ChatGPT తర్వాత వెబ్ కంటెంట్‌లో మూడవ వంతు AI రచన యొక్క సంకేతాలను చూపుతోంది

Pew Research చేసిన ఒక విప్లవాత్మక అధ్యయనం డిజిటల్ రంగంలో భారీ మార్పును వెల్లడించింది. కొత్త వెబ్ కంటెంట్‌లోని గణనీయమైన భాగం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ద్వారా సృష్టించబడుతోందని ఇది కనుగొంది. Large Language Models (LLMs) కంటెంట్ వర్క్‌ఫ్లోలలో కలిసిపోతున్న కొద్దీ, మానవ మరియు యంత్రం సృష్టించిన వచనం (text) మధ్య ఉన్న సరిహద్దు వేగంగా మసకబారుతోంది.

AI-సృష్టిత కంటెంట్‌లో పెరుగుదల

ఇంటర్నెట్‌పై జనరేటివ్ AI ప్రభావాన్ని అంచనా వేయడానికి, Pew Research 'Common Crawl' వెబ్ ఆర్కైవ్‌ని ఉపయోగించి దాదాపు 5,00,000 ఇంగ్లీష్ వెబ్ పేజీలను విశ్లేషించింది. Open Pangram యొక్క డిటెక్షన్ టెక్నాలజీని ఉపయోగించి, ఈ అధ్యయనం మానవ రచయితలు రాసిన మరియు AI సహాయంతో రూపొందించబడిన వచనం మధ్య తేడాను గుర్తించడానికి ప్రయత్నించింది.

జూలై 2026కి చెందిన 10,000 పేజీల నమూనా 10% AI రచన రేటును చూపినప్పటికీ, జనరేటివ్ AI విప్లవం కంటే ముందు ప్రచురించబడిన పాత కంటెంట్ వల్ల ఈ గణాంకాలు తప్పుగా ఉండవచ్చు. అయితే, నవంబర్ 2022లో ChatGPT ప్రారంభం తర్వాత ప్రచురించబడిన పేజీలను మాత్రమే పరిశోధకులు విశ్లేషించినప్పుడు, ఈ సంఖ్యలు భారీగా పెరిగాయి. ఈ ఇటీవలి కాలంలో ప్రచురించబడిన మొత్తం వెబ్ పేజీలలో మూడవ వంతు కంటే ఎక్కువ (35%) AI ద్వారా వ్రాయబడిన లేదా "భారీగా సవరించబడిన" (substantially edited) సంకేతాలను చూపుతున్నాయని అధ్యయనం కనుగొంది.

డొమైన్ వ్యత్యాసాలు మరియు "బోట్ లూప్"

వెబ్‌ అంతటా AI కంటెంట్ విస్తరణ ఒకేలా లేదు. వివిధ టాప్-లెవల్ డొమైన్‌ల (TLDs) మధ్య స్పష్టమైన వ్యత్యాసాన్ని ఈ అధ్యయనం హైలైట్ చేసింది, దీనిని బట్టి వాణిజ్య ప్రయోజనాలే AI రైటింగ్ టూల్స్ వాడకాన్ని వేగవంతం చేస్తున్నాయని అర్థమవుతోంది.

డేటా ప్రకారం, .com డొమైన్‌లు కలిగిన URLలలో AI రచన రేటు విద్యాసంస్థలు లేదా ప్రభుత్వ సైట్‌ల కంటే సుమారు 10 రెట్లు ఎక్కువగా ఉంది. ప్రత్యేకించి, .edu మరియు .gov డొమైన్‌లు కేవలం 1% AI రచన రేటును చూపగా, .org డొమైన్‌లు 4.6% వద్ద ఉన్నాయి. సాంప్రదాయ ఎడిటోరియల్ పర్యవేక్షణ కంటే వేగం మరియు విస్తృతికి (తరచుగా LLMs ద్వారా సాధించబడేవి) ప్రాధాన్యత ఇచ్చే వాణిజ్యీకరించబడిన వెబ్‌ వైపు ఈ ధోరణి సూచిస్తోంది.

AI కంటెంట్ పెరుగుదలతో పాటు Cloudflare నివేదించిన ఒక ఆందోళనకరమైన మైలురాయి కూడా ఉంది: బోట్ ట్రాఫిక్ అధికారికంగా మానవ వెబ్ ట్రాఫిక్‌ను అధిగమించింది. ఇది ఒక సంభావ్య "డెడ్ ఇంటర్నెట్" (dead internet) ఫీడ్‌బ్యాక్ లూప్‌ను సృష్టిస్తుంది, ఇక్కడ బోట్‌లు ఇతర బోట్‌ల ద్వారా వ్రాయబడిన కంటెంట్‌ను మరింత ఎక్కువగా బ్రౌజ్ చేయడం మరియు స్క్రాప్ చేయడం జరుగుతుంది.

భాషా సంకేతాలు మరియు గుర్తింపు సవాళ్లు

AI-సృష్టిత వచనాన్ని గుర్తించేలా చేసే కొన్ని నిర్దిష్ట భాషా నమూనాలను (linguistic patterns) కూడా ఈ అధ్యయనం గుర్తించింది. LLMs మరింత అధునాతనంగా మారుతున్న కొద్దీ, వాటి శైలిని ఊహించడం సులభతరమవుతోంది. పరిశోధకులు కొన్ని నిర్దిష్ట వాక్య నిర్మాణాల (syntactical structures) పెరుగుదలను గమనించారు, ఉదాహరణకు:

  • ఎమ్ డ్యాషెస్ (em dashes) మరియు ఆక్స్‌ఫర్డ్ కామాల (Oxford commas) విస్తృత వినియోగం.
  • "ఇది X కాదు, ఇది Y" వంటి లయబద్ధమైన ఫ్రేజింగ్ ప్యాటర్న్‌లు.
  • చదవడానికి సులభంగా ఉండేలా రూపొందించబడిన, కానీ మానవ స్పర్శ (nuance) లేని నిర్దిష్ట శైలి ధోరణులు.

Pangram వంటి AI డిటెక్షన్ టూల్స్ ఖచ్చితమైనవి కాదని మరియు తప్పుడు ఫలితాలను (false positives) ఇచ్చే అవకాశం ఉందని ఈ అధ్యయనం అంగీకరించినప్పటికీ, డేటా పరిమాణం ఈ ఫలితాలు సరైన దిశలో ఉన్నాయని సూచిస్తోంది. డెవలపర్లు మరియు వ్యవస్థాపకులకు (founders), ఇది ఒక కీలక సవాలును వివరిస్తుంది: వెబ్ సింథటిక్ డేటాతో నిండిపోతున్న కొద్దీ, భవిష్యత్తు మోడళ్ల కోసం ట్రైనింగ్ సెట్ల నాణ్యతను కాపాడటం రోజురోజుకూ కష్టతరమవుతోంది.

ముఖ్య అంశాలు

  • కంటెంట్ సృష్టిలో భారీ మార్పు: ChatGPT ప్రారంభం నుండి ప్రచురించబడిన వెబ్ పేజీలలో 35% స్పష్టమైన AI రచన లేదా భారీ AI ఎడిటింగ్ సంకేతాలను చూపుతున్నాయి.
  • వాణిజ్య ఆధిపత్యం: .com డొమైన్‌లు AI కంటెంట్‌కు ప్రధాన చోదక శక్తులుగా ఉన్నాయి, ఇవి .edu మరియు .gov డొమైన్‌ల కంటే 10 రెట్లు ఎక్కువగా ఉన్నాయి.
  • బోట్ ఎకోసిస్టమ్: AI-రచిత కంటెంట్ పెరగడం, బోట్ ట్రాఫిక్ మానవ ట్రాఫిక్‌ను అధిగమించడంతో కలిసి జరుగుతోంది, ఇది యంత్రాల ఆధిపత్యం ఉన్న వెబ్ ఎకోసిస్టమ్ వైపు మార్పును సూచిస్తోంది.