پژوهشی که در 30 اکتبر 2026 در arXiv منتشر شد، نشان داد مرورهای هوش مصنوعی گوگل برای پرسش‌های سلامت اغلب از منابعی متفاوت با نتایج معمول جست‌وجو در پایین صفحه استفاده می‌کنند. پژوهشگران مرورها را با پنج نتیجه برتر جست‌وجوی سنتی برای 3,611 پرسش معیار مقایسه کردند و کیفیت منابع، پشتیبانی صفحات ارجاع‌شده از پاسخ‌ها و امتیاز پاسخ‌ها بر اساس معیارهای تدوین‌شده از سوی پزشکان را سنجیدند.
برای 96.4% از پرسش‌ها یک مرور نمایش داده شد؛ اما مرورها فقط به 44.4% از پنج نتیجه برتر مربوط به همان پرسش ارجاع داده بودند. بر اساس این پژوهش، مرورها بیشتر به ناشران تجاری حوزه سلامت مانند WebMD و Healthline متکی بودند و کمتر از منابع دانشگاهی و دولتی، از جمله Cleveland Clinic و سرویس سلامت ملی بریتانیا (NHS)، استفاده می‌کردند.
پاسخ‌ها تا چه اندازه قابل اتکا بودند؟
در این پژوهش بررسی شد که آیا استنادها از گزاره‌های مطرح‌شده در مرورها پشتیبانی می‌کنند یا نه. پژوهشگران پس از تعدیل خطاهای ابزار به‌کاررفته برای طبقه‌بندی میزان پشتیبانی، برآورد کردند که صفحه ارجاع‌شده از 56.7% گزاره‌های دارای استناد پشتیبانی می‌کرد. 20.8% دیگر از همه گزاره‌ها، ادعاهای واقع‌محور بودند که هیچ استنادی نداشتند. نبود استناد به‌تنهایی نشان نمی‌دهد ادعایی نادرست است؛ اما یعنی خواننده صفحه‌ای در اختیار ندارد که بتواند برای بررسی آن ادعا به آن رجوع کند.
مرورها در مقایسه با معیارهای تدوین‌شده از سوی پزشکان، در مجموع 38.2% از امتیازهای ممکن را کسب کردند. امتیاز آن‌ها در دقت 54.2% و در جامعیت 21.6% بود. در زیرمجموعه‌ای از پرسش‌ها که معیارها در آن‌ها ادعایی نادرست یا بالقوه زیان‌بار را مشخص کرده بودند، 22.2% از مرورها آن محتوا را دربر داشتند. چکیده پژوهش اندازه این زیرمجموعه را بیان نمی‌کند؛ بنابراین نباید این رقم را سهم همه مرورهای سلامت دانست که حاوی محتوای زیان‌بار بوده‌اند.
این پژوهش چه چیزی را نشان می‌دهد و چه چیزی را نه؟
این نتایج عملکرد مرورها را در مجموعه‌ای معیار از پرسش‌ها توصیف می‌کند، نه در همه جست‌وجوهای سلامت که ممکن است افراد انجام دهند. همچنین ثابت نمی‌کند که انتخاب منبعی خاص باعث نادرستی پاسخ شده است: پژوهش هیچ رابطه‌ای میان اتکای پاسخ به استنادها و دقت آن بر اساس معیارها پیدا نکرد. این تمایز مهم است، چون ممکن است صفحه‌ای از یک گزاره مستند پشتیبانی کند، بی‌آنکه آن گزاره کامل یا دقیق باشد؛ از سوی دیگر، گزاره‌ای بدون استناد هم ممکن است درست باشد. نویسندگان توصیه می‌کنند به کاربران آموزش داده شود که چگونه مرورهای هوش مصنوعی را ارزیابی کنند و این مرورها دست‌کم به همان استانداردهایی پایبند باشند که گوگل برای رتبه‌بندی اطلاعات سلامت تعیین کرده است.
چرا مهم است
برای کسانی که با جست‌وجوی گوگل درباره یک مسئله سلامت تحقیق می‌کنند، مرور هوش مصنوعی ممکن است به صفحاتی متفاوت از نتایج معمول ارجاع دهد و ادعاهایی مطرح کند که استنادهایش از آن‌ها پشتیبانی نمی‌کنند. این پژوهش پرسش‌های معیار را سنجیده، نه همه جست‌وجوها یا پیامدهای واقعی سلامت را؛ بنابراین نمی‌تواند نشان دهد پاسخ مشخصی تا چه اندازه قابل اتکاست. همچنان مهم است که صفحه ارجاع‌شده و منابع پزشکی دیگر را بررسی کنید.
