अध्ययन: युवा उपयोगकर्ता (9 से 18 वर्ष) Google को छोड़कर AI की ओर जा रहे हैं, अज्ञात परिणामों के साथ
युवा लोग – और कई वयस्क भी – उत्तर पाने के लिए Google Search के बजाय AI chatbots की ओर तेज़ी से जा रहे हैं, क्योंकि उन्हें conversational queries, ad-free interfaces, और अधिक सीधे, synthesized responses पसंद आ रहे हैं। टिप्पणीकारों का तर्क है कि पारंपरिक search results ads, SEO spam, और degraded ranking algorithms के कारण “enshittified” हो गए हैं, जिससे raw web search निराशाजनक या अविश्वसनीय लगती है। साथ ही, वे नए जोखिमों को लेकर चिंतित हैं: AI outputs में manipulation और hidden advertising, उच्च-गुणवत्ता वाले paid models तक असमान पहुँच, कमजोर critical thinking और source-checking habits, और खुले web of documents से AI-mediated information की ओर व्यापक बदलाव।
Google से AI टूल्स की ओर बदलाव
- कई टिप्पणीकार कहते हैं कि अब वे अधिकांश “गैर-तुच्छ” प्रश्नों के लिए LLMs/AI असिस्टेंट्स को ही प्राथमिकता देते हैं, और Google को केवल fallback के रूप में रखते हैं।
- लोगों का कहना है कि AI तेज़ है, अधिक संवादात्मक लगता है, और पारंपरिक खोज की तुलना में प्राकृतिक-भाषा वाले, “अस्पष्ट” प्रश्नों को बेहतर संभालता है।
- कुछ लोगों को पहले ही Google search की तुलना में AI recommendations से अधिक traffic या customers मिल रहे हैं।
क्यों कई लोगों को लगता है कि Google search खराब हो गया है
- शिकायतें: SEO spam, cookie/pop-up clutter, intrusive ads, paywalled या कम-उपयोगी pages, और “AI-written SEO fluff।”
- कई लोगों का तर्क है कि Google ने जानबूझकर search quality को खराब किया (जैसे, time-on-site और ad revenue बढ़ाने के लिए)।
- AMP, AI overviews, और ad ecosystems को प्राथमिकता देना “enshittification” की एक कड़ी का हिस्सा माना जाता है।
LLM-based search की मानी गई ताकतें
- एक coherent answer के साथ follow-up questions को मिलाना एक बड़ा UX win माना जाता है।
- खोजपरक questions के लिए और उन users के लिए अच्छा है जिन्होंने keywords/operators के साथ “search करना” कभी नहीं सीखा।
- कुछ लोग hybrid use पसंद करते हैं: AI से explain/summarize करना, फिर linked documentation या sources से verify करना।
विश्वसनीयता, manipulation, और ads
- कई लोगों को चिंता है कि users AI पर बहुत अधिक भरोसा करते हैं, sources शायद ही check करते हैं, या hallucinations पर ध्यान नहीं देते।
- उदाहरण: models का facts गढ़ लेना या referenced links को गलत तरीके से प्रस्तुत करना; Google की AI का अपनी ही citations से उलटा निष्कर्ष निकालना।
- corporate या state actors द्वारा AI outputs shaping, “AI-SEO,” logit biasing के जरिए covert ads, और भविष्य के ad-heavy LLMs को लेकर चिंताएँ।
- कुछ लोग नोट करते हैं कि यह search-engine ranking और media manipulation की लंबे समय से चली आ रही समस्याओं के समान है।
सीखने और critical thinking पर प्रभाव
- राय विभाजित है: कुछ लोग मानते हैं कि AI का उपयोग back-and-forth questioning के जरिए critical thinking को सहारा दे सकता है; अन्य लोगों को डर है कि “spoon-fed” answers skills और source comparison को कमजोर कर देंगे।
- चिंता है कि बच्चे और बड़े, दोनों AI को अचूक authority मानने लगेंगे।
- चर्चा इस बात पर भी है कि “critical thinking” अक्सर ठीक से परिभाषित नहीं होती और test-driven school systems में पहले से ही दबाव में है।
व्यापक संदर्भ और energy concerns
- पहले छात्रों द्वारा Google, web, या Wikipedia को libraries के बजाय इस्तेमाल करने पर हुए panics से समानताएँ खींची गईं।
- कुछ लोग AI को internet content तक पहुँचने की बस अगली access layer मानते हैं।
- एक thread GPU-heavy inference के environmental impact को उठाता है; replies तर्क देते हैं कि batching और संभावित green energy चिंता को कम करते हैं, जबकि cognitive impact को अधिक महत्वपूर्ण माना जाता है।