ChatGPT-পরবর্তী ওয়েব কন্টেন্টের এক-তৃতীয়াংশ AI দ্বারা লিখিত হওয়ার লক্ষণ দেখাচ্ছে

Pew Research-এর একটি যুগান্তকারী গবেষণা ডিজিটাল জগতের এক বিশাল পরিবর্তন প্রকাশ করেছে, যা উন্মোচন করেছে যে নতুন ওয়েব কন্টেন্টের একটি উল্লেখযোগ্য অংশ কৃত্রিম বুদ্ধিমত্তা (AI) দ্বারা তৈরি হচ্ছে। যেহেতু Large Language Models (LLMs) কন্টেন্ট তৈরির প্রক্রিয়ার সাথে যুক্ত হয়ে যাচ্ছে, তাই মানুষ এবং মেশিন দ্বারা তৈরি টেক্সটের মধ্যকার সীমারেখা দ্রুত অস্পষ্ট হয়ে পড়ছে।

AI-তৈরি কন্টেন্টের ব্যাপক বৃদ্ধি

ইন্টারনেটে জেনারেটিভ AI-এর প্রভাব পরিমাপ করতে, Pew Research Common Crawl ওয়েব আর্কাইভ ব্যবহার করে প্রায় ৫,০০,০০০ ইংরেজি ভাষার ওয়েব পেজ বিশ্লেষণ করেছে। Open Pangram-এর ডিটেকশন প্রযুক্তি ব্যবহার করে, এই গবেষণার লক্ষ্য ছিল মানুষের লেখা এবং AI-এর সহায়তায় লেখা টেক্সটের মধ্যে পার্থক্য করা।

যদিও ২০২৬ সালের জুলাই মাসের ১০,০০০টি পেজের একটি র‍্যান্ডম স্যাম্পল ১০% AI-এর মাধ্যমে লেখা হওয়ার হার দেখিয়েছে, তবে জেনারেটিভ AI-এর উত্থানের আগে প্রকাশিত পুরনো কন্টেন্ট অন্তর্ভুক্ত থাকার কারণে এই সংখ্যাটি কিছুটা বিভ্রান্তিকর ছিল। তবে, গবেষকরা যখন ডেটাসেটটি ফিল্টার করে শুধুমাত্র ২০২২ সালের নভেম্বরে ChatGPT লঞ্চ হওয়ার পরে প্রকাশিত পেজগুলো অন্তর্ভুক্ত করেন, তখন সংখ্যাটি নাটকীয়ভাবে বৃদ্ধি পায়। গবেষণায় দেখা গেছে যে, এই সাম্প্রতিক যুগে প্রকাশিত সমস্ত ওয়েব পেজের এক-তৃতীয়াংশের বেশি (৩৫%) AI দ্বারা লেখা বা "উল্লেখযোগ্যভাবে সম্পাদিত" হওয়ার লক্ষণ দেখাচ্ছে।

ডোমেইন বৈষম্য এবং "বট লুপ" (Bot Loop)

ওয়েব জুড়ে AI কন্টেন্টের বিস্তার সমান নয়। গবেষণাটি বিভিন্ন টপ-লেভেল ডোমেইনের (TLDs) মধ্যে একটি তীব্র বৈষম্য তুলে ধরেছে, যা ইঙ্গিত দেয় যে বাণিজ্যিক স্বার্থই AI রাইটিং টুলগুলোর সবচেয়ে আগ্রাসী ব্যবহারের মূল চালিকাশক্তি।

তথ্য অনুযায়ী, .com ডোমেইনের URL-গুলোতে AI-এর মাধ্যমে লেখা হওয়ার হার একাডেমিক বা সরকারি সাইটের তুলনায় প্রায় ১০ গুণ বেশি। সুনির্দিষ্টভাবে বললে, .edu এবং .gov ডোমেইনে AI-এর মাধ্যমে লেখা হওয়ার হার ছিল মাত্র ১%, যেখানে .org ডোমেইনে এটি ছিল ৪.৬%। এই প্রবণতা একটি বাণিজ্যিকীকৃত ওয়েবের দিকে নির্দেশ করে যেখানে প্রথাগত সম্পাদকীয় তদারকির চেয়ে গতি এবং পরিধিকে (যা প্রায়শই LLM-এর মাধ্যমে অর্জিত হয়) বেশি প্রাধান্য দেওয়া হচ্ছে।

AI কন্টেন্টের এই বৃদ্ধি Cloudflare-এর রিপোর্ট করা একটি উদ্বেগজনক মাইলস্টোনের সাথে মিলে যাচ্ছে: বট ট্রাফিক (bot traffic) এখন আনুষ্ঠানিকভাবে মানুষের ওয়েব ট্রাফিককে ছাড়িয়ে গেছে। এটি একটি সম্ভাব্য "ডেড ইন্টারনেট" (dead internet) ফিডব্যাক লুপ তৈরি করছে, যেখানে বটগুলো ক্রমবর্ধমানভাবে এমন কন্টেন্ট ব্রাউজ এবং স্ক্র্যাপ করছে যা নিজেই অন্যান্য বট দ্বারা লেখা হয়েছে।

ভাষাগত বৈশিষ্ট্য এবং শনাক্তকরণ চ্যালেঞ্জ

গবেষণাটি এমন কিছু নির্দিষ্ট ভাষাগত প্যাটার্নও শনাক্ত করেছে যা AI-তৈরি টেক্সটের "লক্ষণ" হিসেবে কাজ করে। যেহেতু LLM-গুলো আরও উন্নত হয়েছে, তাদের শৈলীগত ছাপ (stylistic fingerprints) আরও অনুমানযোগ্য হয়ে উঠেছে। গবেষকরা নির্দিষ্ট কিছু সিনট্যাকটিকাল কাঠামোর ক্রমবর্ধমান উপস্থিতি লক্ষ্য করেছেন, যেমন:

• em dash এবং Oxford comma-এর ব্যাপক ব্যবহার।
• "It’s not X, it’s Y"-এর মতো ছন্দময় বাক্যাংশ প্যাটার্ন।
• পঠনযোগ্যতার জন্য অপ্টিমাইজ করা কিন্তু মানুষের সূক্ষ্মতার অভাব রয়েছে এমন নির্দিষ্ট শৈলীগত প্রবণতা।

যদিও গবেষণাটি স্বীকার করে যে Pangram-এর মতো AI ডিটেকশন টুলগুলো ত্রুটিহীন নয় এবং এতে 'ফলস পজিটিভ' (false positives) হওয়ার সম্ভাবনা থাকে, তবে ডেটার ব্যাপকতা নির্দেশ করে যে এই ফলাফলগুলো দিকনির্দেশনামূলকভাবে সঠিক। ডেভেলপার এবং ফাউন্ডারদের জন্য এটি একটি গুরুত্বপূর্ণ চ্যালেঞ্জ তুলে ধরে: ওয়েব যখন সিন্থেটিক ডেটাতে পরিপূর্ণ হয়ে উঠছে, তখন ভবিষ্যতের মডেলগুলোর জন্য ট্রেনিং সেটের গুণমান বজায় রাখা ক্রমশ কঠিন হয়ে পড়ছে।

মূল বিষয়সমূহ

• কন্টেন্ট তৈরির ক্ষেত্রে বিশাল পরিবর্তন: ChatGPT লঞ্চ হওয়ার পর থেকে প্রকাশিত ওয়েব পেজের ৩৫% AI-এর মাধ্যমে লেখা বা ব্যাপক AI সম্পাদনার স্পষ্ট লক্ষণ দেখায়।
• বাণিজ্যিক আধিপত্য: .com ডোমেইনগুলো AI কন্টেন্টের প্রধান চালিকাশক্তি, যা .edu এবং .gov ডোমেইনকে ১০ গুণ ছাড়িয়ে গেছে।
• বট ইকোসিস্টেম: AI-লিখন কন্টেন্টের বৃদ্ধি এবং মানুষের ট্রাফিককে বট ট্রাফিকের ছাড়িয়ে যাওয়ার ঘটনাটি একসাথে ঘটছে, যা একটি মেশিন-শাসিত ওয়েব ইকোসিস্টেমের দিকে পরিবর্তনের সংকেত দিচ্ছে।