ChatGPT ನಂತರದ ವೆಬ್ ಕಂಟೆಂಟ್ನ ಮೂರನೇ ಒಂದು ಭಾಗವು AI ರಚನೆಯ ಲಕ್ಷಣಗಳನ್ನು ತೋರಿಸುತ್ತಿದೆ
Pew Research ನಡೆಸಿದ ಒಂದು যুগಂತಕಾರಿ ಅಧ್ಯಯನವು ಡಿಜಿಟಲ್ ಲೋಕದಲ್ಲಿನ ಬೃಹತ್ ಬದಲಾವಣೆಯನ್ನು ಬಹಿರಂಗಪಡಿಸಿದೆ. ಹೊಸ ವೆಬ್ ಕಂಟೆಂಟ್ನ ಗಣನೀಯ ಭಾಗವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ (AI) ಸೃಷ್ಟಿಯಾಗುತ್ತಿದೆ ಎಂದು ಇದು ತಿಳಿಸಿದೆ. Large Language Models (LLMs) ಕಂಟೆಂಟ್ ಕಾರ್ಯವಿಧಾನಗಳಲ್ಲಿ (workflows) ಸಂಯೋಜಿತಗೊಳ್ಳುತ್ತಿದ್ದಂತೆ, ಮಾನವ ಮತ್ತು ಯಂತ್ರ ಸೃಷ್ಟಿತ ಪಠ್ಯಗಳ ನಡುವಿನ ಗಡಿ ವೇಗವಾಗಿ ಮಸುಕಾಗುತ್ತಿದೆ.
AI-ಸೃಷ್ಟಿತ ಕಂಟೆಂಟ್ನಲ್ಲಿನ ಏರಿಕೆ
ಇಂಟರ್ನೆಟ್ನಲ್ಲಿ generative AI ನ ಪ್ರಭಾವವನ್ನು ಅಳೆಯಲು, Pew Research ಸಂಸ್ಥೆಯು Common Crawl ವೆಬ್ ಆರ್ಕೈವ್ ಬಳಸಿ ಸುಮಾರು 5,00,000 ಇಂಗ್ಲಿಷ್ ಭಾಷೆಯ ವೆಬ್ ಪುಟಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿದೆ. Open Pangram ನ ಡಿಟೆಕ್ಷನ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸುವ ಮೂಲಕ, ಈ ಅಧ್ಯಯನವು ಮಾನವರು ಬರೆದ ಮತ್ತು AI ಸಹಾಯದಿಂದ ಸೃಷ್ಟಿಸಲಾದ ಪಠ್ಯಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ಪ್ರಯತ್ನಿಸಿದೆ.
ಜುಲೈ 2026 ರ 10,000 ಪುಟಗಳ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯು 10% AI ರಚನೆಯ ದರವನ್ನು ತೋರಿಸಿದರೂ, generative AI ಪ್ರಭಾವ ಬೀರಿದ ಮೊದಲು ಪ್ರಕಟವಾದ ಹಳೆಯ ಕಂಟೆಂಟ್ನಿಂದಾಗಿ ಈ ಅಂಕಿಅಂಶವು ವ್ಯತ್ಯಾಸಗೊಂಡಿತ್ತು. ಆದಾಗ್ಯೂ, ಸಂಶೋಧಕರು ನವೆಂಬರ್ 2022 ರಲ್ಲಿ ChatGPT ಬಿಡುಗಡೆಯಾದ ನಂತರ ಪ್ರಕಟವಾದ ಪುಟಗಳನ್ನು ಮಾತ್ರ ಒಳಗೊಳ್ಳುವಂತೆ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿದಾಗ, ಈ ಸಂಖ್ಯೆಗಳು ಗಣನೀಯವಾಗಿ ಏರಿತು. ಈ ಇತ್ತೀಚಿನ ಯುಗದಲ್ಲಿ ಪ್ರಕಟವಾದ ಎಲ್ಲಾ ವೆಬ್ ಪುಟಗಳಲ್ಲಿ ಮೂರನೇ ಒಂದು ಭಾಗಕ್ಕಿಂತ ಹೆಚ್ಚು (35%) ಪುಟಗಳು AI ಮೂಲಕ ಬರೆಯಲ್ಪಟ್ಟಿವೆ ಅಥವಾ "ಗಣನೀಯವಾಗಿ ಎಡಿಟ್" ಮಾಡಲ್ಪಟ್ಟಿವೆ ಎಂಬ ಲಕ್ಷಣಗಳನ್ನು ತೋರಿಸುತ್ತಿವೆ ಎಂದು ಅಧ್ಯಯನವು ಕಂಡುಕೊಂಡಿದೆ.
ಡೊಮೇನ್ ವ್ಯತ್ಯಾಸಗಳು ಮತ್ತು "ಬಾಟ್ ಲೂಪ್" (Bot Loop)
ವೆಬ್ನಾದ್ಯಂತ AI ಕಂಟೆಂಟ್ನ ಪ್ರಸರಣವು ಏಕರೂಪವಾಗಿಲ್ಲ. ವಿವಿಧ ಟಾಪ್-ಲೆವೆಲ್ ಡೊಮೇನ್ಗಳ (TLDs) ನಡುವಿನ ತೀವ್ರ ವ್ಯತ್ಯಾಸವನ್ನು ಅಧ್ಯಯನವು ಎತ್ತಿ ತೋರಿಸಿದೆ, ಇದು ವಾಣಿಜ್ಯ ಹಿತಾಸಕ್ತಿಗಳು AI ಬರವಣಿಗೆಯ ಸಾಧನಗಳ ಅತಿ ಹೆಚ್ಚು ಬಳಕೆಗೆ ಪ್ರೇರೇಪಿಸುತ್ತಿವೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.
ದತ್ತಾಂಶದ ಪ್ರಕಾರ, .com ಡೊಮೇನ್ ಹೊಂದಿರುವ URLಗಳು ಶೈಕ್ಷಣಿಕ ಅಥವಾ ಸರ್ಕಾರಿ ಸೈಟ್ಗಳಿಗಿಂತ ಸುಮಾರು 10 ಪಟ್ಟು ಹೆಚ್ಚಿನ AI ರಚನೆಯ ದರವನ್ನು ಹೊಂದಿವೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, .edu ಮತ್ತು .gov ಡೊಮೇನ್ಗಳು ಕೇವಲ 1% AI ರಚನೆಯ ದರವನ್ನು ತೋರಿಸಿದರೆ, .org ಡೊಮೇನ್ಗಳು 4.6% ರಲ್ಲಿದ್ದವು. ಈ ಪ್ರವೃತ್ತಿಯು ವಾಣಿಜ್ಯೀಕರಣಗೊಂಡ ವೆಬ್ನತ್ತ ಮುನ್ನುಗ್ಗುತ್ತಿದೆ, ಅಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ಸಂಪಾದಕೀಯ ಮೇಲ್ವಿಚಾರಣೆಯಿಗಿಂತ ವೇಗ ಮತ್ತು ವ್ಯಾಪ್ತಿಗೆ (ಅದನ್ನು ಹೆಚ್ಚಾಗಿ LLMಗಳ ಮೂಲಕ ಸಾಧಿಸಲಾಗುತ್ತದೆ) ಹೆಚ್ಚಿನ ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತಿದೆ.
AI ಕಂಟೆಂಟ್ನಲ್ಲಿನ ಈ ಏರಿಕೆಯು Cloudflare ವರದಿ ಮಾಡಿದ ಒಂದು ಕಳವಳಕಾರಿ ಮೈಲಿಗಲ್ಲಿನೊಂದಿಗೆ ಸಂಭವಿಸಿದೆ: ಬಾಟ್ ಟ್ರಾಫಿಕ್ (bot traffic) ಅಧಿಕೃತವಾಗಿ ಮಾನವ ವೆಬ್ ಟ್ರಾಫಿಕ್ ಅನ್ನು ಹಿಂದಿಕ್ಕಿದೆ. ಇದು ಸಂಭಾವ್ಯ "ಡೆಡ್ ಇಂಟರ್ನೆಟ್" (dead internet) ಫೀಡ್ಬ್ಯಾಕ್ ಲೂಪ್ ಅನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಅಲ್ಲಿ ಬಾಟ್ಗಳು ಇತರ ಬಾಟ್ಗಳಿಂದಲೇ ಬರೆಯಲ್ಪಟ್ಟ ಕಂಟೆಂಟ್ ಅನ್ನು ಹೆಚ್ಚು ಹೆಚ್ಚು ಬ್ರೌಸ್ ಮಾಡುತ್ತಿವೆ ಮತ್ತು ಸ್ಕ್ರೇಪ್ (scraping) ಮಾಡುತ್ತಿವೆ.
ಭಾಷಾತ್ಮಕ ಲಕ್ಷಣಗಳು ಮತ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆಯ ಸವಾಲುಗಳು
AI-ಸೃಷ್ಟಿತ ಪಠ್ಯವನ್ನು ಗುರುತಿಸಲು ಸಹಕಾರಿಯಾದ ಕೆಲವು ನಿರ್ದಿಷ್ಟ ಭಾಷಾತ್ಮಕ ಮಾದರಿಗಳನ್ನು ಅಧ್ಯಯನವು ಗುರುತಿಸಿದೆ. LLMಗಳು ಹೆಚ್ಚು ಸುಧಾರಿತವಾಗುತ್ತಿದ್ದಂತೆ, ಅವುಗಳ ಶೈಲಿಯ ಗುರುತುಗಳು ಹೆಚ್ಚು ಊಹಿಸಬಹುದಾದಂತಾಗಿವೆ. ಸಂಶೋಧಕರು ಕೆಲವು ನಿರ್ದಿಷ್ಟ ವಾಕ್ಯ ರಚನೆಗಳ ಹೆಚ್ಚಳವನ್ನು ಗಮನಿಸಿದ್ದಾರೆ, ಉದಾಹರಣೆಗೆ:
- ಎಮ್-ಡ್ಯಾಶ್ಗಳು (em dashes) ಮತ್ತು ಆಕ್ಸ್ಫರ್ಡ್ ಕಾಮಾಗಳ (Oxford commas) ವ್ಯಾಪಕ ಬಳಕೆ.
- "ಇದು X ಅಲ್ಲ, ಇದು Y" ಎಂಬಂತಹ ಲಯಬದ್ಧ ವಾಕ್ಯ ರಚನೆಗಳು.
- ಓದುವಿಕೆಗೆ ಅನುಕೂಲವಾಗುವಂತೆ ರೂಪಿಸಲಾದ ಆದರೆ ಮಾನವ ಸಹಜ ಸೂಕ್ಷ್ಮತೆಗಳಿಲ್ಲದ ನಿರ್ದಿಷ್ಟ ಶೈಲಿಯ ಪ್ರವೃತ್ತಿಗಳು.
Pangram ನಂತಹ AI ಪತ್ತೆಹಚ್ಚುವ ಸಾಧನಗಳು ಸಂಪೂರ್ಣ ನಿಖರವಾಗಿಲ್ಲ ಮತ್ತು ತಪ್ಪು ಪತ್ತೆಹಚ್ಚುವಿಕೆಗಳ (false positives) ಸಾಧ್ಯತೆ ಇರುತ್ತದೆ ಎಂದು ಅಧ್ಯಯನವು ಒಪ್ಪಿಕೊಂಡಿದ್ದರೂ, ದತ್ತಾಂಶದ ಪ್ರಮಾಣವು ಈ ಸಂಶೋಧನೆಗಳು ಸರಿಯಾದ ದಿಕ್ಕಿನಲ್ಲಿವೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ. ಡೆವಲಪರ್ಗಳು ಮತ್ತು ಸಂಸ್ಥಾಪಕರಿಗೆ ಇದು ಒಂದು ನಿರ್ಣಾಯಕ ಸವಾಲನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ: ವೆಬ್ ಅತಿಯಾದ ಸಿಂಥೆಟಿಕ್ ಡೇಟಾ (synthetic data) ದಿಂದ ತುಂಬಿದಂತೆ, ಭವಿಷ್ಯದ ಮಾದರಿಗಳಿಗಾಗಿ ತರಬೇತಿ ಸೆಟ್ಗಳ (training sets) ಗುಣಮಟ್ಟವನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳುವುದು ಹೆಚ್ಚು ಕಷ್ಟವಾಗುತ್ತಿದೆ.
ಪ್ರಮುಖ ಅಂಶಗಳು
- ಕಂಟೆಂಟ್ ರಚನೆಯಲ್ಲಿ ಬೃಹತ್ ಬದಲಾವಣೆ: ChatGPT ಬಿಡುಗಡೆಯಾದ ನಂತರ ಪ್ರಕಟವಾದ ವೆಬ್ ಪುಟಗಳಲ್ಲಿ ಶೇಕಡಾ 35 ರಷ್ಟು ಪುಟಗಳು AI ರಚನೆ ಅಥವಾ ಹೆಚ್ಚಿನ AI ಎಡಿಟಿಂಗ್ನ ಸ್ಪಷ್ಟ ಲಕ್ಷಣಗಳನ್ನು ತೋರಿಸುತ್ತವೆ.
- ವಾಣಿಜ್ಯ ಪ್ರಾಬಲ್ಯ: .com ಡೊಮೇನ್ಗಳು AI ಕಂಟೆಂಟ್ನ ಪ್ರಮುಖ ಚಾಲಕ ಶಕ್ತಿಗಳಾಗಿದ್ದು, .edu ಮತ್ತು .gov ಡೊಮೇನ್ಗಳಿಗಿಂತ 10 ಪಟ್ಟು ಹೆಚ್ಚು ಪ್ರಭಾವ ಬೀರುತ್ತಿವೆ.
- ಬಾಟ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆ: AI-ಬರಹದ ಕಂಟೆಂಟ್ ಹೆಚ್ಚಳವು ಬಾಟ್ ಟ್ರಾಫಿಕ್ ಮಾನವ ಟ್ರಾಫಿಕ್ ಅನ್ನು ಹಿಂದಿಕ್ಕುತ್ತಿರುವುದರೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತಿದೆ, ಇದು ಯಂತ್ರಗಳೇ ಆಳವಾದ ವೆಬ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯತ್ತ ಬದಲಾವಣೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.