روابط للمستخدم أن يحتفظ بتاريخ آخر فحص، وعنوان URL النهائي، ورمز الاستجابة، وبصمة لمحتوى الصفحة. وعندئذ يمكن التمييز بين عطل مؤقت وحذف المادة أو استبدالها.

ما الذي ينبغي للمطورين ومالكي المواقع فعله

ينبغي لمطوري محركات البحث المدعومة بالذكاء الاصطناعي ألا يصنفوا رابطا على أنه مختلق بعد طلب واحد فاشل. بل يلزم تكرار المحاولة، ومعالجة قيود الوصول بصورة منفصلة، وفحص العناوين الملتبسة يدويا. وإذا كانت قابلية إثبات الإجابة مهمة، فمن الأفضل حفظ تاريخ الرجوع إلى المصدر ومقتطف قصير يستند إليه الاستنتاج، مع مراعاة حقوق النشر.

أما مالكو المواقع، فمن الأفضل عند حذف مقال أن ينشئوا إعادة توجيه دائمة إلى مادة حديثة تتناول الموضوع نفسه. فإعادة التوجيه إلى الصفحة الرئيسية تحافظ شكليا على عنوان «نشط»، لكنها تنقض الوعد المقدم للقارئ. وإذا لم يوجد بديل مناسب، فمن الأكثر صدقا إعادة الرمز 410.

للدراسة قيد ملحوظ: فهي تعتمد على قياس واحد أُجري بعد شهر تقريبا من جمع الروابط. وقد اختبرت توفر الصفحات، لا دقة التلخيص ولا جودة المصادر. لذلك تظل الخلاصة محدودة: الرابط المعطل لا يثبت الهلوسة بمفرده. بل يجب التحقق من سجل عنوان URL ومحتوى الصفحة وما إذا كان هذا المحتوى يؤكد بالفعل ما ذكرته الشبكة العصبية.