AI के लिए तीन साइटों ने 215,128 “best software” पेज बनाए। Perplexity उन्हें cite करता है
AI-driven “best software” review sites बड़े पैमाने पर बनाए जा रहे हैं ताकि generative search engines को game किया जा सके, और Perplexity को ऐसे हज़ारों कम-गुणवत्ता वाले पेजों को स्रोत के रूप में इस्तेमाल करते हुए उद्धृत किया गया है। टिप्पणीकार इसे “AI SEO” या Generative Engine Optimization की व्यापक दिशा का हिस्सा मानते हैं, जहाँ content को LLM-जैसी prose में लिखा जाता है ताकि AI answer engines की कृपा मिले, जिससे web और अधिक प्रदूषित हो रहा है और models के अपने ही output पर train होने का जोखिम बढ़ रहा है। कई लोग Perplexity और अन्य AI search tools की उपयोगिता और भरोसे में गिरावट की भी रिपोर्ट करते हैं, यह चिंता जताते हुए कि गति, growth, और ad-like monetization के प्रोत्साहन पूरे internet पर information quality को नुकसान पहुँचा रहे हैं.
AI-जनित “Best Software” पेज और GEO/AEO
- कई लोग इन बड़े पैमाने पर बनाए गए “best X software” साइटों को SEO के एक स्वाभाविक विकास के रूप में देखते हैं: अब मानवों के बजाय LLMs के लिए optimized, जिसे कभी-कभी GEO/AEO (“Generative/Answer Engine Optimization”) कहा जाता है।
- टिप्पणीकारों को उम्मीद है कि AI training और retrieval में हेरफेर करने के इर्द-गिर्द एक बढ़ता हुआ उद्योग बनेगा, ताकि मॉडल खास products recommend करें।
- कुछ लोग नोट करते हैं कि VC-backed कंपनियाँ पहले से ही यह बड़े पैमाने पर कर रही हैं, जिसमें forums पर spammy posting और LLM embeddings से मेल खाने के लिए iterative rewriting शामिल है।
Perplexity-विशिष्ट प्रतिक्रियाएँ
- कई पूर्व paying या trial users quality में गिरावट की रिपोर्ट करते हैं: तेज़ लेकिन खराब answers, गलत/असंगत citations, और unreliable “Computer”/deep research features।
- billing practices पर शिकायतें (trials के बाद auto-charges, खराब support) और paid features के subscription के बीच में downgrade होने की बातें।
- कुछ लोगों का कहना है कि Perplexity कभी search-like tasks के लिए Google से बेहतर था, लेकिन अब उसने अपनी बढ़त खो दी है; अन्य अब Claude, ChatGPT, Gemini, या Google के AI mode को भी पसंद करते हैं, भले ही hallucination rates अधिक हों।
- एक अल्पसंख्यक अभी भी Perplexity का उपयोग एक ही underlying model vendor पर lock-in से बचने के लिए करता है।
LLMs का LLM Output पर Training लेना और Source Bias
- AI-generated content के web पर flood होने की तीव्र चिंता है, जिससे एक feedback loop बनता है जहाँ models अपने ही “slop” पर train होते हैं और errors को बढ़ाते हैं।
- “self-preference bias” पर चर्चा: models अक्सर अपनी शैली, code, या passage structure को human edits या alternative solutions से बेहतर रेट करते हैं।
- Experiments और papers का (thread में) हवाला दिया गया है, जो सुझाव देते हैं कि LLM judges LLM-generated text को प्राथमिकता देते हैं, जिससे evaluation और SEO-like gaming के लिए समस्याएँ पैदा होती हैं।
Search का बिगड़ना और उससे निपटने की रणनीतियाँ
- कई लोग कहते हैं कि product search और general web search spam, ads, और AI slop के कारण “ruined” हो गए हैं।
- कुछ लोग AI content से बचने के लिए pre-2020s books, niche forums, या curated domain whitelists/“lenses” (जैसे alternative search engines के साथ) की ओर लौटते हैं।
- अन्य लोग browser filters और blocklists का उपयोग करके “AI slop” और SEO-heavy sites को छिपाते हैं।
Article पर संदेह और Meta-Astroturfing
- कई टिप्पणीकारों को रिपोर्ट खुद AI-written लगती है, इसकी उबाऊ prose और low-credibility “research firm” branding के कारण।
- संदेह है कि समान दिखने वाली “independent research” sites से आने वाले anti-Perplexity pieces खुद GEO experiments या astroturf हैं, जिनका उद्देश्य LLM outputs को प्रभावित करना है।
- कुछ लोग ऐसी AI-heavy submissions को discussion sites से flag या remove करने की मांग करते हैं।
व्यापक चिंताएँ: प्रोत्साहन, Propaganda, और छोटे खिलाड़ी
- Ads और monetization को spammy behavior के मुख्य drivers माना जाता है; कुछ का तर्क है कि propaganda actors भी AI-friendly misinformation sites सींच रहे हैं।
- छोटे SaaS vendors रिपोर्ट करते हैं कि उन्हें LLM recommendations से बाहर रखा जाता है जब तक वे placement के लिए “best software” sites को pay न करें, और कभी-कभी refusal पर retaliatory negative content का सामना करना पड़ता है।
- कुछ लोग “human-only” networks या darknets के बारे में अटकलें लगाते हैं, लेकिन मानते हैं कि human-only participation लागू करना या आर्थिक प्रोत्साहनों को हटाना कैसे संभव होगा, यह स्पष्ट नहीं है।