یک سوم وب پس از چت‌جی‌پی‌تی، هوش مصنوعی می‌نویسد

محتوای تولید شده توسط هوش مصنوعی همه‌جا حاضر است، به معنای واقعی کلمه.

بر اساس مطالعه‌ای که مرکز تحقیقات پیو روز پنجشنبه منتشر کرد، از هر ۱۰ صفحه وب انگلیسی‌زبان، یک صفحه اکنون نشانه‌های قابل توجهی از نوشته شدن توسط هوش مصنوعی را نشان می‌دهد. اگر این نمونه را به صفحاتی که از زمان راه‌اندازی ChatGPT در نوامبر ۲۰۲۲ منتشر شده‌اند محدود کنیم، این سهم به ۳۵ درصد افزایش می‌یابد.

این یافته‌ها پس از آن به دست آمد که محققان حدود ۴۹۰ هزار صفحه را از آرشیو وب Common Crawl، که بازه زمانی ژانویه ۲۰۲۱ تا ژوئیه ۲۰۲۶ را پوشش می‌دهد، استخراج کرده و سپس متن را از طریق Open Pangram، یک مدل تشخیص هوش مصنوعی، اجرا کردند.

اثر انگشت هوش مصنوعی به طور یکنواخت توزیع نشده است. صفحاتی که در دامنه‌های .com قرار دارند، حدود ۱۰ برابر بیشتر از دامنه‌های .edu یا .gov، که هر کدام نزدیک به ۱ درصد هستند، و حدود دو برابر نرخ ۴.۶ درصدی در سایت‌های .org، نشانه‌هایی از نویسندگی هوش مصنوعی را نشان می‌دهند. در سال ۲۰۲۱، هر چهار نوع دامنه تقریباً یکسان به نظر می‌رسیدند.

چگونه پیو ماشین‌ها را شناسایی کرد

این آشکارساز هیچ کلمه یا عبارت خاصی را پرچم‌گذاری نمی‌کند، بلکه الگوهای آماری را در دسته‌های بزرگ متن وزن‌دهی می‌کند. اما برخی نشانه‌های فردی از سال ۲۰۲۳ به طور چشمگیری رایج‌تر شده‌اند: نشانه‌های معمول، مانند خط تیره ام (em dash) (هرچند ما خودمان آن‌ها را دوست داریم) اکنون تقریباً دو برابر بیشتر ظاهر می‌شوند، ویرگول آکسفورد ۶۳ درصد افزایش یافته است، و کلمات مورد علاقه هوش مصنوعی مانند “delve” (کاوش کردن)، “interplay” (تعامل) و “testament” (گواه) بیش از دو برابر شده‌اند.

“پارالل منفی” (Negative parallelism) – ساختارهایی مانند “این فقط X نیست، بلکه Y است” – از سال ۲۰۲۳ تقریباً سه برابر شده است، اگرچه پیو خاطرنشان می‌کند که این مورد هنوز به طور کلی نادر است. Decrypt قبلاً همین نشانه‌ها را ردیابی کرده بود و Merriam-Webster در دسامبر با نامگذاری “slop” (چرندیات) به عنوان کلمه سال، این موضوع را رسمی کرد.

پیو با دقت محدودیت‌ها را ذکر می‌کند: مدل‌های تشخیص می‌توانند صفحات فردی را در هر دو جهت اشتباه طبقه‌بندی کنند، و “نشانه‌های قابل توجهی از نویسندگی هوش مصنوعی” به این معنی نیست که یک صفحه کاملاً توسط یک ماشین نوشته شده است – بسیاری از متن‌ها به احتمال زیاد با کمک هوش مصنوعی نوشته شده‌اند تا اینکه کاملاً توسط آن تولید شده باشند.

Open Pangram از Pangram Labs می‌آید، که آشکارساز آن در تحقیقات جداگانه‌ای نیز متن تولید شده توسط هوش مصنوعی را در حدود ۹ درصد از مقالات روزنامه‌های ایالات متحده در سال جاری، از جمله صفحات نظر در نشریاتی مانند The New York Times، یافته است.

با این حال، تشخیص هوش مصنوعی ممکن است با گذشت زمان آسان‌تر شود، نه به دلیل الگوها، بلکه به دلیل فناوری زیربنایی. شرکت‌های بزرگ هوش مصنوعی مانند Anthropic در حال حاضر بر روی اثر انگشت متنی در سطح مدل کار می‌کنند، که شناسایی متن هوش مصنوعی را آسان کرده و در عین حال خطاها را به حداقل می‌رساند.

شکاف دامنه‌ها نشان‌دهنده این است که چه کسانی منتشر می‌کنند و چرا. سایت‌های دانشگاهی و دولتی تحت بررسی‌های ویرایشی، تأییدیه‌های سازمانی و چرخه‌های انتشار کندتر قرار دارند؛ دامنه‌های .com شامل همه چیز از اتاق‌های خبر گرفته تا مزارع محتوای بازاریابی وابسته هستند که صفحاتی را با سرعتی تولید می‌کنند که هیچ ویراستار انسانی قادر به حفظ آن نیست.

در مقیاس بزرگ، روند همچنان شیب‌دار است: نرخ نویسندگی هوش مصنوعی در دامنه‌های .com از حدود ۱ درصد در ژانویه ۲۰۲۱ به ۹.۳۵ درصد در ژانویه ۲۰۲۶، پنج سال بعد، افزایش یافت.