מה גיליתי כשביקשתי מ-3 מודלי שפה של AI לעשות Deep Research,
לנתח ולסכם את אותו נושא?
שרון גונן
מה גיליתי כשביקשתי מ-3 מודלי שפה של AI לעשות Deep Research,
לנתח ולסכם את אותו נושא?
שרון גונן
אם אתם ממהרים, גללו למטה לשורה התחתונה. התוצאות-מפתיעות!
איך בוחרים מודל שפה למחקרי עומק ומעריכים את התוצאות שהוא מספק? ביקשתי משלושה מודלי בינה מלאכותית (Perplexity Pro Deep Research, GPT-4 Deep Research ו-Grok-3) לסכם ולנתח את הנושא: "דיפ סטייט בישראל". בעזרת Claude (Anthropic) יצרתי ניתוח השוואתי מקיף שחושף הטיות סמויות.
התוצאות? מפתיעות ומלמדות.
כל מודל הציג את הנושא באופן שונה. מה שהפתיע אותי במיוחד, הוא כיצד כל מודל "דוחף" את הקורא לכיוון חשיבה מסוים - לעתים באופן סמוי ותחת מעטה של אובייקטיביות.
ההשוואה מתמקדת באספקטים שונים של הסיכומים, כגון מבנה, תוכן, סגנון, נקודת מבט ושימוש במקורות. המסמכים שהושוו:
................................................................
סיכום 1 (Perplexity Pro): "הדיפ סטייט בישראל: סקירה מקיפה של מבנים, השפעות ואתגרים דמוקרטיים" - מסמך בעל אופי אקדמי-מחקרי שנוצר באמצעות מודל Perplexity AI Pro עם יכולת Deep Research
סיכום 2 (GPT-4): "Deep State בישראל: מחקר מקיף" - מסמך בעל אופי מחקרי-עיתונאי שנוצר באמצעות OpenAI GPT-4 בגרסת Deep Research
סיכום 3 (Grok-3): "Deep state בישראל: סקירה מקיפה, התפתחות, לו"ז, דמויות מרכזיות והשפעתן..." - מסמך בעל אופי סקירתי-מידעי שנוצר באמצעות מודל Grok-3 של xAI
פרמטרים להשוואה
1. מבנה וארגון
מבנה פורמלי: כיצד מאורגן המידע? האם יש מבנה היררכי ברור?
סדר לוגי: האם המידע מוצג בסדר הגיוני ומובנה?
חלוקה לסעיפים: כיצד מחולק הטקסט ליחידות מידע?
2. תוכן ועומק
כיסוי הנושא: מה היקף המידע המוצג? האם הסיכום מקיף את כל ההיבטים המרכזיים?
דיוק עובדתי: האם יש הצגה מדויקת של נתונים ועובדות?
ניתוח וסינתזה: האם יש ניתוח מעמיק או סיכום שטחי של המידע?
3. נקודת מבט ואובייקטיביות
איזון: האם מוצגות דעות שונות ביחס לתופעה?
הטיות: האם ניכרת הטיה אידיאולוגית או פרשנית?
שקיפות: האם המחבר מציין את השיקולים ומגבלות הניתוח?
4. סגנון ושפה
רמת פורמליות: האם הסגנון פורמלי או נגיש יותר?
בהירות: האם השפה ברורה ומובנת?
שימוש במינוח מקצועי: מהי רמת המקצועיות בשימוש בטרמינולוגיה?
5. מקורות וביסוס
כמות המקורות: כמה מקורות משמשים לביסוס הטיעונים?
איכות המקורות: מהו טיב המקורות (אקדמיים, חדשותיים, אחרים)?
שימוש במקורות: כיצד המקורות משולבים בטקסט?
6. מסקנות והמלצות
סוג המסקנות: האם המסקנות נחרצות או פתוחות?
יישומיות: האם יש המלצות מעשיות או תיאורטיות?
קשר לתוכן: האם המסקנות נובעות ישירות מהתוכן שהוצג?
הממצאים:
סיכום 1 - Perplexity
מבנה וארגון
מבנה אקדמי מובהק עם פרקים ממוספרים, תקציר מנהלים, וחלוקה היררכית ברורה. מספור פרקים פורמלי (1.1, 1.2 וכו').
מבנה עיתונאי-מחקרי עם כותרות וכותרות משנה מודגשות. חלוקה לנושאים ברורים (סקירה כללית, התפתחות היסטורית, לוח זמנים וכו').
מחולק לסעיפים עם כותרות מודגשות, ללא מספור פרקים פורמלי. ארגון תמטי לפי נושאים כגון "סקירה", "התפתחות", "לו"ז" וכו'.
תוכן ועומק
מציג נתונים כמותיים ספציפיים (למשל: "ירידה של 34% באמון הציבור", "עלייה של 72% במספר העתירות"). מעמיק בהיבטים מבניים ומוסדיים.
מספק סקירה מקיפה עם התייחסות למקורות ספציפיים. מביא דוגמאות מפורטות ומתמקד בעיקר באירועים ספציפיים ובדמויות מפתח. כולל ציטוטים ישירים ממקורות.
מציג התפתחויות ומגמות היסטוריות, מתמקד בדמויות מפתח ואירועים. נתונים כמותיים מועטים יותר, דגש על תיאור תהליכים.
נקודת מבט
מציג את הדיפ סטייט כתופעה קיימת ומוכחת שיש לנתח את מבניה והשפעותיה. נקודת מבט ביקורתית יותר כלפי המוסדות.
מציג מגוון דעות ומקורות, תוך הבהרה שיש מחלוקת לגבי עצם קיום התופעה. מביא טיעונים מכל צד של המפה הפוליטית.
מציג את הדיפ סטייט כתיאוריה שיש לבחון, עם הצגת טיעונים בעד ונגד. מאוזן יותר מבחינת הצגת העמדות השונות.
סגנון ושפה
סגנון פורמלי-אקדמי, שימוש במונחים מקצועיים כגון "ביורוקרטיה", "אקטיביסטית", "רשתות השפעה רוחביות".
סגנון עיתונאי-מחקרי, שילוב של ניסוחים אקדמיים וציטוטים, שימוש רב בהדגשות (Bold) ליצירת מוקדי עניין.
סגנון נגיש יותר, הסברתי, עם שימוש במונחים פשוטים יותר ומוכרים.
מקורות וביסוס
63 מקורות מצוינים במפורש. שימוש בהערות שוליים ממוספרות, רשימת מקורות מפורטת, הפניות מדויקות לאורך הטקסט. מקורות רבים מאתרים רשמיים, עיתונות וגופי מחקר.
13 מקורות (כפי שמצוין בתחילת המסמך). מספר מקורות מוזכרים בטקסט עצמו, כולל ויקיפדיה ואתר 'מידה'. כולל קישורים ישירים למקורות בנקודות מסוימות.
מציין שימוש ב-20 מקורות אך ללא הפניות ספציפיות בגוף הטקסט. אין רשימת מקורות מפורטת בסוף.
מסקנות
מסקנות נחרצות לגבי "דפוסי פעולה המאיימים על עקרון הפרדת הרשויות" ו"יצירת ממשל כפול". המלצות ספציפיות לרפורמה.
מסקנות מאוזנות המציגות נקודות מבט מגוונות לגבי הסכנות הפוטנציאליות לדמוקרטיה. ניתוח מורכב של הסכנות מכל צד של המחלוקת.
מסקנה פתוחה יותר, המציגה את מורכבות התופעה ומשאירה מקום לפרשנות: "השאלה נותרת פתוחה: האם ישראל מתמודדת עם מדינה עמוקה...או שמדובר בכלי פוליטי?"
ניתוח ממוקד: ההבדלים במסקנות וההנדסה האלגוריתמית
כדי להעמיק את הבנתנו לגבי הבדלי המסקנות והאופן שבו הם משקפים את ההנדסה האלגוריתמית, נבחן כיצד כל מודל "דוחף" את הקורא לכיוון חשיבה מסוים:
Perplexity Pro: דחיפה לעמדה ביקורתית-אקדמית נחרצת
ההנדסה האלגוריתמית: מודל Perplexity Pro הונדס לספק מידע בפורמט אקדמי עם דגש על נתונים כמותיים וטרמינולוגיה מקצועית. האלגוריתם נוטה להציג תמונה בהירה וחד-משמעית, ללא דו-משמעויות.
העמדה הנדחפת: המודל דוחף את הקורא לקבל את קיום הדיפ סטייט כעובדה מוכחת שיש לנתח ולהתמודד עמה. הסיכום מציג באופן חד-משמעי את התופעה כאיום קונקרטי על הדמוקרטיה, תוך שימוש בנתונים כמותיים מדויקים (ירידה של 34% באמון, עלייה של 72% בעתירות) שמקנים למסקנות מראית עין של אובייקטיביות מדעית. המסקנות קונקרטיות ומכוונות לפעולה - יש לבצע רפורמה במערכת המשפט כדי להחזיר את "ריבונות הפרלמנטרית".
מבחינה פוליטית, המודל מציג נרטיב המתיישר עם עמדות הימין הישראלי שדוגלות בריסון מערכת המשפט ובהגבלת כוחם של "שומרי הסף".
GPT-4: דחיפה לגישה מאוזנת ומורכבת
ההנדסה האלגוריתמית: OpenAI GPT-4 הונדס להציג מגוון דעות ולהימנע מקביעות חד-משמעיות בנושאים מחלוקתיים. המודל תוכנן להציג מורכבות, לבחון הקשרים היסטוריים רחבים, ולתת ייצוג מאוזן לעמדות מנוגדות.
העמדה הנדחפת: המודל מעודד את הקורא להבין את הנושא כמורכב, רב-ממדי ודורש בחינה ביקורתית. הוא מציג בהרחבה את טענות שני הצדדים: גם את הטוענים לקיום "דיפ סטייט" וגם את אלו הרואים בכך נרטיב קונספירטיבי. הסיכום מתמקד בהצגת דוגמאות היסטוריות מפורטות וקשרים בין מערכות, מבלי להכריע אם מדובר בתופעה ממשית או בכלי פוליטי.
המודל נוטה לגישה ליברלית שמעריכה פלורליזם ומגוון דעות, ומסקנותיו מאוזנות - הוא מכיר בסכנות אפשריות הן מצד "דיפ סטייט" והן מצד התגובה הפוליטית לו. גישה זו עשויה להיתפס כמשקפת עמדת מרכז פוליטי.
Grok-3: דחיפה לספקנות וחשיבה ביקורתית
ההנדסה האלגוריתמית: מודל Grok-3 של xAI הונדס לגישה ספקנית וחקרנית, עם נטייה להטיל ספק בנרטיבים דומיננטיים. האלגוריתם תוכנן לשמור על פתיחות ולעודד את הקורא לבחון בעצמו את הראיות, תוך שמירה על גישה פרגמטית.
העמדה הנדחפת: הסיכום של Grok-3 מעודד את הקורא לגשת לנושא באופן ספקני וזהיר. הוא מציג את התופעה כשאלה פתוחה שיש לבחון ולא כעובדה מוגמרת. המסקנה המרכזית שלו היא "השאלה נותרת פתוחה: האם ישראל מתמודדת עם מדינה עמוקה של ממש, או שמא מדובר בכלי פוליטי המשמש להסתת דעת הקהל?"
מבחינה אידיאולוגית, גישת Grok-3 עשויה להתיישב יותר עם עמדות שמאל ומרכז בישראל שרואות בשיח על "דיפ סטייט" מניפולציה פוליטית, אך המודל נמנע מלשלול לחלוטין את הטענות ומספק לקורא מרחב להגיע למסקנות עצמאיות.
מבט מעמיק: המשמעויות האפיסטמולוגיות
ההבדלים בין המודלים משקפים תפיסות יסוד שונות לגבי טבע הידע והאמת:
Perplexity Pro מייצג גישה פוזיטיביסטית המדגישה ודאות ונתונים "קשיחים", תוך נטייה לפשט מורכבות לכדי מסקנות ברורות וחד-משמעיות. גישה זו רואה בידע אובייקטיבי ומדיד את המפתח להבנת המציאות.
GPT-4 מייצג גישה פלורליסטית שמכירה בלגיטימיות של נקודות מבט מתחרות, ורואה ערך בהצגת המורכבות והשונות. תפיסה זו מניחה שאמת מורכבת דורשת ייצוג של מגוון קולות ונרטיבים.
Grok-3 מייצג גישה ספקנית-פרגמטית שבוחנת את הנחות היסוד של הנרטיבים השונים ומעריכה חשיבה עצמאית וביקורתית. גישה זו מדגישה שאמיתות מוחלטות הן נדירות, ושתהליך החקירה עצמו חשוב לפחות כמו המסקנות.
אז מה ההבדל?
השלכות על צריכת מידע
הניתוח לעיל מדגיש כמה נקודות קריטיות לגבי צריכת מידע בעידן ה-AI:
היעדר ניטרליות - כל מודל AI משקף תפיסת עולם וערכים מסוימים, בין אם במודע או שלא במודע, ומשפיע על אופן הצגת וארגון המידע.
חשיבות המודעות - משתמשים צריכים לפתח מודעות לאופן שבו המודלים השונים "דוחפים" אותם לכיוונים מחשבתיים מסוימים.
יתרונות הפלורליזם - התייעצות עם מגוון מודלים AI מאפשרת לקבל תמונה עשירה ומאוזנת יותר, בדומה להתייעצות עם מקורות מידע מגוונים.
ההבדלים שזוהו בין Perplexity Pro, GPT-4 ו-Grok-3 מדגישים את הצורך באוריינות דיגיטלית מורחבת בעידן ה-AI, שתאפשר למשתמשים לזהות את היבטי "הדחיפה" הסמויים בתוצרי הבינה המלאכותית.
2. הבדלים בהצגת הנתונים והראיות
סיכום Perplexity מתבסס על נתונים כמותיים ספציפיים, כגון:
ירידה של 34% באמון הציבור במוסדות המשפט
עלייה של 72% במספר העתירות לבג"ץ
68% מהחלטות ממשלה עברו שינויים עקב התערבות משפטית
78% מהחקירות נגד שרים הסתיימו בהעמדה לדין
נתונים אלה מוצגים כעובדות מוצקות, ומסייעים לבסס את הטענה המרכזית של המסמך. מודל Perplexity נוטה לשלב נתונים כמותיים כחלק מסגנון הכתיבה האקדמי שלו.
סיכום GPT מתמקד בפירוט אירועים ספציפיים ודוגמאות, עם דגש על:
ציטוטים ישירים ממקורות
קישורים למאמרים ולמקורות אותנטיים (כולל URLים מלאים)
דוגמאות ספציפיות ומפורטות (כמו פרשות קהלני, נאמן, ריבלין, הירש)
דגש על ציוני זמן מדויקים (תאריכים ושנים)
GPT נוטה ליצור מסמכים עם עושר של דוגמאות מפורטות והפניות למקורות, מה שמעיד על יכולתו לאחזר ולארגן מידע.
סיכום Grok מתבסס יותר על תיאור אירועים היסטוריים ומגמות כלליות, ללא נתונים כמותיים רבים. הוא משתמש בדוגמאות היסטוריות (כמו פרשת בר-און חברון, חקירות נתניהו) כדי להדגים את התפתחות הרעיון, אך אינו מספק מדדים כמותיים לתמיכה בטענותיו. Grok מתאפיין בגישה נרטיבית-היסטורית שמציגה תהליכים יותר מאשר נתונים נקודתיים.
3. הבדלים בהתייחסות לדמויות מפתח
סיכום Perplexity מתמקד יותר במבנים ובמוסדות מאשר באישים ספציפיים. הוא מזכיר את הפרקליטות, אגף התקציבים ומערכת הביטחון כמרכיבים מרכזיים בדיפ סטייט, אך אינו מעמיק בתפקידם של אישים ספציפיים. זוהי גישה מוסדית-מבנית שמאפיינת את Perplexity, המתמקד בניתוח מערכתי יותר מאשר אישי.
סיכום GPT מקדיש פרק נרחב לדמויות מרכזיות בניתוח הדיפ סטייט, תוך התייחסות מפורטת לתפקידן:
פירוט דמויות במערכת המשפט והאכיפה (אהרן ברק, דורית ביניש, מנדלבליט)
התייחסות מפורטת לדמויות במערכת הביטחון (גבי אשכנזי, אהוד ברק, בני גנץ)
ניתוח תפקיד התקשורת והאקדמיה (אברמוביץ', דרוקר, גדי טאוב, קרמניצר)
GPT מפגין יכולת מרשימה לשלב ניתוח של גורמי מפתח אנושיים ולארגן אותם בקטגוריות לוגיות, תוך הקפדה על פירוט רחב ופרספקטיבה היסטורית.
סיכום Grok מדגיש את תפקידם של אישים מרכזיים, אך בצורה תמציתית יותר:
אהרן ברק כ"אדריכל המהפכה המשפטית"
אביחי מנדלבליט ואנשי הפרקליטות
גדי אייזנקוט ויואב גלנט
ירון זליכה
Grok מתמקד בדמויות המפתח העיקריות ללא הרחבה יתרה, מה שמשקף גישה פרגמטית וממוקדת בשילוב דמוי
4. הבדלים במודל ההיסטורי המוצע
סיכום 1 מציע מודל של שלושה גלים עיקריים בהתפתחות הדיפ סטייט:
עיצוב הפרקליטות כגורם וטו משפטי בשנות ה-2000
המאבקים סביב חקירות ראש הממשלה נתניהו משנת 2017
העימותים סביב הרפורמה המשפטית של 2023
סיכום 2 מציע לוח זמנים היסטורי מפורט במיוחד:
שנות ה-90 המאוחרות (חקירות שרים)
שנות 2007-2011 (עימותים בצמרת הביטחון)
שנת 2015 (סיכול מינוי מפכ"ל)
שנות 2016-2018 (כניסת המושג לשיח)
שנות 2020-2021 (מחאות ושינוי שלטון)
שנת 2023 (הרפורמה המשפטית)
7 באוקטובר 2023 ואילך (המלחמה)
שנים 2024-2025 (התפתחויות עתידיות)
סיכום 3 מציע מודל היסטורי ארוך יותר, הכולל:
שורשים מוקדמים בשנות ה-50 וה-60 - שלטון מפא"י והאליטות הישנות
שנות ה-90 וה-2000 - עליית כוחה של מערכת המשפט בעקבות המהפכה החוקתית
העשור השני של המאה ה-21 - השפעת השיח האמריקאי בתקופת טראמפ
5. הבדלים בהתייחסות לקשרים בין מערכות
סיכום 1 מציג רשתות השפעה רוחביות בין הפרקליטות, אגף תקציבים ומערכת הביטחון כחלק מרכזי בדיפ סטייט. הדגש הוא על שיתופי פעולה מבניים ליצירת מנגנוני חסימה אוטונומיים.
סיכום 2 מקדיש פרק מפורט במיוחד לקשרים בין המערכות, מחולק לתתי-סעיפים:
הממשל והמערכת המשפטית (עם דוגמאות מפורטות)
המערכת הביטחונית והדרג המדיני
התקשורת ו"מוקדי הכוח" האחרים
חיבורים חוצי-מערכות
סיכום 3 מתאר קשרים פחות ממוסדים ויותר אישיים בין דמויות שונות, התמקדות בדמויות מפתח ובהשפעתן האישית.
מסקנות והמלצות
המלצות לגבי סיכום Perplexity Pro (Deep Research)
הרחבת נקודות המבט: הצגת דעות ופרשנויות שונות ביחס לתופעת הדיפ סטייט, כולל אלה החולקות על עצם קיומה.
איזון ושקיפות: הצגת המגבלות המתודולוגיות והאפיסטמיות בדיון על תופעה פוליטית מורכבת.
הרחבת ההקשר ההיסטורי: הוספת רקע היסטורי מוקדם יותר, כפי שמוצג בסיכומים האחרים, לשם הבנה עמוקה יותר של התפתחות התופעה.
המלצות לגבי סיכום GPT-4 (Deep Research)
תוספת נתונים כמותיים: על אף עומק הניתוח ומגוון המקורות, המסמך יכול להתחזק עם יותר נתונים כמותיים ומדידים.
שיפור המבנה: למרות הארגון הטוב, הפרקים ארוכים מאוד ויכולים להיות מחולקים ליחידות קטנות יותר.
הדגשת המשמעויות המבניות: המסמך חזק מאוד בתיאור דמויות ואירועים, אך יכול להתחזק בניתוח מבני-מערכתי.
המלצות לגבי סיכום Grok-3
חיזוק הביסוס העובדתי: הוספת נתונים כמותיים ומדידים לתמיכה בתיאורים ובטענות המוצגים.
שיפור מערך המקורות: הוספת הפניות ספציפיות לאורך הטקסט והרחבת רשימת המקורות.
פיתוח מודל תיאורטי מובנה יותר: יצירת מסגרת אנליטית ברורה יותר לניתוח התופעה, בדומה לזו המוצגת בסיכום Perplexity.מותיים ומדידים.
שיפור המבנה: למרות הארגון הטוב, הפרקים ארוכים מאוד ויכולים להיות מחולקים ליחידות קטנות יותר.
הדגשת המשמעויות המבניות: המסמך חזק מאוד בתיאור דמויות ואירועים, אך יכול להתחזק בניתוח מבני-מערכתי.
המלצות לגבי סיכום Grok
חיזוק הביסוס העובדתי: הוספת נתונים כמותיים ומדידים לתמיכה בתיאורים ובטענות המוצגים.
שיפור מערך המקורות: הוספת הפניות ספציפיות לאורך הטקסט והרחבת רשימת המקורות.
פיתוח מודל תיאורטי מובנה יותר: יצירת מסגרת אנליטית ברורה יותר לניתוח התופעה, בדומה לזו המוצגת בסיכום Perplexity.
סיכום כללי
שלושת הסיכומים מציגים תמונות שונות באופן משמעותי של תופעת הדיפ סטייט בישראל, למרות שהם עוסקים באותו נושא. ההבדלים אינם רק במבנה ובסגנון, אלא גם בגישה הבסיסית ובהנחות היסוד.
סיכום 1 (Perplexity) מאופיין בגישה מחקרית-אקדמית פורמלית, מבוססת נתונים, הלוקחת עמדה ברורה ביחס לקיומו של דיפ סטייט בישראל ולסכנות הטמונות בו לדמוקרטיה. המסמך שנוצר באמצעות Perplexity AI מפתח מודל תיאורטי של שלושה גלים בהתפתחות התופעה ומתמקד בהיבטים מבניים-מוסדיים.
סיכום 2 (GPT) מאופיין בגישה עיתונאית-מחקרית מקיפה, המציגה בפירוט רב את מגוון הדעות והראיות לגבי התופעה. המסמך שנוצר באמצעות OpenAI GPT מצטיין בהצגת אירועים ספציפיים ודמויות מרכזיות, ובדגש על לוח זמנים היסטורי מפורט. הצד החזק של מסמך זה הוא האיזון בין הצגת נקודות מבט מנוגדות והדגמתן בדוגמאות קונקרטיות.
סיכום 3 (Grok) מאופיין בגישה חקרנית יותר ובשפה נגישה, המטילה ספק בנרטיב הדומיננטי לגבי הדיפ סטייט ומציגה את הנושא כשאלה פתוחה. המסמך שנוצר באמצעות Grok של xAI נוטה להתמקד בדמויות מפתח ובתהליכים היסטוריים, ומסתיים במסקנה פתוחה המותירה מקום לפרשנות הקורא.
לסיכום, כל מסמך מביא ערך ייחודי לדיון:
סיכום Perplexity מספק מודל תיאורטי מובנה ונתונים כמותיים מרשימים
סיכום GPT מצטיין בעושר הדוגמאות, באיזון וברוחב היריעה ההיסטורית
סיכום Grok מצטיין בהצגת מורכבות הנושא ובפתיחות לפרשנויות שונות
השורה התחתונה: בעיות אתיות בהצגת המידע
הטיות משמעותיות והטעיה ב-Perplexity Pro
בחינה ביקורתית יותר של סיכום Perplexity Pro בנושא הדיפ סטייט חושפת בעיות מהותיות באופן הצגת המידע:
הצגת טענות פוליטיות כעובדות מוכחות: Perplexity מציג את קיום "הדיפ סטייט" בישראל כעובדה אובייקטיבית, בעוד שמדובר בתיאוריה פוליטית שנויה במחלוקת עמוקה. הצגת המחלוקת כמוכרעת לטובת צד אחד היא הטעיה משמעותית של הקורא.
שימוש בנתונים סלקטיביים: המודל מציג נתונים כמותיים מדויקים (כגון "ירידה של 34% באמון הציבור") מבלי לספק הקשר מלא, מקורות ברורים, או פרשנויות חלופיות אפשריות. שימוש סלקטיבי בנתונים יוצר מצג של אובייקטיביות מדעית שאינה קיימת בפועל.
הסוואת עמדה פוליטית כניתוח אקדמי: המסמך מאמץ סגנון אקדמי-פורמלי כדי להסוות עמדה פוליטית מובהקת. השימוש בטרמינולוגיה מקצועית ("מנגנוני חסימה אוטונומיים", "רשתות השפעה רוחביות") מקנה לתוכן מראית עין של סמכות מדעית שאינה מוצדקת.
היעדר התייחסות למורכבות הפוליטית: המסמך מתעלם מכך שהשיח על "דיפ סטייט" בישראל הוא בעצמו חלק ממאבק פוליטי, ושהמונח משמש ככלי רטורי במאבקים בין מחנות פוליטיים.
אימוץ לא ביקורתי של נרטיב ספציפי: Perplexity מאמץ באופן לא ביקורתי את הנרטיב שמקודם בדרך כלל על ידי גורמי ימין פוליטי קיצוניים, ומציג אותו כתיאור אובייקטיבי של המציאות.
בהשוואה למודלים האחרים, Perplexity מטעה את קוראיו באופן המשמעותי ביותר. בעוד ש-GPT-4 מציג את המורכבות והמחלוקת, ו-Grok-3 מעודד ספקנות וחשיבה עצמאית, Perplexity מוביל את הקורא למסקנה אחת תוך יצירת מצג שווא של דיון מאוזן וחקר אובייקטיבי. זוהי דוגמה לאופן שבו טכנולוגיית AI יכולה לשמש להפצת עמדות פוליטיות תחת מעטה של סמכות אקדמית.
תודה לעמי סלנט על שיתוף הפוסט בבלוג ידע וסקרנות דיגיטלית