گزارش مرکز پیو: یک دهم صفحات وب با هوش مصنوعی نوشته شده‌اند

مرکز تحقیقاتی پیو (Pew Research Center) با بررسی نزدیک به نیم میلیون صفحه وب از طریق یک ابزار تشخیص هوش مصنوعی، دریافت که حدود ۱۰ درصد از آن‌ها نشانه‌هایی از نویسندگی یا ویرایش توسط هوش مصنوعی دارند.

این آمار برای صفحاتی که تاریخ انتشارشان پس از عرضه عمومی چت‌جی‌پی‌تی (ChatGPT) بوده، به ۳۵ درصد می‌رسد. تیم آزمایشگاه داده پیو این تحلیل را در ۲۰ آگوست منتشر کرد.

داده‌ها چه می‌گویند؟

صفحات روی دامنه‌های com. حدود ۱۰ برابر بیشتر از صفحات روی دامنه‌های edu. و gov. نشانه‌هایی از نویسندگی با هوش مصنوعی را نشان می‌دهند. در یک میانگین شش ماهه، این نرخ برای com. برابر با ۹.۳۵٪، برای org. برابر با ۴.۵۹٪، برای edu. برابر با ۱.۰۳٪ و برای gov. برابر با ۰.۷۶٪ بوده است.

پیش از عرضه ChatGPT، هر چهار نوع دامنه در نمونه‌های جمع‌آوری‌شده، نرخی کمتر از ۱٪ داشتند. اما پس از آن، این دامنه‌ها از هم فاصله گرفته‌اند و دامنه com. با سریع‌ترین رشد، از بقیه پیشی گرفته است، در حالی که edu. و gov. نزدیک به همان مرز ۱٪ باقی مانده‌اند.

نشانه‌هایی که در حال گسترش هستند

پیو نشانگرهای خاصی را در صفحات منتشر شده پس از عرضه ChatGPT بررسی کرده است. برای مثال، استفاده از «خط تیره بلند» (Em dash) از ۵.۷۹ بار در هر ۱۰,۰۰۰ کلمه در اوایل سال ۲۰۲۳ به ۱۱.۱۹ بار در اوایل سال ۲۰۲۶ افزایش یافته است. استفاده از «ویرگول آکسفورد» (Oxford comma) نیز ۶۳ درصد رشد داشته است.

استفاده از کلماتی که در نوشته‌های هوش مصنوعی رایج هستند، مانند «delve» (کندوکاو کردن)، «interplay» (تعامل) و «testament» (گواه)، بیش از دو برابر شده است. همچنین، سبکی موسوم به «موازنه منفی» (negative parallelism) یا ساختار «نه فقط X، بلکه Y» از ۰.۸۷ به ۲.۳۶ بار در هر ۱۰,۰۰۰ کلمه رسیده، هرچند هنوز هم نادر است.

پیو تأکید می‌کند که هیچ‌یک از این ویژگی‌ها به تنهایی نمی‌تواند هویت یک سند را مشخص کند، زیرا نویسندگان انسانی نیز از همه آن‌ها استفاده می‌کنند. ادعای این گزارش بر اساس نرخ تکرار این نشانه‌ها در مجموعه‌های بزرگی از متون است.

تفاوت با تخمین‌های دیگر

تخمین‌های دیگری نیز در این زمینه وجود دارد که با یافته‌های پیو متفاوت است. برای مثال، شرکت سئو گرَفایت (Graphite) تخمین زده بود که در سه‌ماهه اول سال ۲۰۲۶، ۴۹.۹٪ از مقالات جدید انگلیسی‌زبان عمدتاً توسط هوش مصنوعی تولید شده‌اند.

یک پیش‌نویس مقاله از امپریال کالج لندن (Imperial College London)، آرشیو اینترنت و دانشگاه استنفورد (Stanford) نیز نشان داد که تا اواسط سال ۲۰۲۵، ۳۵٪ از وب‌سایت‌های جدید منتشر شده، به عنوان تولید یا کمک گرفته از هوش مصنوعی شناسایی شده‌اند.

دلیل اصلی این تفاوت در آمار، روش نمونه‌گیری است. پیو تمام صفحات انگلیسی‌زبانی را که جمع‌آوری کرده بود، از جمله فروم‌ها، صفحات اصلی و صفحات دسته‌بندی، بررسی کرد. در مقابل، گرَفایت نمونه خود را به مقالاتی با حداقل ۱۰۰ کلمه و دارای اسکیمای مقاله محدود کرده بود. طبیعی است که افراد برای نوشتن مقالات بیشتر از هوش مصنوعی استفاده کنند تا برای صفحات فروم یا دسته‌بندی.

چرا این موضوع اهمیت دارد؟

نشانه‌های متن تولیدشده با هوش مصنوعی بیشتر در وب تجاری دیده می‌شود. درصد شناسایی در دامنه‌های com. از زمان عرضه ChatGPT به طور مداوم در حال افزایش بوده، در حالی که این نرخ برای دامنه‌های edu. و gov. زیر ۲٪ باقی مانده است. تمرکز اصلی بر روی صفحات تجاری است و این همان بخشی از وب است که بیشتر فعالیت‌های سئو با آن در ارتباط است.

آستانه تشخیص پیو، ویرایش با هوش مصنوعی را نیز شامل می‌شود. بنابراین، صفحه‌ای که توسط یک انسان نوشته شده و سپس با ابزاری مانند گرامرلی ویرایش شده، در همان دسته‌ای قرار می‌گیرد که یک متن از ابتدا تا انتها توسط هوش مصنوعی تولید شده است.

نگاه به آینده

ویرایش با هوش مصنوعی اکنون یک ویژگی بومی در گوگل داکس (Google Docs) و مایکروسافت ورد (Microsoft Word) است. اگرچه آستانه تشخیص پیو این نوع نوشته‌ها را نیز در نظر می‌گیرد، اما هیچ‌یک از مطالعات فعلی تفاوتی بین محتوای کاملاً تولیدشده توسط هوش مصنوعی و محتوای ویرایش‌شده با آن قائل نمی‌شوند.

در نهایت، اینکه یک صفحه دقیق، مفید و ارزش انتشار دارد یا نه، هنوز با خواندن و قضاوت انسانی مشخص می‌شود.