یک سوم صفحات وب منتشر شده، نشانه‌هایی از نویسندگی ChatGPT است

به گزارش هفت صبح این شرکت می‌گوید این گزارش، مطالعات دیگری را تأیید می‌کند که جزئیات مربوط به میزان صفحات وب جدیدتر وب را که اکنون توسط هوش مصنوعی نوشته یا «به طور قابل توجهی ویرایش» می‌شوند، شرح می‌دهند.

همچنین این خبر اندکی پس از آن منتشر شد که شرکت ارائه دهنده زیرساخت‌های اینترنتی، کلودفلر، گزارش داد که ترافیک وب ربات‌ها از ترافیک وب انسانی پیشی گرفته است - نقطه عطفی که زودتر از آنچه شرکت تخمین زده بود، به آن دست یافت.

با این حال، داده‌های Pew نه بر روی اینکه چه کسی یا چه چیزی وب را مرور می‌کند، بلکه بر روی آنچه مرور می‌شود متمرکز است. و ظاهراً بخش زیادی از آن مربوط به ربات‌هایی است که صفحات وب نوشته شده توسط ربات‌های دیگر را می‌خوانند.

پیو اعلام کرد که برای تهیه این گزارش، از  آرشیو وب Common Crawl  برای جمع‌آوری نزدیک به نیم میلیون صفحه وب انگلیسی‌زبان از پنج سال گذشته یا بیشتر، که چند سال قبل از انتشار ChatGPT در نوامبر ۲۰۲۲ آغاز شده بود، استفاده کرده است. سپس پیو از فناوری Open Pangram برای تشخیص اینکه چه تعداد از آنها احتمالاً توسط هوش مصنوعی نوشته یا ویرایش شده‌اند، استفاده کرد.

پیو گفت، در یک نمونه تصادفی از ۱۰،۰۰۰ صفحه وب که در ژوئیه ۲۰۲۶ جمع‌آوری شده بود، حدود ۱۰٪ «نشانه‌های قابل توجهی از تألیف هوش مصنوعی» را نشان دادند.

با این حال، پیو خاطرنشان کرد که یک نمونه تصادفی مانند این، ناگزیر شامل صفحات وب قدیمی‌تر خواهد بود - صفحاتی که قبل از وجود ابزارهای نوشتاری هوش مصنوعی منتشر شده‌اند و بنابراین نمی‌توانند توسط هوش مصنوعی نوشته شده باشند.

درصد صفحات وب که ویرایش یا تألیف قابل توجهی از هوش مصنوعی را نشان می‌دهند.

اعتبار تصویر: تحقیقات پیو

برای درک بهتر اینکه چه مقدار از وب اکنون توسط هوش مصنوعی نوشته می‌شود، Pew صفحات وب قدیمی‌تر را فیلتر کرد و فقط روی صفحاتی که پس از انتشار ChatGPT منتشر شده‌اند تمرکز کرد.

در همین تصویر که صفحات قدیمی‌تر حذف شده‌اند، نشانه‌هایی از نویسندگی هوش مصنوعی در بیش از یک سوم (۳۵٪) صفحات یافت شد.

اعتبار تصویر: تحقیقات پیو

پیو با بررسی دقیق‌تر خود دامنه‌ها، دریافت که نشانی‌های اینترنتی (URL) با دامنه .com، نشانه‌هایی از تألیف هوش مصنوعی را نشان می‌دهند که حدود ۱۰ برابر نرخ تألیف هوش مصنوعی در دامنه‌های .edu یا .gov است (که هر دو حدود ۱٪ تألیف هوش مصنوعی داشتند). علاوه بر این، دامنه‌های .org تنها ۴.۶٪ نرخ تألیف هوش مصنوعی داشتند.

البته، این تحلیل بی‌نقص نیست. پانگرام، مانند سایر ابزارهای تشخیص هوش مصنوعی، می‌تواند صفحاتی را که توسط هوش مصنوعی نوشته شده‌اند، به اشتباه طبقه‌بندی کند، در حالی که اینطور نیست. اما در مقیاس بزرگ، داده‌ها احتمالاً حداقل از نظر جهت‌گیری صحیح هستند.

علاوه بر این، پیو دریافت که سایر ادعاهای مربوط به نویسندگی هوش مصنوعی نیز در طول سال‌ها افزایش یافته است، مانند استفاده از خط تیره em، ویرگول آکسفورد و عباراتی مانند «این X نیست، Y است» و موارد دیگر.