Conținutul scris de AI este peste tot, la propriu.
Una din 10 pagini web în limba engleză prezintă acum semne semnificative că a fost scrisă de inteligența artificială, potrivit unui studiu al Pew Research Center publicat joi. Dacă restrângem eșantionul doar la paginile publicate de la lansarea ChatGPT în noiembrie 2022, proporția sare la 35%.
Descoperirile vin după ce cercetătorii au extras aproximativ 490.000 de pagini din arhiva web Common Crawl, acoperind perioada ianuarie 2021 până în iulie 2026, apoi au rulat textul prin Open Pangram, un model de detecție a inteligenței artificiale.
Amprenta AI nu este răspândită uniform. Paginile de pe domeniile .com prezintă semne de autorat AI la o rată de aproximativ 10 ori mai mare decât domeniile .edu sau .gov, care se situează în jurul valorii de 1% fiecare, și de aproximativ două ori mai mare decât rata de 4,6% pe site-urile .org.
În 2021, toate cele patru tipuri de domenii arătau aproape identic.
Cum a detectat Pew mașinile
Detectorul nu semnalează niciun cuvânt sau frază anume, ci cântărește modele statistice pe loturi mari de text. Însă unele indicii individuale au devenit mult mai comune din 2023: obișnuitele liniuțe de pauză (pe cât de mult ne plac și nouă) apar acum de aproximativ două ori mai des, virgulele Oxford au crescut cu 63%, iar cuvintele preferate de AI precum "delve" (a aprofunda), "interplay" (interacțiune) și "testament" (mărturie) și-au dublat frecvența.
„Paralelismul negativ” – construcții precum „nu este doar X, ci este Y” – aproape s-a triplat din 2023, deși Pew notează că este încă rar în general. Publicația Decrypt a urmărit aceleași indicii înainte, iar Merriam-Webster a oficializat acest lucru în decembrie, numind „slop” (mizerie/lucru de mântuială) cuvântul anului.
Pew este atent să noteze limitele aici: modelele de detecție pot clasifica greșit pagini individuale în ambele direcții, iar „semne semnificative de autorat AI” nu înseamnă că o pagină a fost scrisă în întregime de o mașină – o mare parte din text a fost probabil asistată de AI, mai degrabă decât generată direct de AI.
Open Pangram provine de la Pangram Labs, al cărui detector a fost, de asemenea, descoperit în cercetări separate care au constatat text generat de AI în aproximativ 9% dintre articolele din ziarele americane anul acesta, inclusiv pagini de opinie din publicații precum The New York Times.
Acestea fiind spuse, detectarea AI ar putea deveni o sarcină mai ușoară cu timpul, nu din cauza tiparelor, ci din cauza tehnologiei subiacente. Marile companii de AI precum Anthropic lucrează deja la amprentarea textului la nivel de model, ceea ce ar face ca textul AI să fie ușor de identificat, minimizând erorile.
Discrepanța între domenii urmărește cine publică și de ce. Site-urile academice și guvernamentale trec prin revizuire editorială, aprobare instituțională și cicluri de publicare mai lente; domeniile .com includ totul, de la redacții la ferme de conținut de marketing afiliat, care generează pagini într-un ritm pe care niciun editor uman nu l-ar putea susține.
La scară largă, linia de tendință este abruptă indiferent: rata de autorat AI pentru .com a urcat de la aproximativ 1% în ianuarie 2021 la 9,35% cinci ani mai târziu, doar în ianuarie 2026.
