Контент, написаний ШІ, буквально всюди.
Кожна десята англомовна вебсторінка зараз демонструє значні ознаки того, що її написав ШІ, згідно з дослідженням Pew Research Center, опублікованим у четвер. Якщо звузити вибірку лише до сторінок, опублікованих після запуску ChatGPT у листопаді 2022 року, частка зростає до 35%.
Ці висновки були зроблені після того, як дослідники витягли приблизно 490 000 сторінок з веб-архіву Common Crawl, що охоплює період з січня 2021 року по липень 2026 року, а потім пропустили текст через Open Pangram – модель виявлення ШІ.
Слід ШІ поширюється нерівномірно. Сторінки на доменах .com демонструють ознаки авторства ШІ приблизно в 10 разів частіше, ніж домени .edu або .gov, де цей показник становить близько 1% для кожного, і приблизно вдвічі більше, ніж 4,6% для сайтів .org.
У 2021 році всі чотири типи доменів виглядали майже ідентично.
Як Pew виявив машини
Детектор не позначає жодного окремого слова чи фрази, а натомість зважує статистичні закономірності у великих масивах тексту. Однак деякі індивідуальні ознаки стали помітно частішими з 2023 року: звичні тире (які ми самі дуже любимо) тепер з'являються приблизно вдвічі частіше, Оксфордські коми зросли на 63%, а слова, що віддаються перевазі ШІ, такі як "заглиблюватися", "взаємодія" та "свідоцтво", зросли більш ніж удвічі за частотою використання.
"Негативний паралелізм" – конструкції на кшталт "це не лише X, це Y" – зріс майже втричі з 2023 року, хоча Pew зазначає, що загалом він все ще рідкісний. Decrypt вже відстежував ці самі ознаки раніше, а Merriam-Webster офіційно оголосив у грудні "slop" словом року.
Pew ретельно зазначає обмеження: моделі виявлення можуть неправильно класифікувати окремі сторінки в обох напрямках, і "значні ознаки авторства ШІ" не означають, що сторінка була повністю написана машиною — значна частина тексту, ймовірно, була скоріше асистована ШІ, ніж повністю згенерована ним.
Open Pangram походить від Pangram Labs, чий детектор також виявив згенерований ШІ текст приблизно в 9% статей американських газет цього року, включаючи сторінки думок у таких виданнях, як The New York Times.
Зважаючи на це, виявлення ШІ з часом може стати легшим завданням не через закономірності, а через базові технології. Великі компанії в галузі ШІ, такі як Anthropic, вже працюють над фінгерпринтом тексту на рівні моделі, що дозволило б легко ідентифікувати текст, створений ШІ, мінімізуючи при цьому помилки.
Розрив між доменами показує, хто публікує і чому. Академічні та урядові сайти проходять редакційний огляд, інституційне затвердження та мають повільніші цикли публікації; домени .com включають все: від новинних редакцій до контент-ферм для партнерського маркетингу, які виробляють сторінки з такою швидкістю, яку жоден людський редактор не зміг би підтримувати.
У великих масштабах тенденція є стрімкою незалежно від цього: показник авторства ШІ на доменах .com зріс приблизно з 1% у січні 2021 року до 9,35% через п'ять років, лише у січні 2026 року.
