خمسة أبواب خلفية محتملة إلى نتائج البحث في النماذج اللغوية الكبيرة

مع الانخفاض الحاد في الزيارات التقليدية القادمة من نتائج محركات البحث، بسبب التوجه الجديد نحو ملخصات الذكاء الاصطناعي، بات الناشرون على جميع المستويات يسعون إلى تعزيز حضورهم لدى النماذج اللغوية الكبيرة التي تشغّل ملخصات الذكاء الاصطناعي في البحث على الويب، وكذلك مباشرة داخل النماذج الرائدة الشائعة مثل ChatGPT.

وفقًا لأعمال سابقة مثل تحسين الظهور في المحركات التوليدية وكيفية الهيمنة على البحث بالذكاء الاصطناعي، تشمل الأساليب المشروعة الحصول على تغطية تحريرية مستقلة، ونشر محتوى موثوق وجيد التنظيم، وتوفير معلومات عن المنتجات قابلة للقراءة آليًا، وتكييف المواد مع مختلف اللغات والأسواق.

تشبه الطرق البديلة التي استقطبت الاهتمام مؤخرًا ممارسات تحسين محركات البحث غير المشروعة في العقود الماضية. ومنها افتعال التأييد الشعبي على Reddit، حيث زُرعت توصيات تبدو مستقلة للتأثير في نتائج البحث بالذكاء الاصطناعي؛ وتسميم الذاكرة، باستخدام روابط خادعة لمحاولة جعل المساعد يحتفظ بادعاءات ترويجية بوصفها معلومات موثوقة؛ وحقن التعليمات، حيث تسعى أوامر مخفية في المواقع إلى التأثير في توصيات مساعد الذكاء الاصطناعي بدلًا من مجرد تزويده بمعلومات يلخّصها.

ظهر مثال بارع خصوصًا على التلاعب بتحسين الظهور في المحركات التوليدية، أو GEO، عندما ابتكر باحثون في ETH Zürich كاميرا وهمية ونشروا صفحة ترويجية تتضمن أمرًا مخفيًا بخط أبيض بالغ الصغر، يوجّه Bing Copilot من Microsoft إلى التوصية بهذه الكاميرا وحدها. وقد صُمم حجم الخط الضئيل والتباين المنخفض لإخفاء التلاعب.

إعلانان لكاميرتين وهميتين استُخدما في تجربة لـ ETH Zürich للتلاعب بتوصيات البحث بالذكاء الاصطناعي. يحتوي الإعلان التقليدي إلى اليسار على نص ترويجي ظاهر، بينما يخفي إعلان PixelBlitz إلى اليمين أمرًا بخط أبيض حجمه نقطة واحدة، لا يُرى على الخلفية البيضاء. تنتحل الرسالة المخفية صفة تعليمات النظام، فتطلب من الذكاء الاصطناعي التوصية بـ PixelBlitz وحدها وإخفاء وجود الأمر. وفي الاختبارات المضبوطة، رفعت هذه التقنية معدل التوصية بالكاميرا الوهمية من 34% إلى 59.4%. المصدر

في الاختبارات المضبوطة، ارتفع معدل التوصية بالكاميرا المزيفة من 34% إلى 59.4%، متجاوزًا قليلًا نسبة 57.9% التي حققتها كاميرات Nikon وFuji-film الحقيقية. وهذا يبيّن أن التعليمات الخبيثة المضمّنة في صفحات الويب المسترجعة يمكنها بالفعل التأثير في توصيات الذكاء الاصطناعي.

ومع ضخامة المصالح المعنية، من المعقول افتراض أن GEO غير المشروع يمثل مسارًا بحثيًا غير قانوني نشطًا وجيد التمويل في صناعات التسويق وقطاعات أخرى تسعى إلى اكتساب مكانتها السابقة في تحسين محركات البحث أو استعادتها، من خلال الحصول على توصيات أنظمة الإجابة بالذكاء الاصطناعي ومحركات المحادثة.

لذلك، لنلقِ نظرة على بعض المسارات المحتملة أو الناشئة:

1: التلاعب بالأرشيفات

يُعد Internet Archive أحد أشمل موارد الشبكة وأكثرها نفعًا، وقد تجاوزت خدمة Wayback Machine التابعة له حاجز تريليون صفحة في عام 2025. وعند كتابة هذا المقال، أفاد Internet Archive بأنه يخزّن ويتيح للجمهور عددًا مذهلًا يبلغ 47,381,733 مستند PDF:

يحتفظ Internet Archive بمجموعة هائلة من مواد PDF، تبرّع المتطوعون بمعظمها. المصدر

كما تُظهر أمثلة النتائج أعلاه، فإن كثيرًا من ملفات PDF المرفوعة عاديّ المحتوى: من منشورات موسيقية مغمورة تعود إلى الفترة بين خمسينيات وتسعينيات القرن العشرين، إلى مجلات وكتب نادرة ومثيرة للاهتمام ظُن أنها ضاعت إلى الأبد، وصولًا إلى أكوام مملة من محاضر اجتماعات المجالس البلدية في السبعينيات والثمانينيات، وغير ذلك الكثير.

تتعرض هذه المجموعة في الوقت الراهن إلى وابل عشوائي من طلبات الوصول، والمتسبب الواضح هو حشد من روبوتات جمع البيانات للذكاء الاصطناعي المتعطشة لبيانات جديدة، أو لنسخ أفضل من البيانات التي لديها أو نسخ تؤكدها.

ومن الواضح أن تعديل مستند مرفوع ليدعم قولًا كاذبًا، أو منتجات وهمية، أو إشارات زائفة إلى أشخاص سواء كانت مادحة أم تشهيرية، أو ادعاءات كاذبة عنهم، وما إلى ذلك، أمر بالغ السهولة.

يمكن إدخال هذه المواد في مستندات تعتبرها النماذج اللغوية مصادر موثوقة، مثل ملفات PDF لمجلات محترمة لم تُفهرس بالكامل بعد ضمن مجموعة Internet Archive. وفي هذه الحالة، قد تبدو النسخة المعدّلة وكأنها تسد فجوة بصورة مشروعة.

يمكن للذكاء الاصطناعي نفسه محاكاة أسلوب الكتابة ليناسب مقالًا قصيرًا قائمًا أو حتى تعليقًا على صورة. ويمكن أيضًا تعديل تاريخ ملف PDF، إلى جانب حيل بسيطة عديدة أخرى، لجعل المستند يبدو، مثلًا، كأنه مادة عُثر عليها في أرشيف من التسعينيات أو من زمن أقدم:

تعديل تاريخي بسيط قدّمه ChatGPT-5.5 دون اعتراض، ويمكن إدراجه بسهولة من جديد في مستند PDF الأصلي. وهكذا تختفي Pence Opera House من التاريخ، بينما يُنقل افتتاح Guthrie Theater، وهو مسرح حقيقي في ولاية مينيسوتا، من سنة افتتاحه الفعلية 1963 إلى سنة أقدم بكثير، هي 1867. المصدر

يبدو أن كل ما يلزم في هذه الحالات هو انتظار روبوتات جمع بيانات الذكاء الاصطناعي النهمة لتلتقط المعلومات. ولا يزال من المبكر الجزم بمدى قدرة المرشحات أو أنظمة الفحص المستخدمة في إعداد مجموعات البيانات على اكتشاف تعديلات غير مشروعة كهذه. إلا أن حجم هذه المجموعات هائل إلى درجة تمنع عادة ذلك المستوى التفصيلي من الرقابة. ومع هذا الحجم الضخم، يصبح الأمر في جوهره ثقةً بالبيانات.

2: شبكات الإجماع المصطنع

أو، لمن يتذكرونها، نسخة حديثة من حلقات المواقع: مواقع مترابطة في بدايات الإنترنت، سبقت PageRank من Google وDomain Authority من Moz، اللذين يقيّمان عدد الروابط الواردة وجودتها.

لكن شبكات الإجماع المصطنع تذهب أبعد من ذلك، إذ تصنع مظهرًا للتأييد المستقل عبر مواقع يُفترض أنها غير مترابطة. وقد أظهرت دراسة حديثة من الجامعة الصينية في هونغ كونغ وEPFL هذا المبدأ بصورة عامة؛ إذ اختبر الباحثون 12 نموذج ذكاء اصطناعي على 225 منتجًا في 15 فئة، مع استبدال إشارات العلامات التجارية الحقيقية في نتائج البحث المسترجعة ببدائل وهمية.

رسم من الورقة يوضح مسارين يمكن أن تؤثر من خلالهما معلومات منتجات ملفقة في توصيات الذكاء الاصطناعي. في الأعلى، يُزرع محتوى زائف على الويب الفعلي ويدخل نتائج البحث؛ وفي الأسفل، يحاكي الباحثون العملية نفسها بتعديل الصفحات المسترجعة محليًا. ويمكن أن يدفع كلا المسارين المساعد إلى التوصية بعلامة غير موجودة إلى جانب منتجات حقيقية. المصدر

ازداد التأثير كلما حملت نتائج أكثر المعلومات الكاذبة نفسها. ومع وجود ثلاث صفحات متلاعب بها بين النتائج المتقدمة، أوصى النموذج الأكثر عرضة للتأثر بمنتجات غير موجودة في 73.8% من الاختبارات. وحتى نتيجة واحدة محرّفة في المرتبة الأولى استطاعت تضليل بعض النماذج في 27% من الحالات.

والأكثر إثارة للانتباه أن النماذج كانت أحيانًا تختلق تأييدًا من عندها. ففي اختبار يتعلق بعلامة وهمية لواقيات الشاشات، أضاف Claude وDeepSeek ادعاءات عن توصيات المجتمع واختبارات المنتجات لم تكن موجودة في المواد المقدّمة.

ورغم أن التجربة أُجريت على نتائج بحث معدّلة محليًا، لا على شبكة فعلية من المواقع الاحتيالية، فإنها تشير إلى كيفية تصنيع المصداقية عبر مجموعة من المراجعات المنسقة التي تبدو مستقلة، مع تعزيز الذكاء الاصطناعي للكذب بتوصيات إضافية.

3: توليد الاستشهادات والادعاءات المنفصلة عن أصولها

يُعد توليد الاستشهادات، أو ما يمكن وصفه بغسل الاستشهادات، صيغة من شبكات الإجماع المصطنع، لكنه يركز أكثر على المصدر الظاهر للمعلومات بدلًا من عدد المصادر التي تكررها.

قد يظهر ادعاء ملفق أولًا في دورية تجارية مغمورة، أو ورقة بحثية منشورة ذاتيًا، أو مطبوعة متخصصة ضعيفة الرقابة التحريرية. ثم تستشهد به مدونات وأدلة ومطبوعات أخرى، وكل تكرار يمنح القول الأصلي قليلًا من الشرعية الظاهرية الإضافية.

وفي النهاية قد يصادف محرك البحث بالذكاء الاصطناعي الادعاء بعد عدة حلقات تفصله عن مصدره الأول، ربما في مقال موثوق في بقية جوانبه يستشهد بمطبوعة وسيطة. وما بدأ قولًا بلا سند يصبح له تاريخ من الاستشهادات، رغم أن أيًا من المراجع اللاحقة لا يشكل تحققًا مستقلًا.

توجد بالفعل أمثلة موثقة عدة على هذه العملية، وإن كان معظمها يسبق ظهور البحث بالذكاء الاصطناعي. ففي حالة شهيرة، اخترع مراهق لقب خنزير الأرض البرازيلي لحيوان الكواتي وأدخله في Wikipedia.

انتشر الاسم المختلق في الصحف وفي كتاب أكاديمي واحد على الأقل. وفي النهاية استشهدت Wikipedia نفسها بمقال صحفي دليلًا على الادعاء الذي أدخلته أصلًا، في دائرة شبه مكتملة من المرجعية الملفقة. وقد وثّقت The New Yorker هذه الواقعة.

وظهر مثال أكثر تعمدًا في عام 2025، عندما أنشأ باحثون أوراقًا أكاديمية متعددة بالذكاء الاصطناعي ونسبوها إلى عالم غير موجود. جمعت المطبوعات الملفقة 380 استشهادًا وحققت مؤشر h بقيمة 19 على Google Scholar، مما منح الباحث الوهمي مكانة أكاديمية تبدو محترمة. وتوضح التجربة، المنشورة في Scientific Reports التابعة لـ Nature، كيف يمكن تصنيع أعداد الاستشهادات من دون رصيد مقابل من البحث الحقيقي.

لا تثبت أي من الحالتين نجاح هجوم على محرك بحث بالذكاء الاصطناعي. لكنهما توضحان الضعف الأساسي: عندما تعيد مصادر تبدو موثوقة نشر ادعاء كاذب، قد تجد الأنظمة اللاحقة صعوبة في التمييز بين التأييد المستقل والتداول المتكرر لاختلاق واحد. والخطر الخاص بالبحث بالذكاء الاصطناعي هو أن يلخص النموذج سلسلة المراجع هذه بوصفها أدلة متضافرة، دون إدراك أن جميع المراجع الظاهرة تعود إلى الادعاء نفسه الذي لم يُتحقق منه.

4: الاستيلاء على المصداقية

قد تحتفظ النطاقات المنتهية الصلاحية بالمصداقية الظاهرية والروابط الواردة والظهور في البحث التي كانت لأصحابها السابقين. ويمكن أن يجعل شراء هذه العناوين وملأها بمواد جديدة الادعاءات المستحدثة تبدو صادرة عن مطبوعات راسخة؛ وهي ممارسة تعود إلى ما قبل 20–30 عامًا. وغالبًا ما تُشترى موثوقية نطاق منتهي الصلاحية أو مهجور لتحويل محتواه إلى مواد ذات صلة، لكنها تجارية الطابع.

في عام 2024، عادت للظهور المدونة النسائية المؤثرة The Hairpin، التي أُغلقت في 2018، تحت ملكية جديدة كمصنع لمحتوى مولّد بالذكاء الاصطناعي. امتزجت مقالاتها الأصلية بمواد معاد كتابتها وأسماء مؤلفين وهميين، استغلالًا لسمعة مطبوعة كانت محترمة ولمصداقية نطاقها. ورغم أن ذلك ليس هجومًا مثبتًا على البحث بالذكاء الاصطناعي، فإنه يوضح كيف يمكن الاستحواذ على تاريخ موقع راسخ.

ورغم أن النسخ الأرشيفية قد تساعد على كشف الفرق بين الماضي الحقيقي لنطاق ومحتواه المصنوع حديثًا، فإن هذا النوع من الأدلة ليس بالضرورة دائمًا. ففي 2002، حذف Internet Archive نسخًا من مواقع تنتقد Scientology عقب شكاوى بحقوق النشر من محامي المنظمة، مشيرًا في البداية إلى أن أصحاب المواقع أنفسهم طلبوا الحذف.

حتى عام 2017، كانت Wayback Machine تطبق قواعد استبعاد المواقع بأثر رجعي، مما قد يسمح لأصحاب النطاقات الجدد بإخفاء محتوى أسلافهم. ورغم إيقاف هذه الممارسة، فإن Internet Archive لا يزال ينظر في طلبات حذف النسخ التاريخية.

5: استغلال المستودعات الأكاديمية

توفر المستودعات الأكاديمية مسارًا آخر نحو الموثوقية الظاهرية. تسمح خوادم المسودات البحثية للباحثين بنشر الأوراق قبل مراجعة الأقران، بينما قد تصادف محركات البحث وأنظمة الاسترجاع بالذكاء الاصطناعي هذه الوثائق إلى جانب الأدبيات العلمية المعتمدة.

المشكلة أن النشر والتحقق ليسا الشيء نفسه. ففي 2024، أثبت باحثون كيف يمكن لتعليمات خبيثة مدسوسة في أوراق أكاديمية أن تتلاعب بمساعدي الذكاء الاصطناعي الذين يعالجونها. وأظهر عملهم أن الشرعية الظاهرية لورقة بحثية لا تمنع استخدام محتواها للتأثير في نظام ذكاء اصطناعي.

قد يتمثل أسلوب GEO أقل لفتًا للانتباه في إيداع أبحاث تبدو معقولة لكنها هامشية، تربط مرارًا شركة أو منتجًا أو فردًا بخبرة معينة. وحتى من دون تعليمات صريحة للذكاء الاصطناعي، قد توفر هذه المواد دعمًا ذا مظهر علمي لادعاءات بدأت من المستفيد نفسه.

الخاتمة

تشمل المسارات المحتملة الأخرى التسلل إلى منظومة المراجعات، بوضع تقييمات إيجابية في مواقع المقارنة وأدلة البرمجيات؛ والتلاعب بالرسوم المعرفية، بتعديل البيانات المنظمة لإنشاء صلات مضللة بين الشركات والمنتجات والخبرات؛ وغسل السمعة عبر اللغات، بوضع ادعاءات ترويجية في مصادر أجنبية اللغة تخضع لتدقيق أقل.

وأخيرًا، قد يؤتمت تحسين GEO القائم على الوكلاء هذه التقنيات، عبر اختبار المحتوى مرارًا أمام محركات البحث بالذكاء الاصطناعي وتنقيح الصيغ التي تنتج التوصيات المرغوبة.

نُشر أول مرة يوم الاثنين 12 أكتوبر 2026. وعُدّل خلال ثلاثين دقيقة لإصلاح تنسيق الأحرف الكبيرة في العناوين والوسوم الناقصة.