Nội dung do AI viết đang ở khắp mọi nơi, đúng nghĩa đen.
Cứ 10 trang web tiếng Anh thì có 1 trang hiện cho thấy dấu hiệu đáng kể của việc được viết bởi AI, theo một nghiên cứu của Pew Research Center được công bố hôm thứ Năm. Nếu thu hẹp mẫu đó chỉ còn các trang được xuất bản kể từ khi ChatGPT ra mắt vào tháng 11 năm 2022, tỷ lệ này tăng vọt lên 35%.
Những phát hiện này được đưa ra sau khi các nhà nghiên cứu đã trích xuất khoảng 490.000 trang từ kho lưu trữ web Common Crawl, trải dài từ tháng 1 năm 2021 đến tháng 7 năm 2026, sau đó chạy văn bản qua Open Pangram, một mô hình phát hiện AI.
Dấu ấn AI không được phân bố đồng đều. Các trang trên tên miền .com cho thấy dấu hiệu tác giả AI với tỷ lệ cao gấp khoảng 10 lần so với các tên miền .edu hoặc .gov, vốn chỉ khoảng 1% mỗi loại, và gấp đôi tỷ lệ 4,6% trên các trang .org.
Vào năm 2021, cả bốn loại tên miền đều trông gần như giống hệt nhau.
Cách Pew phát hiện máy móc
Công cụ phát hiện không gắn cờ bất kỳ từ hoặc cụm từ đơn lẻ nào mà thay vào đó cân nhắc các mẫu thống kê trên các lô văn bản lớn. Nhưng một số dấu hiệu riêng lẻ đã trở nên phổ biến hơn rõ rệt kể từ năm 2023: Các dấu gạch ngang (em dash) quen thuộc (mặc dù chúng tôi cũng thích chúng) hiện xuất hiện thường xuyên gấp đôi, dấu phẩy Oxford tăng 63%, và các từ được AI ưa chuộng như "delve" (nghiên cứu sâu), "interplay" (tương tác), và "testament" (minh chứng) đã tăng tần suất sử dụng hơn gấp đôi.
"Negative parallelism" – các cấu trúc như "không chỉ X, mà còn Y" – đã tăng gần gấp ba lần kể từ năm 2023, mặc dù Pew lưu ý rằng nó vẫn còn hiếm nói chung. Decrypt đã theo dõi những dấu hiệu tương tự này trước đây, và Merriam-Webster đã chính thức công bố vào tháng 12, đặt tên "slop" là từ của năm.
Pew cẩn thận lưu ý những hạn chế ở đây: các mô hình phát hiện có thể phân loại sai các trang riêng lẻ theo cả hai hướng, và "các dấu hiệu đáng kể của việc được viết bởi AI" không có nghĩa là một trang được viết hoàn toàn bởi máy – nhiều văn bản có thể được hỗ trợ bởi AI chứ không phải hoàn toàn do AI tạo ra.
Open Pangram đến từ Pangram Labs, công cụ phát hiện của họ cũng đã được tìm thấy trong một nghiên cứu riêng biệt cho thấy văn bản do AI tạo ra có trong khoảng 9% các bài báo của Mỹ trong năm nay, bao gồm cả các trang ý kiến tại các tờ báo như The New York Times.
Tuy nhiên, việc phát hiện AI có thể trở thành một nhiệm vụ dễ dàng hơn theo thời gian, không phải do các mẫu mà là do công nghệ cơ bản. Các công ty AI lớn như Anthropic đã và đang nghiên cứu dấu vân tay văn bản cấp mô hình, điều này sẽ giúp văn bản AI dễ dàng được nhận dạng đồng thời giảm thiểu lỗi.
Sự khác biệt về tên miền cho thấy ai đang xuất bản và vì sao. Các trang web học thuật và chính phủ trải qua quá trình biên tập, phê duyệt của tổ chức và chu kỳ xuất bản chậm hơn; các tên miền .com bao gồm mọi thứ từ phòng tin tức đến các trang trại nội dung tiếp thị liên kết, sản xuất hàng loạt trang với tốc độ mà không biên tập viên con người nào có thể duy trì.
Ở quy mô lớn, đường xu hướng vẫn dốc bất kể: Tỷ lệ tác giả AI trên tên miền .com đã tăng từ khoảng 1% vào tháng 1 năm 2021 lên 9,35% sau 5 năm, chỉ riêng trong tháng 1 năm 2026.
