ChatGPT-ന് ശേഷമുള്ള വെബ് ഉള്ളടക്കത്തിന്റെ മൂന്നിലൊന്ന് ഭാഗവും AI രചനയുടെ ലക്ഷണങ്ങൾ കാണിക്കുന്നു

ഡിജിറ്റൽ ലോകത്ത് വലിയൊരു മാറ്റം സംഭവിച്ചതായി Pew Research നടത്തിയ വിപ്ലവകരമായ പഠനം വെളിപ്പെടുത്തുന്നു. പുതിയ വെബ് ഉള്ളടക്കത്തിന്റെ വലിയൊരു ഭാഗം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) വഴി നിർമ്മിക്കപ്പെടുന്നു എന്നാണ് ഈ പഠനം കണ്ടെത്തിയത്. Large Language Models (LLMs) ഉള്ളടക്ക നിർമ്മാണ പ്രക്രിയയുടെ ഭാഗമാകുന്നതോടെ, മനുഷ്യർ തയ്യാറാക്കിയതും യന്ത്രങ്ങൾ നിർമ്മിച്ചതുമായ ടെക്സ്റ്റുകൾ തമ്മിലുള്ള വ്യത്യാസം വേഗത്തിൽ ഇല്ലാതാവുകയാണ്.

AI നിർമ്മിത ഉള്ളടക്കത്തിന്റെ വർദ്ധനവ്

ഇന്റർനെറ്റിൽ ജനറേറ്റീവ് AI ചെലുത്തുന്ന സ്വാധീനം അളക്കുന്നതിനായി, Common Crawl വെബ് ആർക്കൈവ് ഉപയോഗിച്ച് Pew Research ഏകദേശം 500,000 ഇംഗ്ലീഷ് വെബ് പേജുകൾ വിശകലനം ചെയ്തു. മനുഷ്യർ എഴുതിയതും AI സഹായത്തോടെ തയ്യാറാക്കിയതുമായ ടെക്സ്റ്റുകൾ തമ്മിലുള്ള വ്യത്യാസം തിരിച്ചറിയാൻ Open Pangram-ന്റെ ഡിറ്റക്ഷൻ സാങ്കേതികവിദ്യയാണ് ഈ പഠനത്തിൽ ഉപയോഗിച്ചത്.

2026 ജൂലൈയിലെ 10,000 പേജുകളുടെ ഒരു സാമ്പിൾ പരിശോധിച്ചപ്പോൾ 10% AI രചനയുടെ നിരക്ക് കാണിച്ചുവെങ്കിലും, ജനറേറ്റീവ് AI വിപ്ലവത്തിന് മുമ്പ് പ്രസിദ്ധീകരിച്ച പഴയ ഉള്ളടക്കങ്ങൾ ഇതിൽ ഉൾപ്പെട്ടതിനാൽ ആ കണക്കിൽ വ്യത്യാസമുണ്ടായിരുന്നു. എന്നാൽ, 2022 നവംബറിൽ ChatGPT പുറത്തിറങ്ങിയതിന് ശേഷം പ്രസിദ്ധീകരിച്ച പേജുകൾ മാത്രം ഗവേഷകർ വിശകലനം ചെയ്തപ്പോൾ ഈ കണക്ക് കുതിച്ചുയർന്നു. ഈ പുതിയ കാലഘട്ടത്തിൽ പ്രസിദ്ധീകരിച്ച വെബ് പേജുകളിൽ മൂന്നിലൊന്ന് ഭാഗത്തിലധികം (35%) AI എഴുതിയതോ അല്ലെങ്കിൽ AI ഉപയോഗിച്ച് "വലിയ തോതിൽ എഡിറ്റ് ചെയ്തതോ" ആയ ലക്ഷണങ്ങൾ കാണിക്കുന്നുണ്ടെന്ന് പഠനം കണ്ടെത്തി.

ഡൊമെയ്‌നുകളിലെ വ്യത്യാസങ്ങളും "ബോട്ട് ലൂപ്പും"

വെബ് ലോകമെമ്പാടും AI ഉള്ളടക്കത്തിന്റെ വ്യാപനം ഒരേപോലെയല്ല. വിവിധ ടോപ്പ്-ലെവൽ ഡൊമെയ്‌നുകൾ (TLDs) തമ്മിൽ വലിയ വ്യത്യാസമുണ്ടെന്ന് പഠനം ചൂണ്ടിക്കാട്ടുന്നു. വാണിജ്യപരമായ താൽപ്പര്യങ്ങളാണ് AI എഴുത്ത് ഉപകരണങ്ങളുടെ ഉപയോഗം വർദ്ധിപ്പിക്കുന്ന പ്രധാന ഘടകമെന്ന് ഇത് സൂചിപ്പിക്കുന്നു.

ലഭ്യമായ വിവരങ്ങൾ അനുസരിച്ച്, .com ഡൊമെയ്‌നുകളുള്ള URL-കളിൽ AI രചനയുടെ നിരക്ക് അക്കാദമിക് അല്ലെങ്കിൽ സർക്കാർ സൈറ്റുകളേക്കാൾ ഏകദേശം 10 മടങ്ങ് കൂടുതലാണ്. പ്രത്യേകിച്ച്, .edu, .gov ഡൊമെയ്‌നുകളിൽ വെറും 1% മാത്രമാണ് AI രചന കണ്ടെത്തിയതെങ്കിൽ, .org ഡൊമെയ്‌നുകളിൽ ഇത് 4.6% ആണ്. പരമ്പരാഗതമായ എഡിറ്റോറിയൽ മേൽനോട്ടത്തേക്കാൾ ഉപരിയായി, LLM-ലൂടെ വേഗത്തിലും വലിയ അളവിലും ഉള്ളടക്കം നിർമ്മിക്കുന്നതിനാണ് വാണിജ്യപരമായ വെബ് ലോകം മുൻഗണന നൽകുന്നതെന്ന് ഈ പ്രവണത കാണിക്കുന്നു.

Cloudflare റിപ്പോർട്ട് ചെയ്ത ആശങ്കാജനകമായ ഒരു കാര്യത്തോടൊപ്പം തന്നെയാണ് AI ഉള്ളടക്കത്തിന്റെ ഈ വർദ്ധനവ് സംഭവിക്കുന്നത്: ബോട്ട് ട്രാഫിക് (bot traffic) ഔദ്യോഗികമായി മനുഷ്യരുടെ വെബ് ട്രാഫിക്കിനെ മറികടന്നു. ഇത് ഒരു "dead internet" ഫീഡ്‌ബാക്ക് ലൂപ്പിന് കാരണമായേക്കാം; അതായത്, ഒരു ബോട്ട് എഴുതിയ ഉള്ളടക്കം മറ്റൊരു ബോട്ട് തിരയുകയും ശേഖരിക്കുകയും ചെയ്യുന്ന അവസ്ഥ.

ഭാഷാപരമായ സൂചനകളും കണ്ടെത്തലിലെ വെല്ലുവിളികളും

AI നിർമ്മിത ടെക്സ്റ്റുകളെ തിരിച്ചറിയാൻ സഹായിക്കുന്ന ചില പ്രത്യേക ഭാഷാപരമായ രീതികളും പഠനം കണ്ടെത്തിയിട്ടുണ്ട്. LLM-കൾ കൂടുതൽ പരിഷ്കൃതമാകുന്നതോടെ, അവയുടെ ശൈലി തിരിച്ചറിയാൻ എളുപ്പമായി മാറുന്നു. ഗവേഷകർ താഴെ പറയുന്ന തരത്തിലുള്ള പ്രത്യേക വാചക ഘടനകളുടെ വർദ്ധനവ് ശ്രദ്ധിച്ചു:

  • em dashes-ഉം Oxford commas-ഉം വ്യാപകമായി ഉപയോഗിക്കുന്നത്.
  • "It’s not X, it’s Y" പോലെയുള്ള താളാത്മകമായ ശൈലികൾ.
  • വായനാസുഖത്തിനായി രൂപകൽപ്പന ചെയ്തതും എന്നാൽ മനുഷ്യസഹജമായ സൂക്ഷ്മതകൾ (nuance) ഇല്ലാത്തതുമായ പ്രത്യേക ശൈലികൾ.

Pangram പോലുള്ള AI ഡിറ്റക്ഷൻ ടൂളുകൾ പൂർണ്ണമായും കൃത്യമാകണമെന്നില്ലെന്നും തെറ്റായ ഫലങ്ങൾ (false positives) നൽകാൻ സാധ്യതയുണ്ടെന്നും പഠനം സമ്മതിക്കുന്നുണ്ടെങ്കിലും, ഡാറ്റയുടെ വ്യാപ്തി ഈ കണ്ടെത്തലുകൾ ശരിയാണെന്ന് സൂചിപ്പിക്കുന്നു. ഡെവലപ്പർമാരെയും സ്ഥാപകരെയും സംബന്ധിച്ചിടത്തോളം ഇത് ഒരു വലിയ വെല്ലുവിളിയാണ്: വെബ് ലോകം കൃത്രിമ ഡാറ്റകൾ കൊണ്ട് നിറയുമ്പോൾ, ഭാവിയിലെ മോഡലുകൾക്കായി ഗുണനിലവാരമുള്ള ട്രെയിനിംഗ് സെറ്റുകൾ നിലനിർത്തുക എന്നത് കൂടുതൽ പ്രയാസകരമാകും.

പ്രധാന കാര്യങ്ങൾ

  • ഉള്ളടക്ക നിർമ്മാണത്തിലെ വലിയ മാറ്റം: ChatGPT പുറത്തിറങ്ങിയതിന് ശേഷം പ്രസിദ്ധീകരിച്ച വെബ് പേജുകളിൽ 35% എണ്ണം AI രചനയുടെയോ അല്ലെങ്കിൽ വലിയ തോതിലുള്ള AI എഡിറ്റിംഗിന്റെയോ വ്യക്തമായ ലക്ഷണങ്ങൾ കാണിക്കുന്നു.
  • വാണിജ്യപരമായ ആധിപത്യം: .edu, .gov ഡൊമെയ്‌നുകളെ അപേക്ഷിച്ച് 10 മടങ്ങ് കൂടുതലായി .com ഡൊമെയ്‌നുകളാണ് AI ഉള്ളടക്കത്തിന്റെ പ്രധാന സ്രോതസ്സ്.
  • ബോട്ട് ഇക്കോസിസ്റ്റം: AI എഴുതിയ ഉള്ളടക്കത്തിന്റെ വർദ്ധനവ് മനുഷ്യരുടെ ട്രാഫിക്കിനെ ബോട്ട് ട്രാഫിക് മറികടന്ന സമയത്താണ് സംഭവിക്കുന്നത്, ഇത് യന്ത്രങ്ങൾ നിയന്ത്രിക്കുന്ന ഒരു വെബ് ലോകത്തിലേക്കുള്ള മാറ്റത്തെ സൂചിപ്പിക്കുന്നു.