Mai mult de o treime din paginile web publicate de la lansarea ChatGPT arată semne că au fost scrise de inteligență artificială, potrivit unui nou studiu de la Pew Research Center – una dintre cele mai riguroase măsurători de până acum ale modului în care AI-ul generativ a remodelat conținutul web-ului deschis.
Descoperirea, publicată joi de organizația de cercetare non-partizană, aterizează pe fondul îngrijorării crescânde că internetul se umple de text scris de mașină mai repede decât îl poate urmări oricine. Amploarea schimbării este o poveste definitorie a erei AI și una urmărită continuu în acoperirea industriei AI.
Cum a măsurat Pew web-ul scris prin inteligență artificială
Pentru a compila raportul, Pew a folosit arhiva web Common Crawl pentru a colecta aproape o jumătate de milion de pagini web în limba engleză din aproximativ ultimii cinci ani – începând cu câțiva ani înainte de lansarea ChatGPT în noiembrie 2022. Cercetătorii au trecut apoi paginile prin Pangram, o tehnologie de detectare AI, pentru a estima câte au fost scrise sau editate în mare măsură de AI.
Numerele din titlu sunt izbitoare. Într-un eșantion aleatoriu de 10.000 de pagini web colectate în iulie 2026, aproximativ 10% au prezentat semne semnificative de autor AI. Dar acel eșantion aleatoriu a inclus inevitabil un număr mare de pagini mai vechi publicate înainte de existența instrumentelor de scriere AI - pagini care nu ar fi putut fi scrise automat.
Când Pew le-a filtrat și s-a uitat doar la paginile publicate după lansarea ChatGPT, cota care dădea semne de autor AI a crescut la 35% - mai mult de una din trei.
Domeniile comerciale conduc la drum
Defalcarea la nivel de domeniu a studiului poate fi cea mai revelatoare constatare. Paginile de pe domeniile .com au prezentat semne de autor al AI cu o rată de aproximativ zece ori mai mare decât a domeniilor .edu și .gov, ambele fiind de aproximativ 1% de AI. Domeniile nonprofit .org au scăzut între ele, la 4,6%.
Modelul spune o poveste despre stimulente. Acolo unde conținutul este produs pentru a se clasa în motoarele de căutare și a genera venituri din publicitate sau afiliate, scrierea AI a proliferat. Acolo unde instituțiile își atribuie reputația ceea ce publică – universități, agenții guvernamentale – autoritatea umană încă domină.
Pew a descoperit, de asemenea, că povestirile stilistice clasice despre scrierea automată au devenit mai frecvente pe web de-a lungul anilor: liniuțele, virgulele Oxford și construcțiile precum „nu este X, este Y” au crescut toate în frecvență.
Descoperirea .com se aliniază, de asemenea, cu ceea ce practicienii de optimizare a motoarelor de căutare au raportat anecdotic de ani de zile: fermele de conținut, site-urile afiliate și editorii low-cost au fost cei mai timpurii și mai agresivi adoptatori ai scrierii generative, deoarece pentru ei economia producerii unei alte pagini - orice pagină - se prăbușise deja aproape de zero. Editorii instituționali cu standarde editoriale s-au mișcat mai lent și se vede în date.
Scrierea de roboți pentru roboți
Raportul Pew vine la scurt timp după ce furnizorul de infrastructură de internet Cloudflare a dezvăluit că traficul web bot a depășit traficul web uman - o piatră de hotar atinsă mai devreme decât estimase compania. După cum a menționat TechCrunch în acoperirea studiului, cele două descoperiri schițează împreună o imagine neliniștitoare: o mare parte din web este acum roboți care navighează în pagini care au fost, în multe cazuri, scrise de alți roboți.
Comentatorii s-au grăbit să conecteze datele la „teoria internetului mort” – ideea odată marginală că mult conținut online este generat artificial pentru un public de crawler-uri automate. Ceea ce a început ca un meme conspirator arată din ce în ce mai mult ca o realitate demografică măsurabilă, cel puțin pentru web-ul comercial.
Avertismente în detectarea
Pew a avut grijă să noteze limitele metodologiei sale. Pangram, ca și alte instrumente de detectare AI, poate clasifica greșit paginile scrise de oameni ca fiind generate de AI, iar acuratețea detectării variază în funcție de stilul și genul de scriere. Cu toate acestea, la scara a sute de mii de pagini, datele sunt probabil cel puțin corecte direcțional, a spus organizația - și mai multe studii independente au ajuns la concluzii similare cu privire la ponderea conținutului web mai nou care prezintă semne de autor al AI.
De asemenea, studiul a măsurat doar paginile în limba engleză și a extras din arhiva Common Crawl, care surprinde un instantaneu al webului, mai degrabă decât întregul său.
De ce contează numerele
Descoperirea are implicații mult dincolo de trivialitățile de pe internet. Motoarele de căutare se confruntă deja cu cum să scoată la iveală rezultate de încredere atunci când o cotă tot mai mare de conținut indexat este generată de mașini. Editorii și educatorii se confruntă cu o perioadă mai dificilă de a stabili proveniența. Iar constructorii de modele AI se confruntă cu o problemă mai silențioasă: datele de antrenament răzuite de pe web conțin din ce în ce mai mult rezultate AI, ridicând spectrul degradării modelului prin bucle de feedback ale textului sintetic.
Pentru cititorii obișnuiți, concluzia practică este o nouă postură implicită de scepticism. O recenzie a unui produs, un ghid de utilizare sau o postare de blog adiacentă știrilor publicate pe un domeniu comercial în era post-ChatGPT are acum aproximativ o șansă din trei de a purta amprentele unei AI - și pe unele categorii de site-uri, probabil mult mai mare.
Web-ul a fost întotdeauna un amestec de autentic și fabricat. Ceea ce arată datele lui Pew este că balanța s-a înclinat și rapid: în mai puțin de patru ani, scrisul automat a trecut de la inexistent la o fracțiune substanțială din tot ceea ce este publicat online.
Rămâi înaintea AI
Pentru cele mai recente cercetări AI, date din industrie și analize de tendințe, marcați AI Buzz Wire.
Citiți mai multe știri AI →
