بيربلكسيتي تستشهد بصفحات برمجية مولّدة بالذكاء الاصطناعي

كشف تحليل تقني حديث أُجرى في سبتمبر 2026 عن اعتماد أنظمة الاسترجاع في نموذج بيبلكسيتي الذكي على مصادر رقمية ضعيفة الجودة ومصممة خصيصاً لتغذية نماذج الذكاء الاصطناعي بدلاً من المستخدمين البشريين. شمل الاختبار تقييم ثلاثمائة وثمانين فئة برمجية عبر نماذج بيبلكسيتي سونار وبيبلكسيتي سونار برو، مما أسفر عن جمع سبعة آلاف وخمسمائة وأربعين مرجعاً رابطاً لمواقع إلكترونية. كشفت النتائج عن تركيز غير معتاد على نطاقات تحتل ترتيباً متدنياً في قوائم الترتيب الرقمي، حيث تشير نحو خمسة وتسعين في المئة من المراجع إلى مواقع خارج القائمة المليون الأولى أو غير مصنفة إطلاقاً. يبرز في صلب التقرير اكتشاف شبكة مواقع مرتبطة ظاهراً بهيمنة تشغيلية موحدة، تضم موقع جي نكس وموقع وورلد ميتريكس وموقع واي فاي تالينتس. تشاركت هذه النطاقات في البنية التحتية السحابية وخوادم التوجيه، وتباعد إنشاؤها عن ديسمبر 2023. تميزت هذه المواقع بنشر أكثر من مائتين وخمسة عشر ألف صفحة آلية تحت مسميات أدلة شراء برمجية، مع اعتماد قوالب هيكلية موحدة وعناوين صفحات داخلية صريحة تعني بالإنجليزية صفحة الحقائق والتأسيس، وهي مصطلحات تقنية تشير صراحةً إلى طبقة الاسترجاع الآلي وليس إلى القارئ البشري. وأظهرت المقارنة بين التقييمات التي نشرتها هذه المواقع لنفس الفئة البرمجية تناقضاً كاملاً في النتائج، فضلاً عن استخدام أسماء موظفين وهمية ومتغيرات برمجية غير مكتملة داخل النصوص، مما يؤكد طبيعتها المولدة آلياً بالكامل. كما لفت التحليل الانتباه إلى اعتماد النماذج بشكل مكثف على المدونات التسويقية للبائعين، حيث تصدر موقع غايد فلو القائمة كمصدر ثالث للمراجع عبر مائتين وأربعة رابطاً متخصصاً في فئات لا يتعامل فيها مع برمجياتها، مما يعكس حساسية خوارزميات الاسترجاع الحالية للمحتوى المحسن لمحركات البحث الذكي. ورغم أن الروابط المباشرة لمواقع الشركات الموصى بها بقيت في الغالب سليمة، إلا أن نسبة صغيرة منها أحالت إلى عناوين ميتة أو وجهت المستخدمين إلى مواقع غير ذات صلة مثل منصات القمار أو المجمعات السياحية. تشير هذه المعطيات إلى تحول استراتيجي في استغلال طبقات الاسترجاع الخاصة بالذكاء الاصطناعي، حيث تم تصميم محتوى اصطناعي واسع النطاق خصيصاً لملء قواعد المعرفة الآلية. ويؤكد التقرير أن النماذج المدروسة تشارك في طبقة استرجاع موحدة، مما يعني أن النتائج تعكس هشاشة الآليات الحالية في ترشيح المصادر، ويدفع مطوري الذكاء الاصطناعي ومراجعي المعايير نحو إعادة تقييم آليات التحقق من أصالة البيانات وجودة التضمين المرجعي في النماذج التوليدية لضمان موثوقية التوصيات البرمجية.