Ang nilalamang gawa ng AI ay nasa lahat ng dako, sa literal.
Isa sa bawat 10 webpage na nakasulat sa Ingles ngayon ay nagpapakita ng malaking senyales na gawa ng AI, ayon sa isang pag-aaral ng Pew Research Center na inilathala noong Huwebes. Kung isasaalang-alang lamang ang mga pahinang inilathala mula nang ilunsad ang ChatGPT noong Nobyembre 2022, ang bahagi ay tumataas sa 35%.
Ang mga natuklasan ay lumabas matapos suriin ng mga mananaliksik ang humigit-kumulang 490,000 pahina mula sa Common Crawl web archive, na sumasaklaw mula Enero 2021 hanggang Hulyo 2026, pagkatapos ay pinatakbo ang teksto sa Open Pangram, isang modelo ng pagtukoy ng AI.
Ang fingerprint ng AI ay hindi pantay na kumalat. Ang mga pahina sa mga domain na .com ay nagpapakita ng mga senyales ng pagkakagawa ng AI sa humigit-kumulang 10 beses na mas mataas kaysa sa mga domain na .edu o .gov, na nasa halos 1% bawat isa, at halos doble ng rate na 4.6% sa mga site na .org.
Noong 2021, halos magkatulad ang hitsura ng lahat ng apat na uri ng domain.
Paano natuklasan ng Pew ang mga makina
Hindi minamarkahan ng detector ang anumang solong salita o parirala, ngunit sinusuri nito ang mga istatistikal na pattern sa malalaking batch ng teksto. Ngunit ilang indibidwal na palatandaan ang naging mas karaniwan mula noong 2023: Ang mga karaniwang suspects, ang mga em dash (gaano man namin ito kagusto) ay lumalabas na ngayon nang halos dalawang beses na mas madalas, tumaas ng 63% ang mga Oxford comma, at ang mga salitang pabor sa AI tulad ng "delve," "interplay," at "testament" ay higit sa doble ang dalas.
Ang "negatibong parallelism"—mga konstruksyon tulad ng "hindi lamang X, kundi Y"—ay halos triple na mula noong 2023, bagama't binanggit ng Pew na bihira pa rin ito sa pangkalahatan. Sinusubaybayan na ng Decrypt ang parehong mga palatandaan na ito dati, at ginawa itong opisyal ng Merriam-Webster noong Disyembre, pinangalanang "slop" ang salita ng taon nito.
Maingat ang Pew na tandaan ang mga limitasyon dito: maaaring maling ikategorya ng mga detection model ang indibidwal na pahina sa magkabilang direksyon, at ang "malaking senyales ng pagkakagawa ng AI" ay hindi nangangahulugang ang isang pahina ay ganap na isinulat ng makina—marami sa teksto ay malamang na tinulungan ng AI sa halip na ganap na binuo ng AI.
Ang Open Pangram ay nagmula sa Pangram Labs, na ang detector ay lumabas din sa hiwalay na pananaliksik na nakahanap ng AI-generated text sa humigit-kumulang 9% ng mga artikulo ng pahayagan sa U.S. ngayong taon, kabilang ang mga pahina ng opinyon sa mga outlet tulad ng The New York Times.
Gayunpaman, ang pagtuklas ng AI ay maaaring maging mas madaling gawain sa paglipas ng panahon, hindi dahil sa mga pattern kundi dahil sa pinagbabatayan na teknolohiya. Ang mga malalaking kumpanya ng AI tulad ng Anthropic ay nagtatrabaho na sa model-level text fingerprint, na gagawing madaling tukuyin ang teksto ng AI habang pinapaliit ang mga pagkakamali.
Sinusubaybayan ng agwat sa domain kung sino ang naglalathala at kung bakit. Ang mga akademikong site at site ng gobyerno ay dumadaan sa editoryal na pagsusuri, pag-apruba ng institusyon, at mas mabagal na siklo ng paglalathala; ang mga .com na domain ay kinabibilangan ng lahat mula sa mga newsroom hanggang sa mga affiliate-marketing content farm na gumagawa ng mga pahina sa bilis na hindi kayang panatilihin ng sinumang editor na tao.
Sa malawakang saklaw, matarik ang takbo anuman ang mangyari: Ang rate ng pagkakagawa ng AI sa .com ay umakyat mula sa humigit-kumulang 1% noong Enero 2021 tungo sa 9.35% limang taon pagkatapos, noong Enero 2026 lamang.
