LLM के खोज परिणामों तक पहुँचने के पाँच संभावित पिछले दरवाज़े

AI सारांशों के नए चलन के कारण खोज इंजन के परिणामों से मिलने वाले पारंपरिक ट्रैफ़िक में भारी गिरावट आई है। अब हर स्तर के प्रकाशक उन बड़े भाषा मॉडलों का अधिक ध्यान आकर्षित करने की कोशिश कर रहे हैं जो वेब खोज के AI सारांश तैयार करते हैं, और सीधे ChatGPT जैसे लोकप्रिय अग्रणी मॉडलों में भी प्रमुखता पाना चाहते हैं।

जनरेटिव इंजनों में दृश्यता का अनुकूलन और AI खोज में बढ़त कैसे हासिल करें जैसे पूर्व शोध के अनुसार, वैध तरीकों में स्वतंत्र संपादकीय कवरेज पाना, प्रामाणिक और सुव्यवस्थित सामग्री प्रकाशित करना, मशीन द्वारा पढ़ी जा सकने वाली उत्पाद जानकारी देना तथा अलग-अलग भाषाओं और बाज़ारों के लिए सामग्री ढालना शामिल है।

हाल में ध्यान खींचने वाले वैकल्पिक तरीके पिछले दशकों की अनुचित SEO गतिविधियों से मिलते-जुलते हैं। इनमें Reddit पर नकली जनसमर्थन पैदा करना शामिल है, जहाँ AI खोज परिणामों को प्रभावित करने के लिए स्वतंत्र दिखने वाली सिफ़ारिशें डाली गईं; स्मृति को दूषित करना, जिसमें भ्रामक लिंक सहायक से प्रचारात्मक दावों को विश्वसनीय जानकारी की तरह याद रखवाने की कोशिश करते हैं; और प्रॉम्प्ट इंजेक्शन, जहाँ वेबसाइट के छिपे निर्देश सहायक को केवल सारांश बनाने के लिए सूचना देने के बजाय उसकी सिफ़ारिशों को प्रभावित करने का प्रयास करते हैं।

GEO में हेरफेर का एक विशेष रूप से चतुर उदाहरण तब सामने आया जब ETH Zürich के शोधकर्ताओं ने एक काल्पनिक कैमरा बनाया और एक प्रचार वेबपेज प्रकाशित किया। उसमें बेहद छोटे सफ़ेद अक्षरों में छिपा निर्देश Microsoft के Bing Copilot को सिर्फ़ उसी कैमरे की सिफ़ारिश करने को कहता था। बहुत छोटा फ़ॉन्ट और कम रंग-विरोध इस हेरफेर को छिपाने के लिए था।

ETH Zürich के प्रयोग में AI खोज सिफ़ारिशों को प्रभावित करने के लिए इस्तेमाल किए गए दो काल्पनिक कैमरा विज्ञापन। बाईं ओर के सामान्य विज्ञापन में प्रचार सामग्री दिखाई देती है, जबकि दाईं ओर का PixelBlitz विज्ञापन एक पॉइंट आकार के सफ़ेद अक्षरों में निर्देश छिपाता है, जो सफ़ेद पृष्ठभूमि पर दिखाई नहीं देते। छिपा संदेश सिस्टम निर्देश होने का दिखावा करते हुए AI से केवल PixelBlitz की सिफ़ारिश करने और निर्देश का अस्तित्व छिपाने को कहता है। नियंत्रित परीक्षणों में इस तकनीक ने काल्पनिक कैमरे की सिफ़ारिश की दर 34% से बढ़ाकर 59.4% कर दी। स्रोत

नियंत्रित परीक्षणों में नकली कैमरे की सिफ़ारिश की दर 34% से बढ़कर 59.4% हो गई, जो असली Nikon और Fuji-film कैमरों की 57.9% दर से थोड़ी अधिक थी। इससे पता चला कि प्राप्त किए गए वेबपेजों में छिपे दुर्भावनापूर्ण निर्देश वास्तव में AI की सिफ़ारिशों को प्रभावित कर सकते हैं।

इतने बड़े दाँव को देखते हुए यह मानना उचित है कि अनुचित GEO, विपणन उद्योग और कई अन्य क्षेत्रों में सक्रिय तथा अच्छी तरह वित्तपोषित अवैध शोध की शाखा है। ये क्षेत्र AI उत्तर प्रणालियों और संवाद इंजनों से सिफ़ारिशें पाकर अपनी पुरानी SEO प्रमुखता हासिल करना या वापस पाना चाहते हैं।

इसलिए आइए कुछ संभावित या उभरते रास्तों को देखें:

1: अभिलेखागार में हेरफेर

Internet Archive सबसे व्यापक और उपयोगी नेटवर्क संसाधनों में से एक है। इसकी Wayback Machine ने 2025 में एक लाख करोड़ पृष्ठों का पड़ाव पार किया। लेखन के समय Internet Archive के अनुसार उसके पास सार्वजनिक रूप से उपलब्ध 47,381,733 PDF दस्तावेज़ संग्रहीत थे, जो एक असाधारण संख्या है:

Internet Archive में PDF सामग्री का एक विशाल संग्रह है, जिसका बड़ा हिस्सा स्वयंसेवकों ने दान किया है। स्रोत

ऊपर के उदाहरण परिणामों से दिखता है कि अपलोड किए गए कई PDF का विषय काफ़ी साधारण है। इनमें 1950 से 1990 के दशकों के कम चर्चित संगीत पर्चे, दुर्लभ और रोचक पत्रिकाएँ व पुस्तकें जिन्हें हमेशा के लिए खोया हुआ माना गया था, 1970 और 1980 के दशकों की नगर परिषदों की बेहद उबाऊ बैठक कार्यवाहियों के ढेर, और बहुत कुछ शामिल हैं।

इस समय इस संग्रह पर अंधाधुंध भारी मात्रा में अनुरोध भेजे जा रहे हैं। इसका स्पष्ट कारण AI डेटा जुटाने वाले बॉटों का झुंड है, जो नए डेटा या पहले से मौजूद डेटा के बेहतर अथवा उसकी पुष्टि करने वाले संस्करणों के लिए बेताब है।

स्पष्ट है कि अपलोड किए गए किसी दस्तावेज़ को बदलकर झूठे कथन, काल्पनिक उत्पाद, किसी व्यक्ति के बारे में झूठे उल्लेख—प्रशंसात्मक या मानहानिकारक—उसके बारे में झूठे दावे आदि का समर्थन कराना बहुत आसान है।

ऐसी सामग्री उन दस्तावेज़ों में डाली जा सकती है जिन्हें LLM प्रामाणिक स्रोत मानते हैं, जैसे प्रतिष्ठित पत्रिकाओं के PDF जो संयोग से Internet Archive के संग्रह में अभी पूरी तरह अनुक्रमित नहीं हुए हैं। ऐसे में छेड़छाड़ किया गया संस्करण वैध रूप से किसी कमी को पूरा करता दिखाई देगा।

AI स्वयं किसी छोटे लेख या चित्र विवरण की मौजूदा शैली का अनुकरण कर सकता है। PDF की तारीख बदली जा सकती है और कई दूसरे आसान उपाय अपनाए जा सकते हैं, ताकि दस्तावेज़ ऐसा लगे मानो वह 1990 के दशक या उससे भी पुराने अभिलेखागार में मिला हो:

ChatGPT-5.5 ने बिना आपत्ति एक सरल ऐतिहासिक संशोधन दिया, जिसे मूल PDF दस्तावेज़ में आसानी से वापस डाला जा सकता है। इस तरह Pence Opera House इतिहास से गायब हो जाता है, जबकि Minnesota में वास्तव में मौजूद Guthrie Theater का उद्घाटन वास्तविक वर्ष 1963 से बहुत पहले के वर्ष 1867 में पहुँचा दिया जाता है। स्रोत

ऐसे मामलों में लगता है कि बस उस जानकारी को उत्सुक AI डेटा-संग्रह बॉटों द्वारा उठा लिए जाने की प्रतीक्षा करनी है। अभी यह निश्चित रूप से कहना जल्दबाज़ी होगी कि डेटा संकलन के फ़िल्टर या जाँच प्रणालियाँ ऐसी अवैध तब्दीलियों को किस हद तक पकड़ सकती हैं। लेकिन इन डेटासेटों का आकार इतना विशाल है कि आम तौर पर इतनी बारीक निगरानी संभव नहीं होती। इतनी बड़ी मात्रा में, मूलतः डेटा पर भरोसा ही किया जाता है।

2: कृत्रिम सहमति के नेटवर्क

या, जो लोग पुराने दौर को याद करते हैं, उनके लिए यह आधुनिक वेबरिंग है—शुरुआती इंटरनेट की आपस में जुड़ी वेबसाइटें, जो Google के PageRank और Moz के Domain Authority से पहले थीं। ये बाद की प्रणालियाँ आने वाले लिंक की संख्या और गुणवत्ता को महत्व देती थीं।

हालाँकि कृत्रिम सहमति नेटवर्क इससे आगे जाते हैं और कथित रूप से असंबद्ध वेबसाइटों पर स्वतंत्र पुष्टि का आभास गढ़ते हैं। Chinese University of Hong Kong और EPFL के हाल के अध्ययन ने मोटे तौर पर इस सिद्धांत को प्रदर्शित किया। शोधकर्ताओं ने 15 श्रेणियों के 225 उत्पादों पर 12 AI मॉडलों का परीक्षण करते हुए प्राप्त खोज परिणामों में असली ब्रांडों के उल्लेख को काल्पनिक विकल्पों से बदल दिया।

शोधपत्र का यह चित्र दिखाता है कि उत्पाद की गढ़ी हुई जानकारी किन दो रास्तों से AI सिफ़ारिशों को प्रभावित कर सकती है। ऊपर, वास्तविक वेब पर झूठी सामग्री रखी जाती है और वह खोज परिणामों में पहुँचती है। नीचे, शोधकर्ता प्राप्त पृष्ठों को स्थानीय रूप से बदलकर उसी प्रक्रिया का अनुकरण करते हैं। दोनों रास्तों से AI सहायक असली उत्पादों के साथ किसी गैर-मौजूद ब्रांड की सिफ़ारिश कर सकता है। स्रोत

जितने अधिक परिणामों में वही झूठी जानकारी थी, प्रभाव उतना बढ़ा। शीर्ष परिणामों में तीन बदले हुए पृष्ठ होने पर सबसे संवेदनशील मॉडल ने 73.8% परीक्षणों में गैर-मौजूद उत्पादों की सिफ़ारिश की। यहाँ तक कि पहले स्थान का अकेला बदला हुआ परिणाम भी कुछ मॉडलों को 27% मामलों में गुमराह कर सकता था।

और भी उल्लेखनीय यह है कि मॉडल कभी-कभी अपनी ओर से पुष्टि गढ़ लेते थे। एक काल्पनिक स्क्रीन-प्रोटेक्टर ब्रांड वाले परीक्षण में Claude और DeepSeek ने सामुदायिक सिफ़ारिशों तथा उत्पाद परीक्षणों के बारे में ऐसे दावे जोड़ दिए जो दी गई सामग्री में थे ही नहीं।

यद्यपि प्रयोग धोखाधड़ी वाली वेबसाइटों के चालू नेटवर्क के बजाय स्थानीय रूप से बदले गए खोज परिणामों पर हुआ था, यह संकेत देता है कि स्वतंत्र दिखने वाली समीक्षाओं का समन्वित समूह किस तरह विश्वसनीयता गढ़ सकता है, और AI अतिरिक्त समर्थन देकर उस झूठ को और मज़बूत कर सकता है।

3: उद्धरण बनाना और मूल स्रोत से कटे दावे

उद्धरण बनाना—जिसे उद्धरणों की धुलाई भी कह सकते हैं—कृत्रिम सहमति नेटवर्क का ही एक रूप है। लेकिन इसमें बात दोहराने वाले स्रोतों की संख्या से ज़्यादा जानकारी के दिखने वाले मूल स्रोत पर ज़ोर होता है।

गढ़ा हुआ दावा पहले किसी अनजान व्यावसायिक पत्रिका, स्वयं प्रकाशित शोधपत्र, या कम संपादकीय निगरानी वाले विशेषज्ञ प्रकाशन में आ सकता है। फिर ब्लॉग, निर्देशिकाएँ और अन्य प्रकाशन उसे उद्धृत कर सकते हैं। हर पुनरावृत्ति मूल कथन को थोड़ा और वैध दिखाती है।

अंततः कोई AI खोज इंजन उस दावे से मूल स्रोत से कई चरण दूर मिल सकता है, शायद किसी ऐसे लेख में जो बाकी मामलों में प्रतिष्ठित है लेकिन किसी मध्यस्थ प्रकाशन को उद्धृत करता है। जो बात बिना आधार के शुरू हुई थी, उसके पास अब उद्धरणों का इतिहास है, भले ही बाद का कोई भी संदर्भ स्वतंत्र सत्यापन न हो।

इस प्रक्रिया के कई दस्तावेज़ीकृत उदाहरण मौजूद हैं, हालाँकि अधिकतर AI खोज के उदय से पहले के हैं। एक कुख्यात मामले में एक किशोर ने कोआटी के लिए ब्राज़ीलियाई आर्डवार्क नाम का उपनाम गढ़ा और उसे Wikipedia में जोड़ दिया।

यह बनाया हुआ नाम अख़बारों और कम से कम एक अकादमिक पुस्तक में फैल गया। अंत में Wikipedia ने स्वयं उस दावे के प्रमाण के रूप में अख़बार का लेख उद्धृत किया, जिसे शुरुआत में उसी ने पेश किया था—गढ़ी हुई प्रामाणिकता का लगभग पूर्ण चक्र। The New Yorker ने इस घटना का विवरण दर्ज किया।

2025 में एक अधिक सुनियोजित प्रदर्शन सामने आया, जब शोधकर्ताओं ने AI से कई अकादमिक शोधपत्र बनवाए और उन्हें एक ऐसे वैज्ञानिक के नाम कर दिया जो था ही नहीं। इन काल्पनिक प्रकाशनों ने Google Scholar पर 380 उद्धरण और 19 का h-इंडेक्स हासिल किया, जिससे उस काल्पनिक शोधकर्ता की अकादमिक हैसियत सम्मानजनक दिखने लगी। Nature की Scientific Reports में प्रकाशित यह प्रयोग दिखाता है कि बिना किसी अनुरूप वास्तविक शोध-कार्य के भी उद्धरणों की संख्या गढ़ी जा सकती है।

इनमें से कोई मामला AI खोज इंजन पर सफल हमले को नहीं दर्शाता। लेकिन दोनों मूल कमजोरी दिखाते हैं: एक बार झूठा कथन विश्वसनीय दिखने वाले स्रोतों में दोहराया जाए, तो बाद की प्रणालियों को स्वतंत्र पुष्टि और एक ही गढ़ी हुई बात के बार-बार प्रसार में अंतर करना कठिन हो सकता है। AI खोज के लिए खास ख़तरा यह है कि मॉडल संदर्भों की इस शृंखला को परस्पर पुष्टि करने वाले प्रमाण की तरह संक्षेपित कर दे, बिना यह पहचाने कि सभी दिखावटी प्रामाणिक स्रोत उसी एक असत्यापित दावे तक लौटते हैं।

4: प्रामाणिकता पर कब्ज़ा

समाप्त हो चुके डोमेन अपने पुराने मालिकों की दिखावटी विश्वसनीयता, आने वाले लिंक और खोज में दृश्यता बनाए रख सकते हैं। इन पतों को खरीदकर नई सामग्री भरने से हाल में जोड़े गए दावे स्थापित प्रकाशनों से निकले हुए लग सकते हैं—यह प्रथा 20–30 वर्ष पुरानी है। समाप्त या छोड़े गए डोमेन की प्रतिष्ठा अक्सर इसलिए खरीदी जाती है कि उसकी सामग्री को संबंधित लेकिन व्यावसायिक रूप दिया जा सके।

2024 में, 2018 में बंद हुआ प्रभावशाली महिला ब्लॉग The Hairpin नए मालिक के तहत AI सामग्री की फ़ैक्टरी के रूप में दोबारा सामने आया। मूल लेखों के बीच दोबारा लिखी सामग्री और काल्पनिक लेखकों के नाम मिलाए गए, जिससे कभी प्रतिष्ठित रहे प्रकाशन की साख और डोमेन की प्रामाणिकता का लाभ उठाया गया। यह AI खोज पर सिद्ध हमला नहीं है, लेकिन बताता है कि किसी स्थापित वेबसाइट के इतिहास को कैसे हड़पा जा सकता है।

संग्रहीत प्रतियाँ किसी डोमेन के वास्तविक अतीत और नई गढ़ी सामग्री का अंतर उजागर करने में मदद कर सकती हैं, लेकिन ऐसा प्रमाण भी हमेशा स्थायी नहीं होता। 2002 में Internet Archive ने Scientology की आलोचना करने वाली वेबसाइटों की प्रतियाँ संगठन के वकीलों की कॉपीराइट शिकायतों के बाद हटा दीं। शुरुआत में उसने संकेत दिया था कि वेबसाइट मालिकों ने स्वयं उन्हें हटाने को कहा है।

2017 तक Wayback Machine वेबसाइटों के बहिष्करण नियमों को पिछली तारीख से लागू करती थी, जिससे नए डोमेन मालिक अपने पूर्ववर्तियों की सामग्री छिपा सकते थे। हालाँकि यह प्रथा बंद कर दी गई, Internet Archive ऐतिहासिक प्रतियाँ हटाने के अनुरोधों पर अब भी विचार करता है।

5: अकादमिक भंडारों का दुरुपयोग

अकादमिक भंडार दिखावटी प्रामाणिकता पाने का एक और रास्ता देते हैं। प्रीप्रिंट सर्वर शोधकर्ताओं को सहकर्मी समीक्षा से पहले शोधपत्र प्रकाशित करने देते हैं, जबकि खोज इंजन और AI सूचना-प्राप्ति प्रणालियों को ये दस्तावेज़ स्थापित वैज्ञानिक साहित्य के साथ मिल सकते हैं।

समस्या यह है कि प्रकाशन और सत्यापन एक ही चीज़ नहीं हैं। 2024 में शोधकर्ताओं ने दिखाया कि अकादमिक शोधपत्रों में डाले गए दुर्भावनापूर्ण निर्देश उन्हें संसाधित करने वाले AI सहायकों को प्रभावित कर सकते हैं। उनके काम ने दिखाया कि शोधपत्र की दिखावटी वैधता उसकी सामग्री को AI प्रणाली को प्रभावित करने के लिए इस्तेमाल होने से नहीं रोकती।

एक कम प्रत्यक्ष GEO तरीका होगा ऐसा संभाव्य लेकिन मामूली शोध जमा करना जो किसी कंपनी, उत्पाद या व्यक्ति को बार-बार किसी खास विशेषज्ञता से जोड़े। AI के लिए स्पष्ट निर्देश न होने पर भी ऐसी सामग्री लाभार्थी से ही निकले दावों को अकादमिक दिखने वाला समर्थन दे सकती है।

निष्कर्ष

अन्य संभावित रास्तों में समीक्षा तंत्र में घुसपैठ यानी तुलना वेबसाइटों और सॉफ़्टवेयर निर्देशिकाओं में अनुकूल मूल्यांकन डालना; ज्ञान ग्राफ़ में हेरफेर यानी संरचित डेटा बदलकर कंपनियों, उत्पादों और विशेषज्ञता के बीच भ्रामक संबंध बनाना; तथा बहुभाषी प्रतिष्ठा की धुलाई यानी कम जाँचे जाने वाले विदेशी भाषा स्रोतों में प्रचारात्मक दावे रखना शामिल हैं।

अंत में, एजेंट-आधारित GEO अनुकूलन इन तकनीकों को स्वचालित बना सकता है—AI खोज इंजनों पर सामग्री का बार-बार परीक्षण करके और इच्छित सिफ़ारिशें देने वाले रूपों को बेहतर बनाकर।

पहली बार सोमवार, 12 अक्टूबर 2026 को प्रकाशित। शीर्षकों के बड़े अक्षरों और छूटे टैग ठीक करने के लिए तीस मिनट के भीतर संशोधित।