சிறந்த ரோமானிய திருமண மோதிரத் தயாரிப்பாளர்கள் குறித்துக் கேட்டபோது, பத்து பெரிய மொழி மாதிரிகள் (LLMs) 29 தனித்துவமான ஆடம்பர நகை பிராண்டுகளைப் பட்டியலிட்டன; எந்தவொரு பிராண்டும் அனைத்துப் பதில்களிலும் இடம்பெறவில்லை. இந்த வேறுபாடு, குறிப்பாக வணிகங்கள் ஆதிக்கம் செலுத்த விரும்பும் குறிப்பிட்ட (niche) வினவல்களுக்கு (queries), உருவாக்கும் AI-களுக்கு (generative AIs) இடையிலான "ஒருமித்த கருத்து" என்பது யதார்த்தத்தை விட ஒரு கற்பனை என்பதைத் தெளிவுபடுத்துகிறது.
இந்தச் சோதனை ஏன் முக்கியமானது
வெவ்வேறு மாதிரிகள் ஒரே மாதிரியான உண்மைகளை வழங்கும் என்று கருதி, டெவலப்பர்கள் பெரும்பாலும் AI சார்ந்த தேடல் அல்லது பரிந்துரை அம்சங்களை உருவாக்குகிறார்கள். ஒரு பிராண்டின் தெரிவுத்திறன் (visibility) ஒரு குறிப்பிட்ட AI-ன் பதிலையே சார்ந்து இருந்தால், மற்றொன்றில் கிடைக்கும் மாறுபட்ட பதில் அந்தத் தெரிவுத்திறனை முற்றிலுமாகப் பறித்துவிடும். இந்தச் சோதனை அந்த அனுமானம் எவ்வளவு பலவீனமானது என்பதை நிரூபிப்பதோடு, ஒவ்வொரு மாதிரியின் தரவுப் பாதையும் (data pipeline) அந்த மாதிரியைப் போலவே முக்கியமானது என்பதையும் சுட்டிக்காட்டுகிறது.
சோதனையின் சுருக்கம்
- மாதிரிகள்: ChatGPT, Claude, Gemini, Copilot, Grok, Perplexity, DeepSeek, Kimi, GLM மற்றும் Qwen.
- தூண்டுதல் (Prompt): “ரோமானியாவில் திருமண மோதிரங்களுக்கான சிறந்த 5 ஆடம்பர நகை பிராண்டுகளின் பட்டியலைக் கொடு.” எந்தவொரு பிராண்ட் குறிப்புகளும் இன்றி, ஒவ்வொரு மாதிரிக்கும் புதிய அமர்வு (session) தொடங்கப்பட்டது.
- இடங்கள்: 10 மாதிரிகள் × 5 இடங்கள் = மொத்தம் 50 பரிந்துரைகள்.
கவனிக்கத்தக்க எண்கள்
- 29 தனித்துவமான பிராண்டுகள் 50 இடங்களை நிரப்பின.
- அந்த பிராண்டுகளில் 66% ஒரே ஒரு மாதிரியின் பதிலில் மட்டுமே இடம்பெற்றன.
- ஏதேனும் இரண்டு மாதிரிகளுக்கு இடையிலான சராசரி ஒற்றுமை (overlap) 18% ஆக இருந்தது.
- பத்து மாதிரிகளுமே ஒரு குறிப்பிட்ட பிராண்டைக் குறிப்பிடவில்லை.
அடிக்கடி இடம்பெற்றவை யார்?
| பிராண்ட் | மாதிரிகளில் இடம்பெற்றன |
|---|---|
| TEILOR | 6 |
| Malvensky | 5 |
| Sabion, Coriolan, KULTHO, Sabrini | தலா 3 |
TEILOR மற்றும் Malvensky ஆகியவற்றுக்கு வலுவான ஸ்கீமா மார்க்கப் (schema markup) முறையும், அடிக்கடி செய்திகளில் இடம்பெறுவதும், பல அமைப்புகளில் அவை முன்னிலைப்படுத்தப்படக் காரணமாக இருக்கலாம்.
தரவுகள் பொறியாளர்களுக்குச் சொல்வது என்ன
- குறிப்பிட்ட சந்தைகளில் (niche markets) ஒருமித்த கருத்து என்பது ஒரு மாயை. வினவல் (query) மிகவும் குறிப்பிட்டதாக இருக்கும்போது, உயர் செயல்திறன் கொண்ட மாதிரிகள் கூட வியக்கத்தக்க வகையில் மாறுபடுகின்றன.
- தேடல்-கூடுதல் (Search-augmented) மாதிரிகள் வித்தியாசமாகச் செயல்படுகின்றன. நேரலை இணைய முடிவுகளைச் சேர்க்கும் Microsoft Copilot, மற்ற எந்த மாதிரியுடனும் ஒத்துப்போகாத ஒரு பட்டியலை வழங்கியது.
- டிஜிட்டல் தடயங்கள் (Digital footprints) தெரிவுத்திறனைத் தீர்மானிக்கின்றன. கட்டமைக்கப்பட்ட தரவு (structured data) மற்றும் SEO ஆகியவற்றில் முதலீடு செய்யும் பிராண்டுகள் அடிக்கடி முன்னிலைப்படுத்தப்படுகின்றன, ஆனால் இந்தச் சாதகம் AI வழங்குநர்களைப் பொறுத்து மாறுபடுகிறது.
அடுத்து கவனிக்க வேண்டியவை
- கலப்பினத் தேடல் மாதிரிகள் (Hybrid retrieval models): அதிகமான வழங்குநர்கள் பெரிய அளவிலான மொழி மாதிரிகளுடன் நிகழ்நேரத் தேடலை இணைக்கும்போது, புதிய ஒற்றுமை முறைகளையோ அல்லது இன்னும் ஆழமான பிரிவினையையோ நாம் காணக்கூடும்.
முக்கியக் கருத்து
பத்து முன்னணி LLM-களிடமிருந்து ஒரு குறிப்பிட்ட வினவலுக்கு 29 வெவ்வேறு பிராண்ட் பரிந்துரைகள் கிடைக்கும்போது, பாடம் தெளிவாக உள்ளது: உருவாக்கும் AI-யில் (generative AI) ஒரே ஒரு "உண்மை" என்று எதுவும் இல்லை. பிராண்டுகளும் பொறியாளர்களும் ஒவ்வொரு மாதிரியின் தரவு ஆதாரத்தையும் ஒரு தனித் தனி சேனலாகக் கருத வேண்டும்; மேலும் AI சூழலில் (ecosystem) தங்களைக் காண விரும்பினால், கட்டமைக்கப்பட்ட மற்றும் தேடக்கூடிய டிஜிட்டல் தடயங்களை உருவாக்க வேண்டும்.
முழு ஆய்வு மற்றும் மூலத் தரவு: https://dev.to/dan_cristian_c97aa535c495/we-asked-10-llms-to-recommend-brands-they-gave-us-29-different-answers-27ap